UPOZORENJE NOVE STUDIJE
AI dijete često potcenjuju nutritivne potrebe mladih i nude opasan balans nutrijenata bez nadzora stručnjaka.
Veštačka inteligencija (AI) se sve više koristi za planiranje ishrane (dijete) kod adolescenata, ali nova studija ukazuje na to da bi rezultati mogli biti ispod očekivanja. Istraživanje objavljeno u časopisu Frontiers in Nutrition otkrilo je da preporuke zasnovane na veštačkoj inteligenciji dosledno potcenjuju nutritivni unos neophodan mladima.
Stope prekomerne težine i gojaznosti kod adolescenata ubrzano rastu širom sveta, što je 2022. godine pogodilo oko 390 miliona mladih. Zapravo, više regiona sada izveštava o ovome kao o glavnom obliku neuhranjenosti. Višak telesne težine povezan je sa brojnim nepovoljnim zdravstvenim ishodima, uključujući dijabetes tipa 2, poremećaj holesterola u krvi, visok krvni pritisak i apneju (prestanak disanja u snu). Takođe, veća je verovatnoća da će ove mlade osobe ostati gojazne i u odraslom dobu, uz niži kvalitet života.
Adolescenti su takođe skloni brizi o fizičkom izgledu i želji za gubitkom kilograma, što uključuje i potencijalno opasne metode poput povraćanja nakon obroka ili prekomerne upotrebe laksativa.
Izmena načina ishrane je ključna za poboljšanje zdravlja dece u ovoj oblasti. Dijetetičari su zdravstveni radnici koji kreiraju i nadgledaju individualne planove ishrane u skladu sa utvrđenim smernicama. Međutim, njihove usluge nisu uvek dostupne, a veliki obim posla može sprečiti adolescente da dobiju potrebne savete i redovno praćenje.
AI alati, poput četbotova, koriste se za prevazilaženje ovih ograničenja, ali je svega nekoliko studija ocenilo njihovu ulogu u ishrani adolescenata. Slično tome, veliki jezički modeli (LLM) poput ChatGPT-a mogu pružiti korisne informacije kao podršku planiranju ishrane, ali uz značajna ograničenja.
Postojeća istraživanja ukazuju na to da oni možda ne ispunjavaju bezbednosne standarde ili međunarodne nutritivne preporuke, naročito u realnim uslovima. Takođe je malo verovatno da AI alati mogu pružiti isti nivo personalizovane usluge pacijentima kao dijetetičari. Ipak, većina ovih dokaza zasnovana je na studijama o odraslima ili na kliničkim slučajevima.
Cilj ove studije bio je direktno poređenje dijeta koje generiše AI sa individualnim dijetama koje pripremaju dijetetičari za gojazne adolescente. Oblasti poređenja bile su sadržaj energije i hranljivih materija, bezbednost i izvodljivost. Poređenje bi moglo da pokaže da li AI četbotovi mogu zameniti dijetetičare u planiranju ishrane za ovu kategoriju pacijenata ili se koristiti kao pomoćna sredstva pod nadzorom stručnjaka.
AI alati i planovi dijetetičara
Istraživači su koristili pet AI modela (ChatGPT-4o, Gemini 2.5 Pro, Claude 4.1, Bing Chat-5GPT i Perplexity) kako bi generisali 60 planova ishrane tokom dve sesije. Svaki model je kreirao trodnevne planove ishrane kao odgovor na upite (promptove) zasnovane na četiri standardizovana profila adolescenata: dečak sa prekomernom težinom ili gojaznošću, i devojčica sa prekomernom težinom ili gojaznošću.
Ovi planovi su upoređeni sa referentnim jednodnevnim planom ishrane koji je dijetetičar pripremio za svaki profil. On je pratio nutritivne preporuke sa sledećom raspodelom energije: 45–50% iz ugljenih hidrata, 30–35% iz masti i 15–20% iz proteina. Istraživači su zatim analizirali sadržaj energije i makronutrijenata u svakom planu.
AI dijete potcenjuju energiju i ključne nutrijente
Rezultati su otkrili dosledan i potencijalno zabrinjavajući obrazac. AI modeli su u svoje planove uključili manje energije i makronutrijenata nego dijetetičari. Manjak energije iznosio je 695 kcal, dok je proteina bilo manje za 20 g, masti za 16 g, a ugljenih hidrata za čak 115 g. Ovaj potencijalni energetski jaz može imati važne kliničke posledice, posebno s obzirom na visoke energetske zahteve adolescenata.
