Accounting for the nutritional risks of calorie restriction yields protein-adequate personalised diet plans

Gewichtsverlies is lang behandeld als een eenvoudige vergelijking: eet minder dan je verbrandt, en de kilo's zullen wegvallen. Decennialang hebben dieetplanners en apps zich bijna uitsluitend gericht op deze calorie-inname, waarbij voedsel werd behandeld als een getal dat moet worden afgetrokken in plaats van een complexe brandstofbron voor het menselijk lichaam. Toch weet iedereen die heeft geprobeerd af te vallen dat de werkelijkheid rommeliger is. Wanneer het lichaam te lang wordt uitgehongerd, verbrandt het niet alleen vet; het begint ook zijn eigen spieren te consumeren, het haar kan dunner worden, de stemming daalt vaak en honger wordt een constante, malende metgezel. Deze bijwerkingen zijn niet slechts ongemakken; ze zijn de primaire redenen waarom mensen hun gewichtsverliespogingen staken. De instrumenten die we gebruiken om deze diëten te ontwerpen, houden zelden rekening met deze biologische kosten, waarbij ze alleen optimaliseren voor het calorietekort terwijl ze de tol negeren die het eist van de persoon die het voedsel eet.

Een team van onderzoekers aan de Central University of Kashmir en een kinderenziekenhuis in Srinagar heeft een nieuw soort dieetplanner gebouwd die deze bijwerkingen behandelt als doelen op zich. In plaats van simpelweg calorieën te tellen, stelt hun systeem een andere vraag: hoe kunnen we een dag qua eten ontwerpen die een persoon vol houdt en hun spieren, haar en stemming beschermt, zelfs terwijl ze minder eten dan ze nodig hebben? Om dit te beantwoorden, maakten ze gebruik van een methode genaamd veeldoelige optimalisatie (many-objective optimisation). Stel je voor dat je probeert de beste route door een stad te vinden waarbij je tegelijkertijd de reistijd wilt minimaliseren, het verkeer wilt vermijden, geld aan benzine wilt besparen en de meeste interessante bezienswaardigheden wilt zien. Deze doelen conflicteren vaak; de snelste route is misschien de duurste, of de goedkoopste is misschien de traagste. De onderzoekers pasten dezelfde logica toe op voedsel, waarbij ze door duizenden opties zochten om een dagmenu te vinden dat deze concurrerende behoeften in balans brengt zonder het calorietekort dat nodig is voor gewichtsverlies op te offeren.

Het systeem begint met het leren over de persoon die het helpt. Het neemt hun leeftijd, geslacht, lengte, gewicht en activiteitsniveau om precies te berekenen hoeveel energie ze nodig hebben om hun huidige gewicht te behouden. Vanaf dat punt stelt het een specifiek energiedoel vast dat lager is dan hun onderhoudsbehoeften, waardoor het noodzakelijke tekort wordt gecreëerd. Maar in tegen tegenstelling tot traditionele planners die daar stoppen, stelt dit systeem zes verschillende doelen op. Het probeert de ondersteuning voor stemming, haargezondheid, spierbehoud en het gevoel van verzadiging te maximaliseren, terwijl het tegelijkertijd de inname van ongezonde voedingsstoffen zoals natrium en verzadigde vetten minimaliseert en de totale energie zo dicht mogelijk bij het doel houdt. Om te beslissen welke voedingsmiddelen helpen bij het bereiken van deze doelen, hebben de onderzoekers niet gegokt. Ze hebben wetenschappelijk bewijs geaudit om te bepalen welke voedingsstoffen daadwerkelijk deze specifieke resultaten ondersteunen. Als de link van een voedingsstof met een voordeel zwak of tegenstrijdig was in het onderzoek, hebben ze deze volledig uit de berekening verwijderd. Dit zorgde ervoor dat elk punt dat het systeem aan een voedingsmiddel gaf, werd onderbouwd door solide wetenschap.

De onderzoekers voerden vervolgens dit systeem een database van meer dan 2.300 echte voedingsmiddelen, van veelvoorkomende groenten tot vlees en granen. Ze vroegen de computer om door miljoenen mogelijke combinaties te zoeken om de beste dagelijkse menu's te vinden. Om te testen of hun aanpak werkte, creëerden ze een profiel van een typische actieve 27-jarige man en vroegen ze het systeem om een dag qua eten te ontwerpen die 801 calorieën onder zijn onderhoudsbehoeften lag. De resultaten waren opmerkelijk. Het plan dat het systeem genereerde, bood 101 procent van de eiwitten die nodig zijn om zijn spiermassa te beschermen. In contrast hiermee, toen de onderzoekers drie van de bekendste gezonde eetpatronen — de Mediterrane, DASH- en MIND-diëten — namen en deze aanpasten om exact hetzelfde lage caloriegehalte te hebben, schoten zij tekort. Die gevestigde diëten boden slechts tussen de 71 en 84 procent van de eiwitten die iemand in deze situatie nodig heeft. Dat nieuwe plan presteerde ook beter dan 2.000 willekeurige, haalbare diëten die de computer door toeval genereerde, en scoorde hoger op nutriëntadequatheid en was beter in het ondersteunen van spieren en stemming.

Echter, de studie onthulde ook een kloof tussen wat wiskundig perfect is en wat praktisch is voor een mens om te eten. Toen een voedingsadviseur de door de computer gegenereerde plannen beoordeelde, vond ze deze voedingskundig gezond, maar vaak onpraktisch zoals ze er staan. Het systeem, gefocust op het halen van de nutriëntdoelen, suggereerde soms maaltijden die moeilijk te bereiden waren of die een gebrek hadden aan variatie en de structuur van een echte maaltijd. Bijvoorbeeld, de plannen hielden geen rekening met de kosten van voedsel, hoe gemakkelijk het te vinden is, of hoe een bord eten eruit zou moeten zien en aanvoelen om bevredigend te zijn. De onderzoeker merkte op dat hoewel de computer succesvol het magere lichaamsweefsel en de nutriëntniveaus had beschermd, een dieet dat niemand kan volgen of van kan genieten, geen van die voordelen in de echte wereld zal opleveren. De studie concludeert dat hoewel de wiskundige aanpak erin slaagt het probleem van nutriëntadequatheid tijdens caloriebeperking op te lossen, de volgende stap het opnemen van menselijke factoren zoals kosten, beschikbaarheid en maaltijdstructuur moet zijn om deze plannen echt bruikbaar te maken.

De bevindingen suggereren dat de toekomst van dieetplanning ligt in het erkennen dat het lichaam geen eenvoudige machine is die alleen reageert op energie-invoer. Door het behoud van spieren, haar en stemming te behandelen als kritieke doelstellingen in plaats van bijzaken, is het mogelijk om diëten te ontwerpen die minder schadelijk zijn voor het lichaam. De onderzoekers hebben aangetoond dat het met de juiste computationele hulpmiddelen mogelijk is om gepersonaliseerde eetplannen te maken die strikte nutritionele behoeften vervullen, zelfs onder aanzienlijke caloriebeperking. Toch hebben ze ook duidelijk gemaakt dat het meest geavanceerde algoritme de menselijke factor van eten niet kan vervangen. De ultieme test van een dieet is niet alleen of het een nutriëntdoel op een scherm haalt, maar of een persoon het daadwerkelijk kan eten, ervan kan genieten en er lang genoeg mee door kan gaan om de resultaten te zien.