L'algorithme d'apprentissage automatique prédit ultra

02-mai-2023 - Dernière mise à jour le 02-mai-2023 à 15h29 GMT

Balises associées traitement Classification NOVA Aliments ultra-transformés function sanitize_gpt_value2(gptValue) { var vOut = "" ; var aTags = gptValue.split(','); var reg = new RegExp('\\W+', "g"); pour (var i=0; je

Le degré de transformation d'un produit alimentaire ou d'une boisson intéresse de plus en plus les parties prenantes - allant des nutritionnistes aux consommateurs et aux décideurs - préoccupées par l'impact des aliments ultra-transformés sur la santé humaine et planétaire.

Mais le système le plus largement utilisé pour évaluer la transformation des aliments, le système de classification NOVA, a été critiqué en affirmant que sa catégorie d'aliments ultra-transformés NOVA 4 est trop hétérogène.

En réponse, des chercheurs du Massachusetts ont développé un algorithme d'apprentissage automatique qui, selon eux, peut «s'appuyer» et «étendre» NOVA pour prédire avec précision le degré de transformation de tout aliment.

Au milieu d'un nombre croissant d'études suggérant des liens entre les aliments ultra-transformés (UPF) et les risques pour la santé, le degré de transformation des aliments est bel et bien à l'honneur.

La plupart classent le degré de transformation en se tournant vers le système NOVA, développé en 2009. NOVA divise les niveaux de transformation des aliments en quatre classifications : aliments crus et peu transformés ; ingrédients culinaires transformés; les aliments transformés; et les aliments ultra-transformés.

Bien que des études épidémiologiques basées sur la classification NOVA 4 (UPF) aient donné des résultats importants, des chercheurs de la Northeastern University et de la Tufts School of Medicine de Boston suggèrent que sa nature qualitative peut entraîner des «incohérences» et des «ambiguïtés». De plus, ils pensent que cela limite la recherche sur l'impact des aliments transformés.

Parmi les critiques, les chercheurs notent que tout le risque observé pour la classification NOVA se situe dans la classe NOVA 4, qui représente une «catégorie large et hétérogène» d'aliments ultra-transformés qui limite la capacité des chercheurs à étudier les implications pour la santé des différentes gradations de traitement.

Ailleurs, le système NOVA a également été critiqué. Lors d'une conférence de presse organisée par FoodDrinkEurope la semaine dernière, Gert Meijer, président de la plate-forme technologique européenne (ETP) Food for Life et directeur adjoint des affaires réglementaires et scientifiques chez Nestlé, a contesté l'incapacité des systèmes à "comprendre la relation entre l'apport alimentaire et la santé".

Edith Feskens, professeur de nutrition mondiale à l'Université de Wageningen aux Pays-Bas, a critiqué le système NOVA pour ne pas faire la distinction entre les différents produits "NOVA 4" - tels que les boissons gazeuses et le pain.

En réponse, les chercheurs se sont tournés vers FoodProx, un classificateur d'apprentissage automatique formé pour prédire le degré de transformation de tout aliment de manière reproductible, portable et évolutive.

FoodProX s'appuie sur les nutriments comme intrant, ce qui, selon les chercheurs, est dû au fait que la liste des nutriments dans un aliment est systématiquement réglementée et signalée dans le monde entier ; et leurs quantités dans les aliments non transformés sont contraintes par des plages physiologiques déterminées par la biochimie.

De plus, la transformation des aliments modifie systématiquement et de manière reproductible les concentrations de nutriments grâce à des changements combinatoires détectables par l'apprentissage automatique.

FoodProX permet aux chercheurs de définir un indice continu (FPro) qui capture le degré de transformation de n'importe quel aliment. En outre, cela aide les chercheurs à quantifier la qualité globale de l'alimentation des individus et finalement à révéler les corrélations statistiques entre le degré de transformation caractérisant les régimes individuels et les multiples phénotypes de maladies.

Les chercheurs ont calculé les scores individuels de transformation des aliments (iFPro) pour plus de 20 000 personnes ayant des antécédents alimentaires dans un échantillon national représentatif des États-Unis de 1999 à 2006.

Les résultats suggèrent que les personnes ayant un score élevé de processus alimentaire présentent des associations positives avec le risque de syndrome métabolique, de diabète et également d'antécédents familiaux de crise cardiaque ou d'angine de poitrine.

Les personnes ayant un score de transformation des aliments plus élevé présentaient également une tension artérielle, une graisse du tronc, des mesures de l'obésité, une insuline sanguine, des taux de triglycérides et un « bon » cholestérol HDL plus élevés.

"Une plus grande consommation d'aliments plus transformés est en corrélation avec des niveaux inférieurs de vitamines dans notre circulation sanguine, comme la vitamine B12 et la vitamine C, malgré le fait que les céréales de petit-déjeuner ultra-transformées et les farines raffinées sont fréquemment enrichies avec ces vitamines et minéraux", ont noté les chercheurs.

Les chercheurs pensent que FoodProX permet de "construire" et "d'étendre" la classification NOVA actuelle, notamment en quantifiant l'étendue de la transformation des aliments parmi les grands groupes "homogènes" d'aliments ultra-transformés.

"Étant donné que notre algorithme n'a besoin que des valeurs nutritionnelles, des informations déjà accessibles aux consommateurs sur les emballages et via des applications pour smartphones, des portails Web et des sites Web d'épiceries et de restaurants, FPro peut aider à surveiller la dépendance du régime alimentaire d'un individu à moins ou plus d'aliments transformés."​

Source:​ Nature Communications'Machine learning prediction of the degree of food processing'Publié le 21 avril 2023DOI : https://doi.org/10.1038/s41467-023-37457-1Auteurs : Giulia Menichetti, Babak Ravandi, Dariush Mozaffarian et Albert-László Barabási

Copyright - Sauf indication contraire, tous les contenus de ce site Web sont © 2023 - William Reed Ltd - Tous droits réservés - Tous les détails concernant l'utilisation des éléments de ce site se trouvent dans les Termes et Conditions

Rubriques connexesScience Alimentation et santé Reformulation Étiquetage Graisses et huiles Étiquetage alimentaire