L3S Beste Veröffentlichung des Quartals (Q3+Q4/2025)
Category: AI for Food Science
AI-Driven Personalized Nutrition: Integrating Omics, Ethics, and Digital Health
Autoren: C. Mundt, B. Yusufoglu, D. Kudenko, K. Mertoglu, T. Esatbeyoglu
Erschienen in Molecular Nutrition & Food Research
Das Paper in Kürze:
Die meisten Menschen erhalten allgemeine Ernährungsempfehlungen – obwohl individuelle Reaktionen auf dieselben Lebensmittel stark variieren können. Unser Paper zeigt, wie künstliche Intelligenz (KI) helfen kann, diese Unterschiede besser zu verstehen, indem sie komplexe Gesundheitsdaten analysiert und so den Weg zu personalisierter Ernährung ebnet.
Welches Problem lösen Sie mit Ihrer Forschung?
Chronische Krankheiten wie Adipositas, Typ-2-Diabetes oder Herz-Kreislauf-Erkrankungen werden maßgeblich durch Ernährung beeinflusst. Dennoch basieren die meisten Ernährungsempfehlungen auf allgemeinen Richtlinien, die die großen biologischen Unterschiede zwischen Menschen kaum berücksichtigen. Faktoren wie Genetik, Stoffwechsel, Darmmikrobiom, Lebensstil und Umweltbedingungen führen dazu, dass Personen sehr unterschiedlich auf die gleichen Lebensmittel reagieren. Dadurch ist es schwierig, Ernährungsempfehlungen zu entwickeln, die für alle gleichermaßen wirksam sind.
Welche potenziellen Auswirkungen haben Ihre Ergebnisse?
Unsere Review-Arbeit zeigt, dass KI in der Lage ist, Muster in Gesundheitsdaten zu erkennen – von genetischen Informationen und Stoffwechselprofilen bis hin zu Mikrobiomdaten und Lebensgewohnheiten. Indem KI diese vielfältigen Informationen miteinander verknüpft, können personalisierte Ernährungsempfehlungen entstehen, die genau auf die Bedürfnisse einzelner Personen zugeschnitten sind. Dieser Ansatz hat das Potenzial, die Prävention und Behandlung chronischer Krankheiten grundlegend zu verändern. Perspektivisch kann KI-gestützte Ernährung gesunde Ernährung einfacher, präziser und individueller machen.
Was ist neu an Ihrer Forschung?
Unser Paper bietet nicht nur einen umfassenden Überblick über aktuelle Entwicklungen im Bereich KI-gestützter personalisierter Ernährung, sondern beleuchtet auch kritisch neue Ansätze und bestehende Herausforderungen. Wir zeigen die wachsende Bedeutung mikrobiombasierter Modelle, digitaler Gesundheitstechnologien und prädiktiver Systeme wie Digital Twins und Health Knowledge Graphs. Gleichzeitig thematisieren wir zentrale Herausforderungen wie algorithmische Verzerrungen, Datenschutz sowie die unzureichende Repräsentation verschiedener Bevölkerungsgruppen. Wir betonen die Notwendigkeit fairer, transparenter und klinisch zuverlässiger KI-Anwendungen.
Link zum Paper:https://onlinelibrary.wiley.com/doi/10.1002/mnfr.70293