Autori sugerišu da, s obzirom na tipičan višak masti i niži sadržaj ugljenih hidrata, LLM modeli se možda više oslanjaju na popularne dijete poput ketogene dijete nego na naučne smernice, što objašnjava pristup sa malo ugljenih hidrata a mnogo masti. To bi moglo poremetiti rast, metabolizam i kognitivni razvoj u ovom ključnom razvojnom periodu. Dugoročna bezbednost takvih preporuka stoga nije dokazana.
Pet modela je preporučilo sadržaj proteina do 23,7% i sadržaj masti do 44,5%. Oba parametra su bila iznad preporučenih nivoa za adolescente. Nasuprot tome, ugljeni hidrati su činili najviše 36,3% ishrane, što je bilo niže od preporučenog nivoa.
Planovi dijetetičara sadržali su 44–46% ugljenih hidrata u zavisnosti od profila. Procenat proteina varirao je između 18% i 20%, a masti između 36% i 37%. Sveukupno, ovi planovi su bili usklađeni sa nacionalnim preporukama.
Autori ističu: „Ovaj obrazac ilustruje sistemski pomak kod svih AI modela ka strukturi obroka sa manje ugljenih hidrata, a više proteina i masti, što ukazuje na to da je ravnoteža makronutrijenata, a ne samo količina nutrijenata u gramima, značajno poremećena u planovima koje generiše veštačka inteligencija.“
Sastav mikronutrijenata značajno je varirao u AI dijetama, uz primetne razlike između samih modela i u poređenju sa referencom dijetetičara. To bi moglo doprineti nedostatku mikronutrijenata kod adolescenata, što ukazuje na to da ovi planovi još uvek nisu pogodni za kliničku upotrebu bez stručnog nadzora. Nijedan model se nije striktno pridržavao referentne dijete dijetetičara u pogledu svih nutrijenata.
Autori napominju da je ovo prvi put da su različiti LLM modeli upoređeni u pogledu nutritivnih potreba adolescenata, uz detaljnu evaluaciju makro- i brojnih mikronutrijenata. Kao što ranija istraživanja sugerišu, ovo može ukazivati na nedostatak tehničke stručnosti AI-ja u ovoj oblasti, što može ometati preciznu procenu energije i sastava makronutrijenata u personalizovanom planu ishrane.
Prednosti i ograničenja studije
Studija ima nekoliko prednosti. Ocenila je pet različitih AI modela, što povećava robusnost i komparativnu moć analize. Generisanjem trodnevnih planova, istraživači su mogli da procene dosledne obrasce, a ne izolovane anomalije, što jača pouzdanost nalaza. Upotreba planova koje su dizajnirali dijetetičari na osnovu međunarodnih smernica pružila je verodostojan i klinički relevantan standard. Pored toga, sveobuhvatna procena makro- i mikronutrijenata omogućila je detaljnu, višedimenzionalnu ocenu kvaliteta ishrane.
Uprkos ovim prednostima, studija ima i ograničenja. Njeni nalazi se mogu primeniti samo na specifične testirane AI modele, koji se neprestano razvijaju, a neke potencijalno relevantne informacije su možda nedostajale u standardizovanim profilima, što je ograničilo personalizaciju. Statistički pristup, uključujući upotrebu prosečnih vrednosti višednevnih rezultata, može uticati na nezavisnost rezultata i procenu varijabilnosti. Štaviše, studija se oslanjala na simulirane scenarije, a ne na stvarno ponašanje adolescenata, što može ograničiti ekološku validnost. Na kraju, upotreba standardizovanih upita na jednom jeziku mogla bi ograničiti mogućnost generalizacije nalaza na druge populacije i okruženja.
Rizici nekontrolisanih AI saveta o ishrani
AI modeli su pokazali klinički značajna odstupanja u planovima ishrane za adolescente, kako na makro, tako i na mikro nivou. Dosledno su preporučivali dijete sa nižim sadržajem energije i ugljenih hidrata od onih koje su dizajnirali stručnjaci.
Dok se ovi nedostaci ne otklone, autori upozoravaju da planovi ishrane generisani veštačkom inteligencijom ne bi trebalo da zamene profesionalno vođenje ishrane kod adolescenata.
Leave A Comment