人工智能与人类评估者在儿科膳食菜单评估中的可靠性比较研究
《Nutrients》:Domain-Dependent Performance of Human Experts and AI Systems in Pediatric Menu Evaluation
【字体:
大
中
小
】
时间:2026年09月22日
来源:Nutrients 5.8
摘要
背景/目的:人工智能(AI)工具日益被用于膳食评估,但其在儿科营养领域的可靠性仍不确定。本研究将AI系统与人类评估者在儿科菜单评估中与专家定义的参考评级进行比较。方法:本研究为观察性横断面研究,使用三个健康儿科病例的匿名膳食和临床信息。由儿科营养专家组成的多学科专家组制定了标准评估。评估由84次AI评估、116名营养专家、56名儿科相关医师和88名其他专科医师完成。评估指标包括总能量估计的绝对误差、份量及定性评分的偏差、标准化评分以及二分类适宜性准确率。各组间采用方差分析(ANOVA)或Kruskal-Wallis检验进行组间比较,并进行事后分析。结果:共纳入344次评估。能量估计误差在各组间存在差异(Kruskal-Wallis = 12.85,p = 0.0016),但该分析仅基于一个有限的且高度不平衡的77次评估子集。AI的平均绝对误差最大(260.3 ± 194.3 kcal),其次是营养专家(148.4 ± 81.5 kcal);其他专科医师的误差最低(60.4 ± 53.3 kcal);由于可用的能量估计数量少且不平衡,这些亚组比较应谨慎解读。AI在份量评分方面的偏差更大(0.488;95% CI:0.38–0.60),高于营养专家(0.310;95% CI:0.20–0.42;p = 0.0019,q = 0.0059)和儿科相关医师(0.286;95% CI:0.16–0.41;p = 0.0181,q = 0.019)。相反,AI在多样性(0.37 ± 0.49)和加工度(0.33 ± 0.47)方面的偏差最低,而人类各组相应为1.15–1.36和1.22–1.57(均p = 0.0001)。结论:AI可能有助于结构化儿科菜单筛查中的描述性定性特征;然而,其在能量和份量评估方面精度较低,因此在这些特定条件下,支持其作为合格营养专业人士的辅助工具使用。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号