人工智能领域自20世纪50年代就已存在，当时科学家首次提出"机器能思考吗？"的问题。几十年来，人工智能技术已悄然赋能我们日常使用的许多工具，从过滤垃圾邮件到根据过往购买记录生成产品推荐。2022年，随着ChatGPT等生成式人工智能工具的发布，格局发生巨变，这些工具使公众得以便捷获取生成式人工智能技术。由此，人工智能在各行业加速普及，众多企业通过不同方式融入AI以提升营收、优化工作流程或改善客户服务。医疗保健和营养学领域也不例外。
营养师们已在工作环境中感受到人工智能普及的影响。医院正探索实施人工智能驱动的临床决策支持系统（CDSS），以辅助临床医生做出更优、更安全且信息充分的医疗决策。人工智能记录工具已集成至远程医疗平台，为临床医生节省病历记录时间。表面看来，营养师似乎在企业AI实施中无足轻重，但当CDSS在提供饮食建议时忽略个体的饮食限制或文化食品，会发生什么？对于AI记录应用，谁最适合指导开发人员为营养师定制记录结构？注册营养师必须挺身而出，参与塑造医疗保健中人工智能工具的开发与实施。他们掌握营养科学、行为改变、慢性病管理及文化适宜护理的专业知识——这些对设计合乎伦理、准确且包容的AI工具至关重要。缺乏注册营养师参与，人工智能可能传播营养错误信息、延续偏见或过度简化复杂的营养护理。
营养师不仅是人工智能工具的终端用户，更可成为AI项目的共同创造者、领导者和主题专家。本文《今日营养师》采访了四位处于人工智能与营养学交叉领域前沿的开创性注册营养师。每位专家分享了其成为行业领袖的独特历程，并呼吁更多营养师和医疗专业人员积极参与，共同定义营养护理中的人工智能形态。
简妮丝·麦克劳德：塑造糖尿病技术的未来
简妮丝·麦克劳德（Janice MacLeod）是糖尿病-心脏代谢健康顾问，也是数字健康与慢性病管理领域的关键意见领袖。她在糖尿病临床护理领域打下坚实基础后，转型与糖尿病技术公司合作，将其多年专业经验用于推进面向糖尿病患者的AI驱动数字健康工具。
麦克劳德在讨论板上看到注册营养师表达对AI取代工作的恐惧后，开始致力于向同行普及AI知识。她理性参与讨论，强调AI不会取代营养师工作——若营养师主动学习AI并参与实施，反而能提升工作效率。她深知，若行业沉溺于无谓恐惧而未能引领营养学领域的AI革命，营养师终将被时代抛下。此后，麦克劳德通过网络研讨会和现场演讲，教育成千上万营养师重视AI素养与领导力。她表示："AI已然到来，无论我们是否准备就绪。我们必须学会在将AI引入营养与医疗保健时，明智地挺身引领方向。"
在糖尿病领域，AI正重塑患者护理。计算机视觉技术已整合至智能手机应用，帮助患者估算餐食碳水化合物含量——用户拍摄食物照片即可获取准确的宏量营养素与热量数据。研究表明，计算机视觉的营养估算精度与人类营养师相当。Rx Food等公司正大规模推广此技术。
自动化胰岛素给药（AID）系统借助加利福尼亚州Beta Bionics公司的iLet仿生胰腺，推进完全自主胰岛素给药。该设备与Dexcom或Freestyle Libre等连续血糖监测仪（CGM）配对，通过算法自动调整胰岛素剂量以适应个体需求变化，减轻手动调节泵设置的负担。AI将日益应用于AID算法。试想将AID技术与计算机视觉结合：患者拍摄餐食照片为系统提供数据，从而实现更精准的胰岛素给药。
从预防、检测到管理与治疗，AI正帮助营养师弥合糖尿病护理的缺口。糖尿病技术在AI驱动下正经历革命，而这仅是开端。简妮丝敦促注册营养师持续更新知识、积极参与，并在AI工具对服务人群不准确或不安全时及时警示。
德鲁·海姆勒：倡导医疗专业人员塑造生成式人工智能
德鲁·海姆勒（Drew Hemler）的工作横跨营养学多个领域，包括在布法罗州立大学任教、通过私人诊所提供营养服务、为食品公司咨询及规划社区健康项目。早在2022年AI热潮前，他就作为微软健康平台（MSN Health）的营养主题专家提供咨询——该平台允许用户向认证医疗人员提问健康问题。2022年生成式AI爆发后，企业开始将此类工作从人类转向AI。凭借营养师专业背景与生成式AI使用经验，海姆勒敏锐察觉到缺乏医疗人员监督的AI生成健康信息的隐患。他主动召集项目团队会议，主张保留医疗专业人员参与，以指导AI数据集选择、确保信息准确性与包容性、优化健康信息传达方式并设置必要防护机制。
除AI咨询外，海姆勒在全球营养健康会议上分享AI洞见。他向同行讲授医疗AI现状、潜在风险、提示工程技巧及伦理考量，核心观点是营养师应积极拥抱而非回避AI——发展AI素养无需掌握编程技能，每位专业人士都能塑造AI未来。
基于教学经验，海姆勒开发了使用AI工具的评估框架B.E.A.S.T.I.E.，涵盖七个维度：偏见（Bias）、可解释性（Explainability）、问责制（Accountability）、安全性（Security）、透明度（Transparency）、互操作性（Interoperability）及环境影响（Environmental impact）。
