Аннотация:Модели машинного обучения для анализа показателей фактического питания и оценки его медико-биологической эффективности.
Machine learning models for analyzing indicators of actual nutrition and assessing its medico-biological effectiveness.
Анализ показателей фактического питания активно используется в медицине и нутрициологии для того, чтобы выявить риск заболеваний из-за дефицита или профицита нутриентов, рассчитать необходимые количества питательных веществ для продуктивного лечения особенностей здоровья, составить план сбалансированного нутриентного состава для улучшения физического состояния человека.
Применение машинного обучения для анализа нутриентного состава фактического питания позволяет обработать большие объемы данных и извлечь из них информацию, насколько присутствие конкретных нутриентов в рационе человека влияет на наличие болезней и приобретенных особенностей, а также на их прогрессирование, предотвращение и минимизацию.
Модель выдает результат, согласующийся с работами специалистов в области нутрициологии, а также некоторые спорные данные, которые нельзя объяснить в рамках рассмотрения влияния каждого нутриента по отдельности. Возможно, именно эти спорные нутриенты и являются основными для подробного изучения в рамках исследования влияния групп нутриентов, которое будет продолжено.