グリーンチェック
クリップボードにコピーされたリンク

栄養学におけるAI:コンピュータ・ビジョンによる健康的な食事の効率化

食事摂取量の追跡、レシピの提案、パーソナライズされた栄養士サービスの提供、医療業界への影響など、栄養学におけるAIの活用方法を探る。

健康的な食事と健康維持は、多くの人が達成しようと努力する目標である。ある調査によると、70%の人がより健康になりたいと考えており、そのうちの50%の人にとって、より健康的な食事は最優先事項だという。時には、医師や栄養士のアドバイスに頼ることもあるかもしれない。しかし、これには時間がかかり、予約や食事の記録が必要になる。特に食事の記録は面倒で、間違いが起こりやすい。

AIとコンピューター・ビジョンは、健康的な食生活をよりシンプルで身近なものにすることができる。これらの技術は、あなたが食べたものを分析し、栄養状態を記録し、あなたの健康目標に基づいたレシピを提案することもできる。また、これらのテクノロジーはアレルゲンの特定にも役立つため、食事制限のある人にとって食事計画をより簡単かつ安全にすることができる。この記事では、栄養追跡やレシピ提案のようなタスクに、これらの技術がどのように利用できるかを詳しく見ていく。また、栄養学におけるAIがヘルスケア業界にどのような影響を及ぼしているかも見ていこう。始めよう!

図1.AIを使って食事のカロリー数をカウントする。

栄養追跡と食品分析におけるコンピュータ・ビジョン

不適切な栄養摂取は、様々な健康合併症を引き起こす可能性があります。研究者によると、特定の食品や栄養素の摂取量が多すぎても少なすぎても、心臓病や脳卒中のリスクが高まることがわかっています。そのため、栄養摂取量を記録することは非常に重要です。従来、栄養摂取量の追跡には、食べたものを手作業で記録し、分量を推定し、栄養情報を調べる必要があったが、これには時間がかかり、誤差が生じる可能性がある。AIとコンピューター・ビジョン技術により、栄養摂取の記録は以前よりも簡単になりました。

食事をするときに、お茶碗やお皿の写真を撮ると、コンピューター・ビジョン・モデルがその画像を分析して、さまざまな食品を識別することができる。そして、AIシステムは分量を推定し、詳細な栄養情報を提供することができる。例えば、物体検出を使えば、コンピューター・ビジョン・システムは皿の上の食品を正確に識別することができる。

図2.図. Ultralytics YOLOv8イチゴを検出するコンピュータビジョンモデル。

これらの特定された食品は、栄養情報の大規模なデータベースと照合することができる。深さ推定のような高度なアルゴリズムは、ポーションサイズの推定に役立つ。食品が特定され、ポーションサイズが推定されると、システムはカロリー、大栄養素(タンパク質、脂肪、炭水化物など)、微量栄養素(ビタミンやミネラルなど)を計算し、食事の詳細な栄養内訳を提供することができます。

コンピューター・ビジョンを活用した食事記録アプリ

食事トラッキングにおけるコンピュータービジョンの最も一般的なアプリケーションの1つは、モバイルアプリです。それでは、AIによる食事トラッキングをいくつかご紹介しよう。 

SnapCalorieは、コンピューター・ビジョンを使って写真からカロリーと大栄養素を推定するアプリである。5,000食の食事で訓練され、カロリー推定の誤差を20%以下に抑え、ほとんどの人間を凌駕している。結果は食事日誌に記録したり、Apple Healthのようなフィットネス・プラットフォームにエクスポートできる。 

同様に、AIの栄養トラッキングを推進する興味深いイノベーションは、LogMeal APIである。これは、食品画像の大規模なデータセットで訓練されたディープラーニング・アルゴリズムを使用して、食品を正確に検出・認識する。LogMealのモデルは1,300の料理で93%の精度を達成し、詳細な栄養分析、食材の検出、ポーションサイズの推定を提供する。LogMeal APIはアプリに簡単に統合でき、レストラン、セルフオーダーキオスク、フードテック新興企業、ヘルスケアプロバイダー、その他の消費者向けの食事追跡ソリューションを作成できる。

図3.ログミールを使って食品を特定する。

AIを使ったレシピ提案

AIは、あなたの台所にあるものから健康的なレシピを提案することができる。セグメンテーションのようなコンピューター・ビジョンの技術は、冷蔵庫やパントリーの画像から異なる食材を識別することができる。これに基づいて、次のような大規模言語モデル(LLM)が生成的AIを使ってレシピを提案する。 ChatGPTような大規模言語モデル(LLM)が、生成AIを使ってレシピを提案する。LLMを促すことができるので、ビーガン、グルテンフリー、低炭水化物などの食事制限を指定することもでき、AIシステムはあなたの基準を満たすようにレシピを提案する。

図4.コンピュータビジョンによる食材の認識。

"Sous Chef", a customized version of ChatGPT, is a great example of this technology. It can suggest recipes based on what you have. You can either prompt in the ingredients or upload an image of what you have in your fridge. 

