Roman RemberΜια καινοτόμο ομάδα ερευνητών υπό την ηγεσία των καθηγητών Ryu Ji-won, Kim Hye-won και Kim Se-jung στο Νοσοκομείο του Εθνικού Πανεπιστημίου του Σεούλ στο Bundang αποκάλυψε μια ρηξικέλευθη τεχνολογία που εκτιμά την κατανάλωση αλατιού από φωτογραφίες φαγητών χρησιμοποιώντας ανάλυση τεχνητής νοημοσύνης.
Η υπερβολική κατανάλωση αλατιού είναι γνωστός παράγοντας κινδύνου για καρδιαγγειακές νόσους όπως η υπέρταση και η μυοκαρδιακή επιπλοκή, καθώς και για συστηματικές χρόνιες περιστάσεις, όπως η νεφρική ανεπάρκεια, ο καρκίνος του στομάχου και η οστεοπόρωση. Παρά τη σύσταση του Παγκόσμιου Οργανισμού Υγείας για ημερήσια λήψη αλατιού των 2.000mg, η μέση ημερήσια κατανάλωση αλατιού στη Νότια Κορέα υπερβαίνει αυτήν την οδηγία κατά 1,6 φορές, υπογραμμίζοντας την ανάγκη για ευαισθητοποίηση και διαχείριση.
Έως τώρα, η ακριβής παρακολούθηση της κατανάλωσης αλατιού ήταν δύσκολη λόγω της μη πρακτικότητας της λεπτομερούς καταγραφής λιστών τροφίμων και ποσοτήτων που καταναλώνονται σε κάθε γεύμα. Τρέχουσες μέθοδοι, όπως η ‘εξέταση νάτριο 24ωρης ουράς’ που πραγματοποιείται κατά τη νοσηλεία για καταστάσεις που απαιτούν περιορισμό νατρίου, θεωρούνται οι πιο ακριβείς αλλά και οι πιο επιβαρυντικές.
Με βάση αυτό, η ομάδα ερευνητών των καθηγητών Ryu, Kim και Kim εκμεταλλεύτηκε τις γρήγορες εξελίξεις της τεχνητής νοημοσύνης για να επικυρώσει τη χρησιμότητα της εκτίμησης της κατανάλωσης νατρίου από φωτογραφίες φαγητών. Με χρήση μοντέλων τεχνητής νοημοσύνης που εντοπίζουν τα τρόφιμα, τα ταξινομούν και μετρούν τις μερίδες, η ομάδα επέδειξε ότι η σύγκριση των διαφορών στην περιεκτικότητα αλατιού μεταξύ των φωτογραφιών πριν και μετά το γεύμα επιτρέπει την ακριβή εκτίμηση της κατανάλωσης νατρίου.
Η μελέτη περιείχε τη λήψη φωτογραφιών φαγητών πριν και μετά τα γεύματα που καταναλώθηκαν από νοσηλευόμενους ασθενείς στο Νοσοκομείο του Εθνικού Πανεπιστημίου του Σεούλ στο Bundang και συγκριτικό του εκτιμηθείν νατρίου με τα αποτελέσματα της εξέτασης νάτριο 24ωρης ουράς. Τα ευρήματα επιβεβαίωσαν ότι λαμβάνοντας υπ’ όψιν μεταβλητές, όπως φύλο, ηλικία, νεφρική λειτουργία και χρήση διουρητικών, η ανάλυση της τεχνητής νοημοσύνης παράγει αποτελέσματα που μοιάζουν στενά με αυτά της εξέτασης ουράς. Επιπλέον, η ομάδα κατάφερε να παράγει μια εξίσωση που προβλέπει τα πραγματικά αποτελέσματα της εξέτασης ουράς νάτριου χρησιμοποιώντας την εκτίμηση της κατανάλωσης νατρίου μέσω της τεχνητής νοημοσύνης και του εκτιμώντα μέσου ρυθμού γλωμηρικού φιλτραρίσματος.
Η ερευνά αυτή υπογραμμίζει το δυναμικό χρήσης της τεχνολογίας της τεχνητής νοημοσύνης για την ευκολότερη παρακολούθηση της κατανάλωσης νατρίου μεταξύ νοσηλευόμενων ασθενών, με τις μελλοντικές εξελίξεις να αναμένεται να επεκτείνουν τις εφαρμογές της στην καθημερινή ζωή. Ο καθηγητής Ryu υπογράμμισε την απλότητα της λήψης φωτογραφιών φαγητών πριν και μετά τα γεύματα μέσω εφαρμογών smartphone, κάνοντάς το πιο φιλικό προς το χρήστη από τη χειροκίνητη καταγραφή ή τις έρευνες. Ο καθηγητής Kim τόνισε τη σημασία της διαχείρισης της κατανάλωσης αλατιού στην καθημερινή ζωή για την πρόληψη επιπλοκών που σχετίζονται με την υπέρταση, καταλήγοντας ότι η τεχνολογία μέτρησης αλατιού με τη χρήση της τεχνητής νοημοσύνης θα μπορούσε να λειτουργήσει ως ένα πολύτιμο εργαλείο από αυτή την άποψη. Δημοσιευμένα στο διεθνές περιοδικό υγείας ‘JMIR Formative Research’, αυτά τα ευρήματα αποτελούν ένα σημαντικό βήμα προς τη μεταστροφή της παρακολούθησης της κατανάλωσης αλατιού μέσω καινοτόμων λύσεων τεχνητής νοημοσύνης.
Κύριες Ερωτήσεις και Απαντήσεις:
1. Ποια είναι η σημαντικότερη πλευρά της χρήσης της τεχνολογίας της τεχνητής νοημοσύνης για την παρακολούθηση της κατανάλωσης αλατιού;
– Η χρήση της τεχνολογίας της τεχνητής νοημοσύνης επιτρέπει την εύκολη και ακριβή εκτίμηση της κατανάλωσης αλατιού από φωτογραφίες φαγητών, εξαλείφοντας την ανάγκη για δυσκολεύτες χειρόγραφης τεκμηρίωσης.
2. Ποιες είναι οι κύριες προκλήσεις που σχετίζονται με την υλοποίηση της τεχνολογίας της τεχνητής νοημοσύνης για την παρακολούθηση της κατανάλωσης αλατιού;
– Η διασφάλιση της ακρίβειας των αλγορίθμων της τεχνητής νοημοσύνης στην ανίχνευση των τροφίμων, τη σωστή ταξινόμησή τους και τη μέτρηση των μεριδών παραμένει κεντρική πρόκληση.
Πλεονεκτήματα:
Ένα από τα μείζονα πλεονεκτήματα της επανάστασης της παρακολούθησης κατανάλωσης αλατιού με τη χρήση της τεχνολογίας της τεχνητής νοημοσύνης είναι η δυνατότητα ομαλής ενσωμάτωσής της στην καθημερινή ζωή. Απλά με τη λήψη φωτογραφιών φαγητών μέσω εφαρμογών smartphone, οι άνθρωποι μπορούν εύκολα να καταγράφουν την κατανάλωση νατρίου τους χωρίς την ανάγκη λεπτομερούς τεκμηρίωσης. Αυτή η φιλική προς το χρήστη προσέγγιση προωθεί την ευαισθητοποίηση και ενθαρρύνε
