Accounting for the nutritional risks of calorie restriction yields protein-adequate personalised diet plans
Dieses Papier präsentiert ein personalisiertes Ernährungsplanungs-System, das einen evolutionären Algorithmus verwendet, um die Proteinzufriedenheit sowie die Vermeidung von Nebenwirkungen einer Kalorienrestriktion wie Muskelverlust und schlechter Stimmung zu optimieren, wobei erfolgreich ernährungsphysiologisch fundierte Pläne generiert werden, die Standarddiäten bei Protein- und Mikronährstoffzielen übertreffen, trotz potenzieller praktischer Einschränkungen bei deren Zubereitung.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Gewichtsverlust wurde lange Zeit als eine einfache Gleichung behandelt: Iss weniger, als du verbrennst, und die Pfunde werden von dir abfallen. Jahrzehntelang konzentrierten sich Diätplaner und Apps fast ausschließlich auf diese Kalorienanzahl und behandelten Nahrung als eine Zahl, die abgezogen werden muss, statt als eine komplexe Energiequelle für den menschlichen Körper. Doch jeder, der versucht hat, Gewicht zu verlieren, weiß, dass die Realität chaotischer ist. Wenn der Körper zu lange der Energie beraubt wird, verbrennt er nicht nur Fett; er beginnt, seine eigene Muskelmasse zu verzehren, das Haar kann dünner werden, die Stimmung sinkt oft und der Hunger wird zu einem ständigen, quälenden Begleiter. Diese Nebenwirkungen sind nicht nur Unannehmlichkeiten; sie sind die Hauptgründe, warum Menschen ihre Gewichtsverlustbemühungen aufgeben. Die Werkzeuge, die wir zur Gestaltung dieser Diäten verwenden, berücksichtigen selten diese biologischen Kosten und optimieren lediglich das Kaloriendefizit, während sie die Folgen ignorieren, die es für die Person hat, die das Essen zu sich nimmt.
Ein Team von Forschern der Central University of Kashmir und einem Kinderkrankenhaus in Srinagar hat eine neue Art von Diätplaner entwickelt, der diese Nebenwirkungen als eigenständige Ziele behandelt. Anstatt einfach nur Kalorien zu zählen, stellt dieses System eine andere Frage: Wie können wir einen Tag des Essens gestalten, der eine Person satt hält und ihre Muskeln, Haare und Stimmung schützt, selbst wenn sie weniger isst, als sie eigentlich benötigt? Um dies zu beantworten, wandten sie sich einer Methode namens Viele-Ziel-Optimierung (many-objective optimisation) zu. Stellen Sie sich vor, Sie versuchen, die beste Route durch eine Stadt zu finden, bei der Sie gleichzeitig die Fahrzeit minimieren, Staus vermeiden, Benzin sparen und die meisten interessanten Sehenswürdigkeiten sehen wollen. Diese Ziele stehen oft im Konflikt; die schnellste Route könnte die teuerste sein, oder die günstigste könnte die langsamste sein. Die Forscher wandten dieselbe Logik auf die Ernährung an und suchten durch tausende Optionen, um einen Tagesmenüplan zu finden, der diese konkurrierenden Bedürfnisse ausbalanciert, ohne das für den Gewichtsverlust erforderliche Kaloriendefizit zu opfern.
Das System beginnt damit, die Person kennenzulernen, der es hilft. Es erfasst Alter, Geschlecht, Größe, Gewicht und Aktivitätsniveau, um genau zu berechnen, wie viel Energie die Person benötigt, um ihr aktuelles Gewicht zu halten. Von dort aus legt es ein spezifisches Energieziel fest, das unter ihrem Erhaltungsbedarf liegt, wodurch das notwendige Defizit geschaffen wird. Aber im Gegensatz zu herkömmlichen Planern, die hier stoppen, setzt dieses System sechs verschiedene Ziele. Es versucht, die Unterstützung für Stimmung, Haargesundheit, Muskelerhalt und das Sättigungsgefühl zu maximieren, während es gleichzeitig die Aufnahme ungesunder Nährstoffe wie Natrium und gesättigter Fette minimiert und die Gesamtenergie so nah wie möglich am Zielwert hält. Um zu entscheiden, welche Lebensmittel helfen, diese Ziele zu erreichen, haben die Forscher nicht geraten. Sie prüften wissenschaftliche Belege, um zu bestimmen, welche Nährstoffe tatsächlich diese spezifischen Ergebnisse unterstützen. Wenn die Verbindung eines Nährstoffs zu einem Nutzen schwach oder widersprüchlich in der Forschung war, entfernten sie ihn vollständig aus der Berechnung. Dies stellte sicher, dass jedem Punkt, den das System einem Lebensmittel gab, eine solide wissenschaftliche Grundlage zugrunde lag.
