Czy AI może generować spersonalizowane plany dietetyczne w oparciu o dane DNA mikrobiomu jelitowego ?

Ostatnie systemy AI integrują sekwencjonowanie metagenomiczne z modelowaniem metabolicznym w celu dostosowywania planów żywieniowych. Modele te przewidują, jak bakterie jelitowe danej osoby zareagują na konkretne pokarmy. Obecnie są one testowane w badaniach klinicznych dotyczących schorzeń takich jak zespół jelita drażliwego. Dokładność wciąż znacznie się różni w zależności od populacji i kultur żywieniowych.

Background

AI-driven personalized nutrition integrates metagenomic sequencing of gut microbiota with metabolic modeling to forecast bacterial and human metabolic responses to specific foods. Clinical research is exploring these models for conditions such as irritable bowel syndrome, though reported accuracy varies substantially depending on population diversity and dietary context. Machine learning models have demonstrated the ability to predict individual glycemic responses to foods by analyzing microbiome compositions, enabling preliminary tailored dietary suggestions. Commercial ventures, including Viome and DayTwo, analyze stool samples using AI to recommend dietary changes; however, these services are not yet broadly validated through large-scale clinical trials or regulatory approvals. The reliability of such AI-generated diet plans depends critically on the scale, quality, and representativeness of the underlying microbiome datasets, which remain uneven across individuals and populations. [Source: Nature, May 12, 2026]