وقتی هوش مصنوعی میزبان وعده‌های غذایی کودکان می‌شود؛ مقابله با پرخوری و چاقی

به گزارش خبرنگار دانش و فناوری خبرگزاری دانشجو، به گفته محققان وزارت علوم تغذیه دانشگاه ایالتی پنسیلوانیا، هر چه کودک در طول وعده غذایی یا میان وعده سریع‌تر لقمه بگیرد، خطر ابتلا به چاقی در او بیشتر است. اما تحقیقات در مورد این ارتباط اغلب به مطالعات کوچک در محیط‌های آزمایشگاهی محدود می‌شود، عمدتاً به این دلیل که شمارش تعداد لقمه‌های کودک دشوار است؛ این کار مستلزم آن است که کسی فیلم‌های غذا خوردن کودک را تماشا کند و هر لقمه را به صورت دستی ثبت کند.

برای اینکه شمارش تعداد گاز گرفتن برای مطالعات بزرگتر و در محیط‌های مختلف امکان‌پذیر شود، محققانی از دپارتمان‌های علوم تغذیه و مطالعات توسعه انسانی و خانواده دانشگاه ایالتی پنسیلوانیا با همکاری یکدیگر یک مدل هوش مصنوعی (AI) توسعه دادند که تعداد گاز گرفتن را اندازه‌گیری می‌کند.

یک مطالعه آزمایشی - که اخیراً در Frontiers in Nutrition منتشر شده است - نشان داد که این سیستم در حال حاضر حدود ۷۰٪ به اندازه دستگاه‌های شمارشگر گاز گرفتن انسان موفق است. اگرچه این سیستم نیاز به توسعه بیشتری دارد، محققان گفتند که مدل هوش مصنوعی نوید کمک به محققان - و در نهایت والدین و متخصصان سلامت - را می‌دهد تا تشخیص دهند چه زمانی کودکان نیاز به کاهش یا تنظیم روش‌های غذا خوردن خود دارند.

«هرچه سریع‌تر غذا بخورید، غذا سریع‌تر از معده‌تان عبور می‌کند و بدن نمی‌تواند به موقع هورمون‌هایی را آزاد کند که به شما اطلاع دهند سیر شده‌اید.» کاتلین کلر، استاد و هلن‌ای. گاتری، رئیس علوم تغذیه در دانشگاه ایالتی پنسیلوانیا

خوردن خیلی سریع و خطر چاقی

کاتلین کلر، استاد و هلن‌ای. گاتری، رئیس علوم تغذیه در دانشگاه ایالتی پنسیلوانیا و یکی از نویسندگان این مطالعه، گفت: «وقتی سریع غذا می‌خوریم، به دستگاه گوارش خود فرصت نمی‌دهیم تا کالری‌ها را حس کند. هر چه سریع‌تر غذا بخورید، غذا سریع‌تر از معده شما عبور می‌کند و بدن نمی‌تواند به موقع هورمون‌هایی را آزاد کند تا به شما اطلاع دهد که سیر شده‌اید. بعداً ممکن است احساس کنید که پرخوری کرده‌اید، اما وقتی این رفتار تکرار می‌شود، افرادی که سریع‌تر غذا می‌خورند در معرض خطر بیشتری برای ابتلا به چاقی قرار دارند.»

طبق تحقیقات قبلی گروه آزمایشگاهی کلر، سرعت بیشتر گاز گرفتن، به ویژه هنگامی که با اندازه بزرگتر گاز همراه باشد، با میزان چاقی بالاتر در بین کودکان مرتبط است. مطالعات دیگر نشان داده‌اند که اندازه بزرگتر گاز گرفتن نیز ممکن است یک عامل خطر برای خفگی باشد.

آلاینا پیرس، کتابدار مدیریت داده‌های تحقیقاتی در دانشگاه ایالتی پنسیلوانیا و یکی از نویسندگان این تحقیق، گفت: «میزان لقمه اغلب رفتار هدف برای مداخلاتی است که با هدف کاهش سرعت غذا خوردن انجام می‌شود. دلیل این امر این است که میزان لقمه یک ویژگی پایدار از سبک غذا خوردن کودکان است که می‌توان آن را برای کاهش سرعت غذا خوردن، میزان مصرف و در نهایت خطر چاقی هدف قرار داد.»

به گفته کلر، عضو هیئت علمی موسسه تحقیقات علوم اجتماعی ایالت پن، اندازه‌گیری نرخ گاز گرفتن کاری خسته‌کننده و پرزحمت است، به این معنی که پرهزینه است و این اغلب میزان داده‌های مورد بررسی در مطالعات نرخ گاز گرفتن را محدود می‌کند.

استفاده از فناوری برای حفظ سلامت کودکان

برای حل این مشکل، یاشاسوینی بات، کاندیدای دکترا در علوم تغذیه و نویسنده اصلی این مطالعه، می‌خواست اولین شمارنده لقمه هوش مصنوعی را برای استفاده در مطالعات رفتار‌های غذایی کودکان توسعه دهد.

بهات گفت: «من به هوش مصنوعی و علم داده علاقه دارم، اما هرگز سیستمی مانند این را توسعه نداده بودم.»

