Πολλοί έφηβοι που αντιμετωπίζουν θέματα βάρους στρέφονται σε μοντέλα τεχνητής νοημοσύνης για να τους βοηθήσουν να δημιουργήσουν πλάνα διατροφής με στόχο την απώλεια βάρους. Αλλά μια νέα μελέτη δείχνει ότι τα προκύπτοντα πλάνα μπορεί να μην καλύπτουν επαρκώς τα απαραίτητα θρεπτικά συστατικά και τη θερμιδική πρόσληψη.
Ερευνητές στην Τουρκία συνέκριναν τις ικανότητες σχεδιασμού γευμάτων πέντε μοντέλων τεχνητής νοημοσύνης, ζητώντας τους να δημιουργήσουν πλάνα γευμάτων για εφήβους που προσπαθούν να χάσουν βάρος και συνέκριναν τα αποτελέσματα με τις συστάσεις ενός εγγεγραμμένου διαιτολόγου. Δημοσίευσαν τα ευρήματά τους στο περιοδικό Frontiers in Nutrition.
«Δείχνουμε ότι τα διατροφικά πλάνα που παράγονται από μοντέλα τεχνητής νοημοσύνης τείνουν να υποεκτιμούν σημαντικά τη συνολική ενεργειακή και βασική πρόσληψη θρεπτικών συστατικών σε σύγκριση με πλάνα βασισμένα σε κατευθυντήριες οδηγίες που προετοιμάζονται από διαιτολόγο», δήλωσε η Δρ. Ayşe Betül Bilen, επίκουρη καθηγήτρια στη Σχολή Επιστημών Υγείας του Πανεπιστημίου Istanbul Atlas. «Η υιοθέτηση τέτοιων μη ισορροπημένων ή υπερβολικά περιοριστικών διατροφικών πλάνων κατά την εφηβεία μπορεί να επηρεάσει αρνητικά την ανάπτυξη, τη μεταβολική υγεία και τις διατροφικές συμπεριφορές».
Ένα γεύμα που λείπει
Χρησιμοποιώντας δωρεάν εκδόσεις μοντέλων τεχνητής νοημοσύνης, οι ερευνητές ζήτησαν από πέντε εργαλεία -ChatGPT 4, Gemini 2.5 Pro, Bing Chat-5GPT, Claude 4.1 και Perplexity- να δημιουργήσουν πλάνα γευμάτων.
Τα αιτήματα περιλάμβαναν την ηλικία, το ύψος και το βάρος του ατόμου για το οποίο προοριζόταν το πλάνο, και την οδηγία να δημιουργηθεί ένα πλάνο για τρεις ημέρες που να καλύπτει τρία γεύματα και δύο σνακ ημερησίως. Τα πλάνα γευμάτων δημιουργήθηκαν για τέσσερις 15χρονους εφήβους, ένα αγόρι και ένα κορίτσι που εμπίπτουν στην εκατοστιαία θέση υπέρβαρου και ένα αγόρι και ένα κορίτσι που εμπίπτουν στην εκατοστιαία θέση παχύσαρκου.
Όταν τα διατροφικά πλάνα που δημιουργήθηκαν από την τεχνητή νοημοσύνη συγκρίθηκαν με εκείνα που έγιναν από διαιτολόγο ειδικευμένο σε παθήσεις εφήβων, τα αποτελέσματα έδειξαν ότι τα μοντέλα τεχνητής νοημοσύνης υπολόγισαν την ενεργειακή απαίτηση κατά μέσο όρο σχεδόν 700 θερμίδες χαμηλότερα από ό,τι ο διαιτολόγος. Αυτή η διαφορά, ισοδύναμη με ένα πλήρες γεύμα, είναι αρκετά μεγάλη ώστε να έχει σοβαρές κλινικές συνέπειες. Ενώ η θερμιδική πρόσληψη ήταν σοβαρά υπολογισμένη, η πρόσληψη ορισμένων μακροθρεπτικών συστατικών ήταν υπερβολικά υπολογισμένη.
«Τα διατροφικά πλάνα που παράγονται από τεχνητή νοημοσύνη αποκλίνουν σταθερά από τη συνιστώμενη ισορροπία μακροθρεπτικών συστατικών, κάτι που είναι ιδιαίτερα προβληματικό για τους εφήβους», επισήμανε η Bilen.
