اپلیکیشن‌هایی که تغذیه سالمندان را متحول کرده‌اند

پروانه مهردادی، کارشناس ارشد تغذیه، در گفت‌و‌گو با خبرنگار آناتک درباره کاربرد هوش مصنوعی در تغذیه سالمندان اظهار کرد: هوش مصنوعی می‌تواند نقشی کلیدی در طراحی رژیم‌های غذایی شخصی‌سازی‌شده برای سالمندان ایفا کند. این فناوری قادر است حجم عظیمی از داده‌ها مانند نتایج آزمایش‌های پزشکی، فهرست داروها، سابقه بیماری‌ها، سن، قد، وزن و الگو‌های روزمره را به‌صورت یکپارچه تحلیل کند و با شناسایی الگو‌ها و ریسک‌ها، برنامه غذایی اختصاصی برای هر فرد ارائه دهد.

وی با اشاره به قابلیت تنظیم پویا و خودکار این فناوری افزود: سیستم‌های مبتنی بر هوش مصنوعی می‌توانند بر اساس بازخورد‌هایی مانند قند خون، وزن یا گزارش روزانه تغذیه، برنامه را در لحظه تنظیم کنند. این ویژگی برای سالمندانی که نوسانات متابولیک یا دارویی دارند، اهمیت زیادی دارد؛ زیرا امکان اصلاح سریع و دقیق رژیم را فراهم می‌کند.

سیستم‌های مبتنی بر هوش مصنوعی می‌توانند بر اساس بازخورد‌هایی مانند قند خون، وزن یا گزارش روزانه تغذیه، برنامه را در لحظه تنظیم کنند. این ویژگی برای سالمندانی که نوسانات متابولیک یا دارویی دارند، اهمیت زیادی دارد؛ زیرا امکان اصلاح سریع و دقیق رژیم را فراهم می‌کند

وی در پاسخ به این پرسش که چه نوع داده‌هایی برای الگوریتم‌های هوش مصنوعی در طراحی رژیم غذایی سالمندان به کار می‌رود، توضیح داد: پایه‌ای‌ترین داده‌ها شامل سن، جنس، قد، وزن و میزان فعالیت بدنی است. در کنار آن، سوابق پزشکی و دارویی به‌ویژه در افرادی که با دیابت، نارسایی کلیوی، فشارخون یا بیماری‌های قلبی دست‌وپنجه نرم می‌کنند  اهمیت حیاتی دارد. همچنین، نتایج آزمایشگاهی مانند قند ناشتا، هموگلوبین A۱c، چربی‌های خون، عملکرد کلیه، الکترولیت‌ها و سطح ویتامین‌ها برای تعیین نیاز‌های تغذیه‌ای ضروری هستند.

وی ادامه داد: در مراحل پیشرفته‌تر، داده‌های بیولوژیکی مانند اندازه‌گیری گلوکز پیوسته (CGM)، وضعیت میکروبیوم روده یا حتی اطلاعات ژنتیکی در صورت دسترسی می‌توانند دقت الگوریتم‌ها را افزایش دهند. از سوی دیگر، سبک زندگی فرد، شامل الگوی خواب، زمان‌بندی وعده‌ها، مهارت آشپزی، میزان دسترسی به مواد غذایی و ترجیحات فرهنگی، نقش مهمی در طراحی رژیم شخصی دارد. همچنین گزارش‌های واقعی از وعده‌های غذایی (مثلاً عکس یا لاگ روزانه) و بازخورد بالینی مانند تغییر وزن یا علائم جسمی، برای اصلاح مداوم برنامه ضروری است.

مهردادی در پاسخ به این سؤال که آیا نمونه‌های واقعی از اپلیکیشن‌ها یا سیستم‌های هوش مصنوعی در این حوزه وجود دارد، گفت: بله، امروزه نمونه‌های قابل توجهی از این فناوری در دنیا وجود دارد. اپلیکیشن DayTwo یکی از معروف‌ترین نمونه‌هاست که با تحلیل داده‌های میکروبیوم و پاسخ گلایسمیک بدن، رژیم‌های غذایی اختصاصی برای هر فرد ارائه می‌دهد. همچنین اپ‌های جامعی مانند Nutrium، Foodvisor و MyFitnessPal از هوش مصنوعی برای تحلیل وعده‌های غذایی و ارائه پیشنهادات تغذیه‌ای استفاده می‌کنند. در برخی کشور‌ها نسخه‌های ویژه سالمندان این اپ‌ها با پشتیبانی متخصصان تغذیه عرضه شده است.

وی افزود: در مطالعات دانشگاهی نیز نتایج جالبی به دست آمده است. برای مثال، در سنگاپور اپلیکیشن ADL+ با هدف پیشگیری از افت شناختی در سالمندان، از مداخلات چندگانه شامل مشاوره تغذیه‌ای مبتنی بر اپ بهره برده و نتایج امیدوارکننده‌ای گزارش کرده است.

او در پاسخ به این پرسش که دقت این سیستم‌ها در مقایسه با توصیه‌های انسانی چقدر است،  توضیح داد: برخی مطالعات نشان داده‌اند که عملکرد مدل‌های هوش مصنوعی در برآورد میزان انرژی و پروتئین مصرفی با ارزیابی متخصصان تغذیه قابل مقایسه است، اما در تخمین دقیق اندازه وعده‌ها یا میزان کربوهیدرات هنوز ضعف‌هایی دیده می‌شود. به همین دلیل، استفاده از این ابزار‌ها می‌تواند مکمل ارزشمندی برای کار متخصصان باشد، اما جایگزین کامل آنها نیست.

وی در پاسخ به این سؤال که آیا می‌توان به چنین سیستم‌هایی اعتماد کرد، خاطرنشان کرد: هوش مصنوعی تا زمانی که در کنار نظارت انسانی مورد استفاده قرار گیرد، می‌تواند ابزاری قابل اعتماد و کارآمد باشد. با توجه به اینکه سالمندان معمولاً چند بیماری زمینه‌ای و دارو‌های متعدد دارند، ضروری است که خروجی‌های الگوریتم‌های هوش مصنوعی حتماً توسط متخصص تغذیه یا پزشک تأیید و بازبینی شود.

هوش مصنوعی تا زمانی که در کنار نظارت انسانی مورد استفاده قرار گیرد، می‌تواند ابزاری قابل اعتماد و کارآمد باشد

مهردادی در پایان تأکید کرد: دقت داده‌های ورودی، کامل بودن فهرست داروها، به‌روزبودن پایگاه غذایی و شناسایی صحیح تصاویر وعده‌ها از مواردی است که باید به آنها توجه شود. علاوه بر این، حفظ حریم خصوصی و امنیت داده‌های سالمندان از چالش‌های مهم در استفاده از هوش مصنوعی در حوزه تغذیه است.