研究探索人工智能引导的衰老大脑个性化营养

快速阅读: 《NutraIngredients.com》消息，新加坡研究人员评估了一款名为ADL+的应用程序，该程序结合认知训练、个性化营养建议和社交活动，用于预防健康社区老年人的认知衰退。研究显示，干预组的认知得分在六个月时有所提升，而对照组得分下降。干预组的活动水平也略有增加。尽管如此，九个月时干预效果减弱，仅在处理速度方面有优势。研究强调了技术驱动干预的潜力，但也指出需进一步探索以维持长期效果。

新加坡的研究人员最近评估了基于应用程序的多领域干预（ADL+）在预防健康社区居住老年人认知衰退方面的有效性。参与者接受了为期六个月的干预，包括基于应用程序的认知训练和个性化营养、体育活动和社会活动建议，或者被分配到对照组。研究人员在《国际环境研究与公共卫生杂志》中写道，结果支持“数字多领域生活方式干预在预防认知衰退方面的潜力”。

技术驱动的认知健康干预营养在老年人的认知健康中起着至关重要的作用，因为缺乏必需营养素与认知衰退和痴呆有关。不良的营养会加剧记忆丧失，减慢处理速度并降低思维清晰度。为了解决这个问题，越来越多的移动应用程序被用来监测饮食摄入量，提供个性化的营养建议，并鼓励更健康的饮食习惯。这些应用程序根据个人的健康目标、偏好和饮食限制提供个性化建议。人工智能和游戏化技术可以进一步个性化生活方式干预，鼓励行为改变，如提供定制的营养和运动建议。

然而，研究人员指出，支持技术驱动干预的证据仍然有限且不一致，需要进一步研究以评估其临床影响。人工智能工具包帮助老年人保持记忆力和注意力。研究人员招募了142名年龄在60岁及以上的社区居住老年人，他们没有痴呆症但有主观记忆问题。参与者接受了干预（ADL+工具包）或对照组治疗，即认知健康教育包。ADL+工具包旨在主动监测认知功能并通过七个互动模块提供个性化干预，整合了游戏化认知训练、体育锻炼和饮食跟踪，同时分析用户数据以根据个人认知状态定制干预措施。饮食分析与推荐模块使用人工智能和基于图像的技术来追踪食物摄入量，分析营养成分并鼓励更健康的饮食习惯。它利用先进的计算机视觉从餐食照片中识别食物项目并估算其营养价值。开发人员创建了一个包含超过500道菜和140,000张图片的数据集，一个人工神经网络使用本地健康促进委员会的专业营养数据库分析图像，自动检索和更新营养值。

研究人员在基线、六个月和九个月时使用标准化神经心理学测试电池（NTB）评估认知结果。他们测量了NTB综合分数在注意力、处理速度、记忆和执行功能领域的变化，以及活动水平和与健康相关的生活质量。六个月时，干预组的认知得分有所提高，而对照组的得分下降。干预组在注意力、处理速度和记忆方面表现更好，但在执行功能方面没有显著差异。九个月时，只有处理速度的优势仍然存在，总体上没有持续的认知改善。干预并未提高认知功能得分，但它可能防止了对照组的下降。六个月时，干预组的活动水平略有增加，而对照组的水平显著下降。然而，九个月时两组都下降了，没有重大差异。生活质量评分显示两组之间没有显著差异，但干预组参与者表示整体感觉更好。

研究人员写道：“注意力、记忆、处理速度和整体神经心理测试表现上的有益效果表明，通过技术辅助的个性化方法可能有效实施多领域干预。”他们指出，未来的研究应探索如持续平台参与等策略，以维持认知、身体和社会活动的一致水平，从而获得最佳结果。“人工智能方法显示出增强数字健康干预的潜力，但计算需求、数据标注和可解释性等问题必须解决才能实现实际应用，”他们总结道。

来源：《国际环境研究与公共卫生杂志》2025年，第22卷（1期），第42页。标题：“ADL+：用于预防社区居住老年人认知衰退的数字多领域认知、身体和营养干预工具包”。作者：周等。

(以上内容均由Ai生成)