دانشمندان برای اولین بار، از فناوری نوآورانه‌ای منفعت گیری کرده‌اند تا نشان دهند که یک میکروبیوم سالم به جریان مداوم غذاهای مناسب نیاز دارد و در نهایت ثابت کرده‌اند که پیشنهاد صرف ۵ وعده در روز، تا آنجا که به میکروب‌های روده مربوط می‌شود، درست است.

محققان دانشگاه پلی‌تکنیک فدرال لوزان سوئیس(EPFL) با همکاری دانشمندان دانشگاه «کالیفرنیا سن‌دیگو»، از هوش مصنوعی و یادگیری ماشینی برای کشفیات تازه در رابطه رژیم غذایی و سلامت منفعت گیری کرده‌اند و داده‌های تغذیه‌ای ۱۰۰۰ شرکت‌کننده در مطالعه «غذا و شما»، از جمله مثالهای مدفوع را تجزیه و تحلیل کرده‌اند.

احتمالا مهم‌تر از همه این باشد که آنها دریافتند این فقط مربوط به گنجاندن میوه، سبزیجات و غلات در رژیم غذایی نیست، بلکه این ارامش است که زیاد مهم است.

این مطالعه اولین مطالعه‌ای است که قبول می‌کند پیشنهاد مشهور صرف پنج وعده در روز از میوه و سبزیجات، درست است.

مارسل سالاته(Marcel Salathé)، رئیس آزمایشگاه اپیدمیولوژی دیجیتال و مدیر مشترک مرکز هوش مصنوعی EPFL می‌گوید: این پژوهش به وضوح مشخص می کند که شما نمی‌توانید در روز سالم خود سبزیجات بسیاری مصرف کنید و سپس بقیه هفته یا ماه را به روش ناسالم غذا بخورید.

او گفت: در واقع، مطالعه‌ ما مشخص می کند که مصرف نامنظم غذاهای سالم، تعداد بسیاری از اثرات سودمند آنها را بر میکروبیوتای روده خنثی می‌کند. این یک انگیزه‌ واقعی برای مطالعات آینده است تا نه تنها به آنچه مردم می‌خورند، بلکه به الگوهای آنچه در طول زمان می‌خورند نیز دقت کنند.

قوت این یافته‌ها به علت نحوه‌ جمع‌آوری داده‌ها و تجزیه و تحلیل اطلاعات توسط محققان است.

شرکت‌کنندگان در این مطالعه از برنامه‌ مبتنی بر هوش مصنوعی «MyFoodRepo» منفعت گیری کردند که مواد غذایی را از روی عکس‌ها و بارکدها شناسایی می‌کند تا داده‌های تغذیه‌ای را جمع‌آوری کند و نیاز افراد به ثبت دستی اطلاعات غذایی را از بین ببرد. این داده‌ها سپس توسط محققان از نظر دقت برسی شدند.

روهان سینگ(Rohan Singh) از آزمایشگاه اپیدمیولوژی دیجیتال EPFL و نویسنده مهم این مقاله او گفت: از نظر تاریخی، تحقیقات تغذیه‌ای بر پرسشنامه‌های بسیاری غذا و یادآوری‌های غذایی ۲۴ ساعته متکی بوده‌اند. در تئوری می‌توانید از فردی بخواهید هر چیزی را که می‌خورد بنویسد، اما در عمل این کار انجام نمی‌شود، چون تقریباً غیرممکن است. اکنون هوش مصنوعی آنقدر خوب است که می‌توانیم این جمع‌آوری داده‌ها را در مقیاس بزرگ انجام دهیم.

علاوه بر این، تیم آمریکایی از این فناوری برای تجزیه و تحلیل مثالهای مدفوع منفعت گیری کرد و توانست با دقت ۸۵ درصد دقیقاً بگوید که فرد بر پایه آرایش میکروبی چه چیزی خورده است. این این چنین بدان معنی است که تجزیه و تحلیل یادگیری ماشینی می‌تواند یک برنامه غذایی بهینه را برای بهبود سلامت روده تجویز کند.

