在一项运用人工智能与机器学习的新研究中，研究人员发现影响肠道健康的关键不仅在于饮食内容，更在于摄入的规律性。
肠道微生物群是指栖息于消化系统中的微生物群落，包含细菌、病毒、真菌及其他微生物——部分有益健康，部分则可能有害。
既往多项研究已证实饮食内容会影响肠道微生物群。富含水果、蔬菜、纤维和坚果的健康饮食能显著提升微生物多样性并改善胃部健康。
然而，瑞士洛桑联邦理工学院（EPFL）的此次研究首次表明：坚持规律摄入健康饮食对肠道健康的影响力，与摄入总量同等重要。
营养质量与规律性的双重价值
发表于《自然通讯》期刊的新论文中，EPFL数字流行病学实验室（隶属计算机通信学院与生命科学学院）的研究人员证实了先前发现：特定食物（如水果蔬菜）有助于提升肠道微生物多样性。在与加利福尼亚大学圣地亚哥分校团队合作时，他们还取得多项突破性发现。
首要发现是：健康肠道微生物群的形成不仅依赖果蔬谷物的摄入量，更取决于食用规律性。尽管"每日五蔬果"等倡议长期倡导规律健康饮食，但此前仅停留在经验推测层面。"这项研究清晰表明，不能仅在某天大量摄入蔬菜后，整周或整月都保持不健康饮食，"EPFL数字流行病学实验室主任、EPFL人工智能中心联合主任马塞尔·萨拉特副教授强调，"研究显示，不规律食用健康食物会抵消其对肠道微生物群的诸多益处。这将激励未来研究不仅关注饮食内容，更需追踪长期饮食模式。"
微生物组预测饮食模式
其次，研究团队证实：通过肠道细菌特征可双向预测个人饮食，准确率高达85%。仅需常规粪便样本（医学研究日益普及的检测手段），先进机器学习技术即可通过微生物组推断个人饮食结构，反之亦然。
"对圣迭戈的微生物组研究全球顶尖专家而言，这是令人振奋的突破，"萨拉特解释道，"粪便样本数据易于获取，但解析个人饮食信息历来困难重重——这类数据收集极具挑战性。"
实时数据的革命性力量
本研究依托"Food & You"队列约1000名参与者的精细营养数据得以实现。EPFL实验室开发的AI应用"MyFoodRepo"通过拍摄食物照片或扫描条形码，使用户实时记录餐食。该应用的AI引擎自动分析营养成分，最终经人工审核验证。
"传统营养研究依赖食物频率问卷和24小时膳食回顾。理论上可要求人们记录所有饮食，但实际操作近乎不可能，"论文第一作者、EPFL数字流行病学实验室博士生罗汉·辛格指出，"如今AI技术已成熟，使大规模数据收集成为现实。"他补充道："当研究生活方式相关胃肠疾病时，我们发现其往往渐进发展。鉴于营养是主要致病因素，此类分析或可精准识别个体饮食改善空间，AI进而引导人们调整食物摄入。"
未来展望
萨拉特认为，研究结论表明现行膳食指南亟需更新：除强调食物类型与数量外，必须纳入健康饮食行为的规律性要求。
尽管本项目已结束，"MyFoodRepo"应用仍在EPFL团队其他研究中持续使用。目前团队正开展营养与认知表现的试点项目，探索二者潜在关联。同时，基于"Food & You"研究的条码食品数据，研究人员正深入探究超加工食品中的乳化剂等添加剂与肠道微生物群的关联。
"我们强烈怀疑部分添加剂可能损害微生物群，早期数据已显现此趋势。分析仍在进行中，但初步结果令人振奋，"萨拉特表示。总体而言，团队欣喜于"MyFoodRepo"应用正为全球重要营养研究开辟新路径。
"项目伊始，我们就明确需要极度用户友好且实用的工具。虽为满足自身研究需求而开发，但设计时兼顾了普适性——如今该应用已服务于全球多项营养研究，"萨拉特总结道。
《时序营养分析：饮食规律性与质量关联肠道微生物组多样性——来自"Food & You"数字队列的见解》，《自然通讯》16卷，8635页（2025年）
【全文结束】
