《The Journal of Nutrition》：Evaluating LLM Accuracy in Predicting Peruvian Meal Nutrition
编辑推荐：
摘要背景人工智能应用已被开发用于预测餐食的养分含量。然而，尚无应用是在秘鲁菜肴的背景下进行评估的，秘鲁菜肴的特点是食材和食谱多样。我们评估了大语言模型（LLMs）是否能预测秘鲁餐食的营养成分。方法使用从秘鲁烹饪书中提取的 510 张独特午餐图像的数据集，我们将食谱数据中的养分
摘要
背景
人工智能应用已被开发用于预测餐食的养分含量。然而，尚无应用是在秘鲁菜肴的背景下进行评估的，秘鲁菜肴的特点是食材和食谱多样。我们评估了大语言模型（LLMs）是否能预测秘鲁餐食的营养成分。
方法
使用从秘鲁烹饪书中提取的 510 张独特午餐图像的数据集，我们将食谱数据中的养分值与 LLMs（Gemma-3 4B、12B 和 27B）生成的预测进行了比较。LLMs 被给定餐食名称和照片，并被提示生成餐食的叙述性描述。利用这些描述，相同的 LLMs 被提示估算六种营养素：能量（kcal/份）、蛋白质（g/份）、碳水化合物（g/份）、铁（mg/份）、维生素 A（μg/份）和锌（mg/份）。计算了与食谱书中的值相比的一致比例和误差指标。
结果
27B LLM 在大多数营养素上达到了最高的一致比例——卡路里（45%）、碳水化合物（31%）、铁（15%）、维生素 A（19%）和锌（31%）——而 12B 模型在蛋白质方面表现最佳（70% 一致）。27B 模型在卡路里（108 kcal）、碳水化合物（26 g）、铁（4 mg）和锌（1 mg）方面产生了最低的平均绝对误差（MAE）。12B LLM 在蛋白质（6 g）和维生素 A（667 μg）方面具有最低的 MAE。4B LLM 在各指标上表现最差。
结论
LLMs 可以根据秘鲁餐食的叙述性描述生成营养成分的估计值，但目前的性能水平尚未达到临床部署或商业面向消费者的应用所需的精度。
章节片段
引言
已经开发了几种人工智能（AI）应用来预测餐食和食物的营养组成 1, 2, 3, 4, 5, 6, 7。这些工具可以帮助个人监测其膳食摄入，并保持健康的饮食模式或遵循特定的临床建议。大多数应用使用图像（如餐食照片）来生成预测 8, 9, 10, 11, 12, 13，而其他应用则利用叙述性文本甚至音频描述 14, 15, 16。虽然
研究背景
分析的数据源自秘鲁，一个南美洲中高收入国家，截至 2025 年人口为 3400 万。根据 2024 年流行病学估计，肥胖（BMI ≥30 kg/m2）的患病率在男性中为 25%，在女性中为 34%，而体重不足（BMI <18.5 kg/m2）的患病率分别在 0.7% 到 0.9% 之间变化。19此外，秘鲁面临着营养不良双重负担的转变：它以前表现为儿童营养不良，伴有
样本描述
我们总共分析了 1,530 个观测值，源自 510 种独特的午餐，每种午餐由三个不同的 LLMs（4B、12B 和 27B）描述。在所有食谱中，观测到的平均（标准差（SD））能量含量为 812.8 kcal（29.3），蛋白质平均为 33.2 g（16.7），碳水化合物为 116.3 g（52.0），铁为 9.9 mg（10.4），维生素 A 为 854.9 μg（1,265.8），锌为 4.4（4.73）mg（表 2 和补充表 5）。请注意，在表 2 中样本（N）为 1,530，源自
主要发现
这项研究表明，在单次提示方法下，开放获取的 LLMs 尚不足以在秘鲁背景下用于常规膳食或临床实践中的养分估算。使用秘鲁午餐餐食图像 25，我们应用了三个开放获取的通用 LLMs（4B、12B 和 27B） 26来生成午餐餐食的文本描述；随后，我们仅使用文本描述和相同的 LLMs 来预测六种养分值。在 LLMs 中，27B
代码共享
发表后，分析代码将在 GitHub 仓库中可用。
数据共享
原始食谱可用：
原始照片是通过向 CENAN 提交信息自由请求获得的。因此，我们无法进一步分发这些照片。鼓励感兴趣的各方向 CENAN 提出类似的请求。
作者贡献
RMC-L 构思了想法，进行了分析，撰写了初稿，并接收了合著者的反馈。MGR 制定了误差阈值，CT-M 修订了阈值。RMC-L、MGR、MM 和 CT-M 提供了关键意见并编辑了文本。RMC-L、MGR、MM 和 CT-M 阅读并批准了提交版本。RMC-L 担任本工作的保证人。
致谢
我们使用大语言模型（LLM）进行文本编辑。我们撰写了完整的初稿，然后将其传递给 Chat GPT 5（免费版本），任务是提高清晰度和影响力。编辑后的文本由第一作者验证，并由所有合著者进一步编辑。
罗德里戈·M·卡里略-拉科|马里亚诺·加洛·鲁埃拉斯|米卡·松崎|卡拉·塔拉索纳-梅萨
埃默里大学劳林斯公共卫生学院哈伯特全球健康系，美国佐治亚州亚特兰大