Τα μοντέλα τεχνητής νοημοσύνης συνέστησαν υψηλότερη πρόσληψη πρωτεΐνης, περίπου 20 γραμμάρια περισσότερο από τον διαιτολόγο, με αποτέλεσμα περίπου το 21-24% της ενεργειακής πρόσληψης να προέρχεται από πρωτεΐνη. Η συνιστώμενη από την τεχνητή νοημοσύνη πρόσληψη λιπιδίων ήταν επίσης πολύ υψηλότερη από ό,τι στα πλάνα του διαιτολόγου, με τα λιπίδια να αποτελούν το 41-45% της ενεργειακής πρόσληψης.
Η ποσότητα των υδατανθράκων, ωστόσο, ήταν σημαντικά χαμηλότερη στα πλάνα της τεχνητής νοημοσύνης, με μέση διαφορά περίπου 115 γραμμαρίων, που σημαίνει ότι μόνο περίπου το 32-36% της ενεργειακής πρόσληψης προερχόταν από υδατάνθρακες. Για σύγκριση, το Εθνικό Συμβούλιο Επιστημών των ΗΠΑ συνιστά το 30-35% των θερμίδων από μακροθρεπτικά συστατικά να προέρχεται από λιπίδια, το 15-20% από πρωτεΐνες και το 45-50% από υδατάνθρακες.
Ευχάριστα πλάνα έναντι ισορροπημένων διατροφών
Ενώ πολλές κατευθυντήριες οδηγίες για υγιεινή διατροφή από εθνικούς και διεθνείς οργανισμούς υγείας -για παράδειγμα, οι Τουρκικές Διατροφικές Οδηγίες ή οι Οδηγίες Διατροφής Εφήβων του ΠΟΥ-είναι διαθέσιμες στο διαδίκτυο, τα εργαλεία τεχνητής νοημοσύνης μπορεί να μην βασίζουν την έξοδό τους σε τεκμηριωμένες διατροφικές οδηγίες.
«Τα μοντέλα τεχνητής νοημοσύνης εκπαιδεύονται κυρίως για να παράγουν απαντήσεις που φαίνονται εύλογες και φιλικές προς τον χρήστη, παρά κλινικά ακριβείς», δήλωσε η Bilen. «Τα ευρήματά μας υποδηλώνουν ότι μπορεί να βασίζονται σε γενικευμένα ή δημοφιλή διατροφικά πρότυπα αντί να ενσωματώνουν πλήρως τις διατροφικές απαιτήσεις που αφορούν συγκεκριμένες ηλικίες».
Δεδομένου ότι δεν έχουν όλοι οι έφηβοι πρόσβαση σε διαιτολόγους για να τους υποστηρίξουν στον προγραμματισμό των γευμάτων τους, η ομάδα συμβούλεψε ότι όποιος χρησιμοποιεί εργαλεία τεχνητής νοημοσύνης για να δημιουργήσει διατροφικά πλάνα θα πρέπει να είναι προσεκτικός. Οι έφηβοι θα πρέπει επίσης να έχουν κατά νου ότι πρέπει να αποφεύγονται υπερβολικά περιοριστικές δίαιτες, ή δίαιτες που βασίζονται σε ακραία πρότυπα κυριαρχίας πρωτεΐνης ή λίπους.
Οι ερευνητές δήλωσαν ότι ελπίζουν τα ευρήματά τους να βοηθήσουν στην ευαισθητοποίηση σχετικά με την περιορισμένη ικανότητα των εργαλείων τεχνητής νοημοσύνης να αναπτύσσουν καλά ισορροπημένα διατροφικά πλάνα και να συμβάλουν στην ανάπτυξη ασφαλέστερων εργαλείων που είναι πιο στενά ευθυγραμμισμένα με τις οδηγίες που αναπτύσσονται από επαγγελματίες.
Ενώ τα μοντέλα τεχνητής νοημοσύνης εξελίσσονται ραγδαία και τα μοντέλα μπορεί να έχουν βελτιωθεί από τη στιγμή της ανάλυσης, τα μοντέλα τεχνητής νοημοσύνης θα πρέπει να αποτελούν ένα συμπληρωματικό βοήθημα στη διατροφική εκπαίδευση, παρά ένα υποκατάστατο της επαγγελματικής διατροφικής συμβουλευτικής, ιδιαίτερα για ευάλωτους πληθυσμούς.
«Η εφηβεία είναι μια κρίσιμη περίοδος για τη σωματική ανάπτυξη, την ανάπτυξη των οστών και τη γνωστική ωρίμανση», κατέληξε η Bilen. «Η χαμηλότερη ενεργειακή πρόσληψη και πρόσληψη υδατανθράκων, σε συνδυασμό με αυξημένες αναλογίες πρωτεΐνης και λίπους, μπορεί να εγκυμονεί κινδύνους κατά τη διάρκεια της εφηβικής ανάπτυξης».
