基于机器学习构建融合营养与可持续性的新型食物营养素分析系统(NPS)

本研究针对气候变化对健康饮食提出的可持续性需求，开发了一种整合营养质量、环境可持续性和食品加工程度的机器学习营养素分析系统(NPS)。该系统与地中海饮食(rho=0.891, p<0.001)和EAT-Lancet参考膳食(rho=0.783, p<0.001)高度相关，且与复合环境可持续性指数显著正相关(rho=0.710, p<0.001)，为促进健康可持续饮食提供了智能化解决方案。

　　

研究人员开发了一种创新的营养素分析系统(Nutrient Profiling Systems, NPS)，通过机器学习(ML)驱动的人工神经网络技术，将营养质量、环境可持续性和食品加工维度进行整合。该系统与经典健康膳食模式展现出强相关性：地中海饮食(Mediterranean diet)相关系数rho=0.891(p<0.001)，EAT-Lancet参考膳食相关系数rho=0.783(p<0.001)。同时与复合环境可持续性指数呈现显著正相关(rho=0.710, p<0.001)。值得注意的是，该系统与NOVA食品加工分类体系呈现弱相关性，揭示出可持续性指数与超加工食品之间存在反向关系。研究表明深度学习能有效平衡NPS设计中的多维指标，该技术可对任何食品进行分类评估，并为消费者提供科学的食用频率建议，推动健康可持续饮食实践的发展。