每逢假期胖三斤？让AI来帮助你做个优雅的吃货！

药明康德AI/报道

俗话说得好，每逢假期胖三斤。国庆假期已经结束，不知道你在这个假期里有没有喝啤酒撸串，或者是喝咖啡吃下午茶呢？今天，我们就来盘点一下AI在饮食方面的近期研究成果和应用，希望能帮助你更好地享用更多的美食。

本文来源：药明康德AI

AI算法可以量身定制喝咖啡的最佳模式

对于很多人来说，咖啡是他们日常生活中不可缺少的元素。最近，研究人员开发出了一种新的人工智能自动优化算法，能够确定摄入咖啡因的最佳剂量和最优时间，从而在缺乏睡眠的情况下，最大程度地提高人的机敏性。

图片来源：Pixabay

该研究使用了一个已验证的数学模型，可以预测缺乏睡眠和咖啡因对精神运动警觉性实验（PVT）结果的影响。研究人员将这个模型与人工智能自动优化算法相结合，以确定在缺乏睡眠时摄取咖啡因的数量和时间，从而在保证安全性的前提下，将人体机敏性最大化。该算法通过输入用户的睡眠时间表及允许摄取的最大咖啡因剂量，来得出最佳摄入咖啡因策略。

与之前使用的剂量策略相比，这种新开发的算法能够将神经行为状态提升多达64％，或者减少高达65%的咖啡因摄入剂量。这些结果表明，该算法可以根据不同的睡眠和觉醒时间表来调整摄取咖啡因的时间和数量，从而最大限度地发挥咖啡因的作用。

个性化医疗和啤酒之间的关联是？

来自英国Francis Crick Institute的研究人员们开发了一种新型机器算法，能够从蛋白质含量来预测酵母细胞的新陈代谢。这项研究不仅有助于更好地控制啤酒的口味，未来甚至也可以为代谢紊乱患者提供个性化治疗方案。

图片来源：Pixabay

在一个细胞内，新陈代谢能够产生数百个被称为代谢物的小分子。尽管酵母在进化上与人类差距很大，但其产生的一些代谢物却是相同的，而且制造这些代谢物的方式也非常类似。然而，直到现在，科学家们对新陈代谢是自我调节，还是受基因表达变化控制这一点上一直存在分歧。造成这种分歧的部分原因就是，现有方法未能检测出基因、蛋白质和代谢物之间的强相关性。

这项最新研究表明，在很大程度上，如果向机器学习算法提供大量的蛋白质表达信息，那么就可以利用这种技术对酵母细胞的新陈代谢进行预测。因此，研究人员对97种不同的啤酒酵母菌株酶表达进行了量化，并将其与测量的代谢物浓度变化联系到了一起。同时，研究人员开发了一个机器学习算法，能够识别出基因表达变化与产生的代谢物之间的复杂关系。他们发现，新陈代谢是由许多协同作用的酶控制的——没有任何一种酶本身具有主要作用。

研究人员表示，这项研究可以帮助预测酵母细胞等简单细胞的新陈代谢情况，有助于在未来对人体组织中的新陈代谢情况进行更好的理解和预测。

糖尿病患者也能当个吃货？

如果你患上了糖尿病，就会在饮食方面受到很大的限制，甚至一个不小心，还有可能加重病情。对于糖尿病患者来说，如何才能在不影响病情的情况下，吃到丰富的美食呢？一家总部位于英国的人工智能型营养平台公司Whisk正在致力于解决这一问题。这家公司正在与治疗糖尿病的公司Ascensia Diabetes Care开展合作，为2型糖尿病患者提供个性化饮食方案。

图片来源：Pixabay

Whisk的核心技术平台名为Food Genome，通过整合宏观和微观的营养、配料等数据，让用户能够根据个人口味偏好、时间限制、预算、天气和饮食限制或过敏症等因素，定制自己的专属饮食方案，并可以从该平台一键购买食物原材料。目前，Whisk已经与沃尔玛（Walmart）、特易购（Tesco）和亚马逊旗下的Amazon Fresh等大型食品零售企业开展了合作。

Whisk计划推出面向2型糖尿病患者的个性化饮食方案，利用Ascensia提供的血糖数据，来训练其人工智能技术平台，从而满足用户的个性化需求。通过Whisk的人工智能平台，用户可以看到自己的血糖水平对于不同食物产生了什么样的变化，从而根据不同饮食对病情的影响，来定制自己的膳食计划。同时，Whisk计划在未来将这一平台扩展至方便食品和餐馆的菜单等，从而为用户提供一整套选择方案。

从太空就能计算地区肥胖率？

从太空中就能计算出你所在地区的肥胖率？这听上去是个天方夜谭。然而就在近日，一群来自美国的研究人员便利用人工智能实现了这种操作：通过分析某一地区的卫星图像，人工智能就可以准确对该地区的肥胖率进行估计，即使图像中并没有出现任何一个肥胖人士。这一研究发表在了《JAMA Network Open》上。

▲上图为西雅图和洛杉矶的不同地区肥胖率分布，其中右图为实际肥胖率分布，左图为AI系统估算的肥胖率分布，对比之下可以看出，AI系统已经可以实现较高的准确率（图片来源：《JAMA Network Open》）

研究人员使用了大约120万幅图像，对一个卷积神经网络（CNN）进行了预先训练，使其能够分析整个城市的建筑环境，识别出图像中的道路、建筑物、树木、水和土地等物理环境特征。然后，研究人员使用了大约15万幅谷歌地图的高分辨率卫星图像，并将它们输入到这个神经网络中。这些图像涵盖了六个不同城市的1695个社区，这些城市包括贝尔维尤、西雅图、塔科马港、洛杉矶、孟菲斯和圣安东尼奥。

此外，研究人员利用一个名为500 Cities的项目中给出的肥胖率估计值，创建了一个模型，评估上文中提到的物理环境特征，外加城市中分布的加油站、商场、公园和宠物商店等信息，与该地区肥胖率之间的关联性。研究结果显示，该模型能够使用地区的物理环境特征来对将近三分之二的地区进行肥胖率的准确估计。其中不同城市的准确率略有不同，孟菲斯市的准确率最高，达到73.3%。

看了上面的这些研究，你对于如何更好地当个吃货是不是更有信心了呢？虽然AI可以为我们打造出更加优化的饮食方案，但是我们仍然要记住，健康饮食加以科学锻炼，才是实现健康生活的最佳方式。

参考资料：

[1] New algorithm determines ideal caffeine dosage and timing for alertness. Retrieved October 8, 2018, from https://www.sciencedaily.com/releases/2018/06/180604093116.htm

[2] Machine learning predicts metabolism, helping drug developers and brewers. Retrieved September 7, 2018, from https://www.eurekalert.org/pub_releases/2018-09/tfci-mlp090318.php

[3] Whisk to Partner With Ascensia to Help Tackle Type 2 Diabetes After Being Named Winner of Global Innovation Competition. Retrieved October 8, 2018, from https://whisk.com/press/whisk-partners-with-ascensia-to-help-tackle-type-2-diabetes/

[4] Scientists Have Trained an AI to Spot Obesity From Space. Retrieved September 4, 2018, from https://www.sciencealert.com/scientists-have-used-ai-to-identify-obesity-from-space-deep-learning-neural-network

本文来自药明康德微信团队，欢迎转发到朋友圈，谢绝转载到其它平台。如有开设白名单需求，请在文章底部留言；如有其它合作需求，请联系[e-mail]。

更多精彩文章：