Un piano alimentare personalizzato può essere generato dall'IA per ottimizzare sia i risultati di salute che l'aderenza dell'utente ?

Creare piani alimentari efficaci richiede un equilibrio tra scienza nutrizionale, metabolismo individuale e incentivi comportamentali. Recenti sistemi di intelligenza artificiale integrano dati metabolici, preferenze alimentari e fattori legati allo stile di vita per personalizzare piani sostenibili. Questo segna un passaggio dal consiglio generico alla nutrizione di precisione, sebbene persistano preoccupazioni etiche sull’uso dei dati.

I sistemi di intelligenza artificiale attuali possono analizzare i dati sanitari di un utente (età, sesso, pressione sanguigna, risultati di laboratorio), preferenze alimentari, allergie, budget e stile di vita per proporre un piano alimentare bilanciato in calorie e macronutrienti che rispetti le linee guida basate su evidenze (ad esempio, DASH, Mediterraneo o obiettivi specifici per il diabete). Spesso utilizzano tecniche di prompting di modelli linguistici di grandi dimensioni o di apprendimento per rinforzo per regolare iterativamente i menu tramite feedback dell’utente, migliorando così metriche di aderenza come il tasso di completamento e la soddisfazione auto-riferita. Tuttavia, dipendono ancora da database nutrizionali sottostanti (USDA, EU FOOD-Data o API commerciali) che possono essere incompleti o specifici per regione. Questi strumenti non sono ancora regolamentati come dispositivi medici, quindi, sebbene possano influenzare il comportamento, dovrebbero essere utilizzati insieme, e non in sostituzione, a dietisti o medici qualificati per utenti ad alto rischio.

— Arricchito 12 maggio 2026 · Fonte: Posizione dell’Accademia di Nutrizione e Dietetica: Tecnologia nella Cura e Educazione Nutrizionale — https://doi.org/10.1016/j.jand.2018.06.011