سالاته گفت: برای همکاران ما در دانشگاه «کالیفرنیا سن‌دیگو» که از متخصصان برجسته جهان در تحقیقات میکروبیوم می باشند، این شوق‌انگیز می بود. گرفتن این چنین داده‌هایی از نمونه مدفوع نسبتاً آسان است، اما فهمیدن رژیم غذایی دقیق افراد دشوار است. این داده‌ها می باشند که جمع‌آوری آنها چالش برانگیز بوده است.

ما در سال‌های تازه به طور فزاینده‌ای از نقش میکروبیوم نه تنها بر سلامت دستگاه گوارش، بلکه بر چگونگی تأثیر آن بر عملکردهای متابولیک و شناختی، سلامت روان و موارد دیگر آگاه شده‌ایم. این تحقیق یک قدم به پیشنهاد‌های تغذیه‌ای مبتنی بر علم، مبتنی بر داده‌ها و نه روندها نزدیک‌تر شده است.

سینگ افزود: مطالعه ما به طور خاص دلنشین بوده است، چون هنگامی به اختلالات گوارشی مرتبط با سبک زندگی نگاه می‌کنید، زیاد تر کم کم تشکیل خواهد شد. از آنجایی که تغذیه یکی از عوامل مهم این بیماری‌ها است، تجزیه و تحلیل‌هایی همانند مطالعه ما امکان پذیر بتوانند برسی کنند که چه چیزی را می‌توان در رژیم غذایی فرد بهبود بخشید. سپس هوش مصنوعی می‌تواند به افراد پشتیبانی کند تا مصرف غذای خود را بر این مبنا تنظیم کنند.

در حالی که امکان پذیر مدتی از داشتن یک توالت شخصی تجهیزبه هوش مصنوعی که بازخورد لحظه‌ای درمورد سلامت میکروبیوم ما اراعه می‌دهد، فاصله داشته باشیم، یافته‌ها بر نیاز به سیاست‌های تغذیه‌ای برای همگام شدن با جامعه علمی پافشاری می‌کنند.

محققان نظر می‌کنند که دستورالعمل‌های جاری امکان پذیر نیاز به بازنگری داشته باشند تا کمتر بر نوع و مقدار غذاهای خاص برای سلامتی تمرکز کنند و زیاد تر بر اهمیت ارامش تمرکز کنند.

این اپلیکیشن هوش مصنوعی که توسط دانشمندان EPFL ساخته شده است، اکنون در دو مطالعه تازه مورد منفعت گیری قرار می‌گیرد که یکی به بازدید سلامت روده و کارکرد شناختی می‌پردازد و فرد دیگر با منفعت گیری از کارکرد، چگونگی تأثیر افزودنی‌های غذایی بر میکروبیوم را برسی می‌کند.

سالاته او گفت: یک فرضیه قوی وجود دارد که برخی از این افزودنی‌ها واقعاً امکان پذیر بر میکروبیوتای شما تأثیر منفی بگذارند و ما نشانه‌های اولیه‌ای داریم که مشخص می کند این نوشته واقعاً می‌تواند درست باشد. ما تا این مدت در مرحله تجزیه و تحلیل هستیم، اما از نتایج اولیه زیاد شوق‌زده‌ایم.

وی با اشاره به این اپلیکیشن افزود: از ابتدا می‌دانستیم که به چیزی زیاد کاربرپسند و آسان برای منفعت گیری نیاز داریم که در عین حال داده‌های مورد نیاز ما را نیز اراعه دهد. ما آن را برای از بین بردن نیازهای تحقیقاتی خود ساختیم؛ اما به روشی که دیگران آن را سودمند بدانند و اکنون در تعداد بسیاری از مطالعات تغذیه‌ای دیگر در سطح جهان مورد منفعت گیری قرار می‌گیرد.

این پژوهش در مجله Nature Communications انتشار شده است.