او با تیموتی بریک، دانشیار توسعه انسانی و مطالعات خانواده در دانشگاه ایالتی پنسیلوانیا و یکی از نویسندگان این مطالعه، همکاری کرد تا سیستمی بسازد که بتواند چهره کودکان را در یک ویدیو با حضور چندین نفر شناسایی کند و سپس هنگام غذا خوردن کودک، لقمه‌های جداگانه را تشخیص دهد.

بهات گفت: «همکاری باتجربه و آگاه مانند دکتر بریک برای این پروژه بسیار ارزشمند بود.»

محققان از ۱۴۴۰ دقیقه فیلم از مطالعه غذا و مغز کلر، یک مطالعه با بودجه موسسه ملی دیابت و بیماری‌های گوارشی و کلیوی در مورد مکانیسم‌های عصبی که ممکن است بر پرخوری در کودکان تأثیر بگذارند، استفاده کردند. این فیلم شامل ۹۴ کودک هفت تا نه ساله بود که چهار وعده غذایی را در نوبت‌های جداگانه با مقادیر مختلف غذا‌های یکسان مصرف می‌کردند.

«روزی، شاید بتوانیم یک اپلیکیشن گوشی هوشمند ارائه دهیم که به کودکان هشدار دهد چه زمانی باید سرعت غذا خوردن خود را کاهش دهند تا بتوانند عادات سالمی را در طول عمر خود ایجاد کنند.» یاشاسوینی بات، کاندیدای دکترا در علوم تغذیه

محققان با تماشای ویدیو‌ها و ثبت هر گازگرفتگی، گازگرفتگی‌ها را در ۲۴۲ ویدیو شناسایی کردند. سپس از این اطلاعات برای آموزش مدل هوش مصنوعی استفاده کردند. هنگامی که مدل توانست رویداد‌هایی را که به نظر گازگرفتگی می‌آمدند شناسایی کند، محققان از آن خواستند ۵۱ ویدیوی دیگر را از همان مجموعه داده‌ها ارزیابی کند. سپس محققان گازگرفتگی‌های شناسایی شده توسط مدل را مقایسه کردند تا ببینند آیا با گازگرفتگی‌های کدگذاری شده توسط دستیاران تحقیق مطابقت دارند یا خیر.

اولین گام موفقیت‌آمیز

بهات گفت: «سیستمی که ما توسعه دادیم در شناسایی چهره کودکان بسیار موفق بود. همچنین وقتی دید واضح و بدون مانعی از چهره کودک داشت، در شناسایی گازگرفتگی‌ها عملکرد بسیار خوبی داشت.»

با این حال، به گفته‌ی بات، این سیستم هنوز برای استفاده‌ی گسترده آماده نیست. نتایج نشان داد که این مدل تقریباً ۹۷٪ به اندازه‌ی یک انسان در شناسایی چهره‌ی کودک در ویدیو موفق بوده است، اما در شناسایی هر گاز گرفتن، حدود ۷۰٪ به اندازه‌ی یک انسان موفق بوده است.

بهات گفت: «وقتی صورت کودک کاملاً در معرض دید دوربین نبود یا وقتی کودک قاشق خود را می‌جوید یا با غذایش بازی می‌کرد، همانطور که اغلب در اواخر وعده غذایی اتفاق می‌افتد، سیستم دقت کمتری داشت. همانطور که می‌توان تصور کرد، این نوع رفتار در بین کودکان بسیار رایج‌تر از بزرگسالان است. جویدن ظروف گاهی اوقات به عنوان گاز گرفتن به نظر می‌رسید و این کار را برای مدل هوش مصنوعی پیچیده می‌کرد.»

اگرچه کار بیشتری لازم است، محققان گفتند که این مطالعه نشان دهنده یک آزمایش آزمایشی موفق است. آنها گفتند که با آموزش بیشتر، این سیستم - که ByteTrack نام دارد - با دقت بیشتری لقمه‌ها را شناسایی کرده و یاد می‌گیرد که سایر اقدامات، مانند نوشیدن یک نوشیدنی را نادیده بگیرد.

بهات گفت: «هدف نهایی، توسعه یک سیستم قوی است که بتواند در دنیای واقعی کار کند. روزی، ممکن است بتوانیم یک برنامه تلفن هوشمند ارائه دهیم که به کودکان هشدار دهد چه زمانی باید سرعت غذا خوردن خود را کاهش دهند تا بتوانند عادات سالمی را در طول عمر خود ایجاد کنند.»

موسسه ملی دیابت و بیماری‌های گوارشی و کلیوی، موسسه ملی علوم پزشکی عمومی، موسسه علوم محاسباتی و داده دانشگاه ایالتی پنسیلوانیا و موسسه علوم بالینی و کاربردی‌سازی دانشگاه ایالتی پنسیلوانیا بودجه این تحقیق را تأمین کردند.

در دانشگاه ایالتی پنسیلوانیا، محققان در حال حل مشکلات واقعی هستند که بر سلامت، ایمنی و کیفیت زندگی مردم در سراسر کشور، ملت و سراسر جهان تأثیر می‌گذارند. برای دهه‌ها، حمایت فدرال از تحقیقات، نوآوری‌هایی را تقویت کرده است که کشور ما را امن‌تر، صنایع ما را رقابتی‌تر و اقتصاد ما را قوی‌تر می‌کند. کاهش اخیر بودجه فدرال، این پیشرفت را تهدید می‌کند.