Die Forscher speisten dieses System dann mit einer Datenbank von über 2.300 echten Lebensmitteln, von gängigem Gemüse bis hin zu Fleisch und Getreide. Sie ließen den Computer durch Millionen möglicher Kombinationen suchen, um die besten Tagesmenüs zu finden. Um zu testen, ob ihr Ansatz funktionierte, erstellten sie ein Profil eines typischen, aktiven 27-jährigen Mannes und baten das System, einen Tag der Ernährung zu entwerfen, der 801 Kalorien unter seinem Erhaltungsbedarf liegt. Die Ergebnisse waren bemerkenswert. Der vom System generierte Plan lieferte 101 Prozent des Proteins, das benötigt wird, um seine Muskelmasse zu schützen. Im Gegensatz dazu zeigten die Forscher, dass drei der bekanntesten gesunden Ernährungsmuster – die mediterrane, die DASH- und die MIND-Diät – bei exakt gleicher Kalorienanzahl hinter den Erwartungen zurückblieben. Diese etablierten Diäten lieferten nur zwischen 71 und 84 Prozent des Proteins, das für jemanden in dieser Situation erforderlich ist. Dieser neue Plan übertraf auch 2.000 zufällige, machbare Diäten, die der Computer durch Zufall generierte, indem er eine höhere Nährstoffadäquanz erzielte und besser darin war, Muskeln und Stimmung zu unterstützen.
Die Studie offenbarte jedoch auch eine Lücke zwischen dem, was mathematisch perfekt und was für einen Menschen praktisch essbar ist. Als eine Ernährungsberaterin die computergenerierten Pläne überprüfte, fand sie diese zwar ernährungsphysiologisch fundiert, aber in der vorliegenden Form oft unpraktisch. Das System, das darauf fokussiert ist, Nährstoffziele zu erreichen, schlug manchmal Mahlzeiten vor, die schwierig zuzubereiten waren oder es an Abwechslung und der Struktur einer echten Mahlzeit mangelte. Zum Beispiel berücksichtigte das System nicht die Kosten für Lebensmittel, die Verfügbarkeit oder wie ein Teller angerichtet sein sollte, um sättigend zu wirken. Die Forscherin stellte fest, dass das System zwar erfolgreich die fettfreie Masse und die Nährstoffwerte des Körpers schützte, eine Diät, die niemand befolgen oder genießen kann, jedoch in der realen Welt keine dieser Vorteile bringt. Die Studie kommt zu dem Schluss, dass der mathematische Ansatz zwar das Problem der Nährstoffadäquanz während der Kalorienrestriktion löst, der nächste Schritt jedoch darin bestehen muss, menschliche Faktoren wie Kosten, Verfügbarkeit und die Struktur der Mahlzeiten einzubeziehen, um diese Pläne wirklich nutzbar zu machen.
Die Erkenntnisse legen nahe, dass die Zukunft der Ernährungsplanung darin liegt, anzuerkennen, dass der Körper keine einfache Maschine ist, die nur auf Energiezufuhr reagiert. Indem man die Erhaltung von Muskeln, Haaren und Stimmung als kritische Ziele statt als Nebensächlichkeiten behandelt, ist es möglich, Diäten zu entwerfen, die weniger schädlich für den Körper sind. Die Forscher demonstrierten, dass es mit den richtigen computergestützten Werkzeugen möglich ist, personalisierte Ernährungspläne zu erstellen, die selbst unter strenger Kalorienrestriktion strikte Ernährungsbedürfnisse erfüllen. Dennoch machten sie auch deutlich, dass der ausgeklügeltste Algorithmus den menschlichen Aspekt des Essens nicht ersetzen kann. Der ultimative Test einer Diät ist nicht nur, ob sie ein Nährstoffziel auf einem Bildschirm erfüllt, sondern ob eine Person sie tatsächlich essen, genießen und lange genug durchhalten kann, um die Ergebnisse zu sehen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.