本当にそんなシステムが必要なのだろうかと疑問に思うかもしれない。AIレシピ提案システムは、手に入る食材を上手に使うことで食材の無駄を省いたり、グルメな料理で食事のバリエーションを増やしたりと、多くのメリットがある。また、バランスの取れた食生活を維持するのにも役立つ。例えば、AIレシピジェネレーターが提案するパーソナライズされた食事プランは、フィットネスの目標達成に役立ちます。こうしたシステムは、料理をより楽しく、クリエイティブなものにしてくれる。

栄養業界でAIを活用してイノベーションを起こすスタートアップ企業

食品・栄養業界では、AIに関する魅力的な研究が数多く行われている。私たちが毎日食べる食品にAIを組み込もうとしているスタートアップのいくつかを見てみよう。 

米国を拠点とする新興企業Journey Foodsは、新しいパッケージ食品を開発・発売するための成分インテリジェンスを提供している。同社のデータサイエンス・プラットフォームであるJourneyAIは、数百万の原材料とサプライチェーンのデータを分析し、各製品に最適な原材料を見つける。化学物質や栄養素に関する膨大なデータを収集・蓄積し、食品の最適な配合を生み出す。また、このプラットフォームにより、パッケージ食品製造企業は、データ主導型の食品発見を通じて、製品のライフサイクル全体をより適切に管理できるようになる。

栄養業界におけるもうひとつの革新的新興企業はViomeである。Viomeは人工知能とmRNAシーケンス技術を使い、パーソナライズされた栄養と健康の提案を行う。マイクロバイオームと遺伝子発現を分析し、個人の健康状態を正確に把握するための家庭用検査を提供している。これらの洞察は、微生物のアンバランスや炎症の根本的な原因を特定するのに役立つ。この情報をもとに、ヴィオームは各人の生化学的特徴に合わせたオーダーメイドのサプリメントや食事療法を提案する。慢性疾患の予防と根本的な健康問題への対処に重点を置くことで、Viomeは高度な健康管理を身近で個別化されたものにする。

図5.AIとゲノム配列に基づく推奨食品。

AI管理栄養士の欠点を天秤にかける

AIを活用した栄養システムには多くの利点がある一方で、いくつかの欠点も理解する必要がある。大きな問題の一つは、データのプライバシーとセキュリティである。これらのシステムは、個人の機密性の高い健康情報や食事情報にアクセスする必要がある。このデータが十分に保護されていなければ、悪用されたり盗まれたりする可能性がある。 

また、AIアルゴリズムにはバイアスの懸念もある。学習データが十分に多様でなければ、推奨は誰にとっても正確とは限らず、特定のグループの人々にとって不適切なアドバイスにつながる可能性がある。もうひとつの問題は、テクノロジーに依存しすぎるリスクだ。AIは有用な洞察を提供することはできるが、人間の栄養士や医療提供者の専門知識に取って代わるべきものではない。 

医療業界への影響

AIを活用した栄養追跡・栄養士システムは、医療業界を再構築し、人間の栄養士や医療専門家の役割を変えようとしている。また、栄養摂取に関するアドバイスを受ける際、一般の人々により多くの選択肢を与えることになる。約4割の人が、サプリメントを日常生活に取り入れる前に医師に相談する必要性を感じていない。AIは、専門家の意見を聞くことを容易にし、栄養摂取に変更を加える前に、一般の人々がより多くの意見を得ることを促すことができる。

AI化は、栄養や食事管理のあり方を根本的に変える可能性がある。ニューヨーク州ウエストチェスターを拠点とするCore Nutritionの管理栄養士・栄養士であるアレクサンドラ・カプランは、次のように述べている。"(AIが)正確であると仮定すれば、皿に盛られたものの正確な分量、それから食べ物の中身を知ることができるので、患者にとってその食事で何を食べているのかを知るのに役立ち、非常に便利なものになるでしょう"。

AIは人間の栄養士に取って代わるのではなく、栄養士の専門性を補完する強力なツールとして機能する。AIは、栄養士がより効果的な治療計画を立てるための臨床的意思決定をサポートするデータ主導型の洞察を提供することができる。例えば、AIは慢性疾患の原因となる患者の食習慣のパターンを特定し、管理栄養士がより早く、より効果的に介入できるようにすることができる。 

栄養AIダイジェスト

コンピュータ・ビジョンとAIは、私たちが何を食べたかを追跡することをより簡単にし、あなたの個人的な栄養士になることさえできる。これらのテクノロジーは、正確なモニタリングやオーダーメイドの食事プランを提供することで患者の健康増進に役立つと同時に、複雑な栄養士業務の大半を効率化することで医療費の削減にもつながる。AIには、精度の問題や個人的な人間味の欠如など、いくつかの限界があるが、AIの技術革新は人間の専門知識を補完し、栄養ケア全体を強化することができる。スタートレックの食品レプリケーターにはまだ遠いかもしれないが、栄養学におけるAIは未来を再構築しつつある。

一緒にイノベーションを起こしましょう!当社のGitHubリポジトリでAIへの貢献をご覧ください。最先端のAI技術で製造業や ヘルスケアなどの産業をどのように再定義しているかをご覧ください。🚀

Facebookのロゴツイッターのロゴリンクトインのロゴコピー・リンク・シンボル

このカテゴリの続きを読む

AIの未来
を一緒に作りましょう!

機械学習の未来への旅を始めよう