"偏见"需审视AI数据来源是否低估或误代表特定群体——训练数据偏差将导致输出偏差。"可解释性"指AI系统阐明结论逻辑的能力，医疗决策需透明说明推荐依据。使用AI时，用户需承担"问责制"，负责核实输出内容。"安全性"关注信息使用、共享、保护及存储方式，医疗AI必须符合HIPAA合规要求。"透明度"要求披露AI生成信息的事实，患者应知晓护理计划是否由AI制定。"互操作性"指AI与其他系统的协同能力。"环境影响"则考量AI依赖的高能耗数据中心对生态的负担。
汉娜·基特雷尔：利用AI预测能力塑造精准营养学
汉娜·基特雷尔（Hannah Kittrell）是生物医学AI方向的博士候选人。她对精准营养学的兴趣——即运用数据预测个体对特定食物的反应——促使她攻读博士学位。精准营养学需分析海量复杂数据，她借此运用机器学习算法挖掘数据模式并进行预测。
以肠道微生物组研究为例：该领域涉及数万亿微生物与动态代谢物的复杂交互，需处理庞大数据集。AI擅长分析大型数据集并发现关联。基特雷尔运用AI的预测分析能力处理营养数据，而非大众熟知的文本生成型大型语言模型（LLMs）。通过博士项目，她掌握了Python、R和SQL等编程语言，用于构建调整机器学习模型并应用于数据集。其日常工作以数据清洗和偏见检测为主——AI输出质量直接受输入数据质量影响。例如，若某饮食干预的代谢标志物数据低估女性或特定族裔群体，模型结论将仅反映主体人群反应，掩盖群体差异。作为团队唯一营养师，她确保证据代表真实患者群体，并在数据分析中提供营养学背景。
基特雷尔视AI为有力工具：明智使用可加速工作。部分数据处理可用传统统计模型完成，但AI使她能更快处理复杂数据。在主要项目中，她正用机器学习分析10万人跨越数百种食物的摄入模式——若仅靠传统统计将极为艰巨。但她强调不可全盘依赖AI解读，需结合临床判断确保数据无偏见、逻辑合理且适用情境。
劳尔·帕拉西奥斯：培养下一代AI辅助营养师
劳尔·帕拉西奥斯（Raul Palacios）是德克萨斯理工大学DPD项目主任，他在医学营养治疗（MNT）课程中整合AI并开设AI基础选修课，同时攻读营养学AI方向博士学位。其职业生涯涵盖住院临床、食品服务及学术研究。
帕拉西奥斯开设的"人工智能基础及其在健康与人类科学中的应用"选修课广受欢迎。学生在此学习AI原理、机器学习应用及医疗AI伦理，还能探索专业领域的AI创新用例或制定治理政策。
MNT课程虽非AI专题，但运用定制AI工具促进学习：学生通过AI聊天机器人模拟糖尿病教育场景，获得营养指导反馈；另有定制机器人辅助面试练习与简历优化。帕拉西奥斯认为学生需先掌握手动技能，但必须为未来职场AI工具做好准备。他类比"先教学生用Mifflin-St Jeor公式手动计算静息代谢率，再使用Excel自动计算"——理解体重、身高、年龄的交互关系，方能识别单位错误等失误。同理，扎实的营养学基础使学生能有效识别AI错误。
然而部分教授禁止学生使用AI。帕拉西奥斯理解双方立场：过度依赖AI可能阻碍知识建构。麻省理工学院研究显示，54名参与者撰写SAT论文时，纯脑力组大脑活跃度最高，LLM组最低；LLM组记忆文章要点能力较弱。第四次交叉实验中，从LLM转脑力组表现仅略优于首次脑力写作，提示需重头学起；而从脑力转LLM组提出更精准的提示词，展现批判性思维。但研究样本量从54人减至18人，结论需谨慎看待。关键问题浮现：如何在AI触手可及的时代确保学生掌握基础知识并锻炼批判思维？
结论
所有受访者的共识是：营养师必须主动参与组织AI决策。麦克劳德因目睹行业对AI的无谓恐惧而投身领导；海姆勒在公司引入生成式AI后坚持医疗人员参与信息传播；作为博士项目唯一营养师，基特雷尔凸显专业视角对数据分析的关键性；帕拉西奥斯则为教育者开辟新路径。这些先驱证明：注册营养师能够且必须塑造医疗与营养领域AI的未来。此刻，全行业需发出声音，确保职业共同定义AI在营养学中的应用方向。
— Jane Guo, MCN, RD, LD是Habits Nutrition Counseling负责人，专长于帮助客户实现可持续减肥。作为专业演讲者及AI营养整合顾问，她教导营养师运用AI工具优化实践、提升患者护理并引领职业发展。
简妮丝·麦克劳德，MA, RD, CDCES, FADCES
作者、演讲者和糖尿病心脏代谢健康顾问
麦克劳德融合营养师专业知识与AI深度认知，为糖尿病技术公司提供咨询。
汉娜·基特雷尔，MS, RD, CDN, ACSM EP-C
西奈山生物医学AI博士候选人
基特雷尔运用AI/ML分析大型数据集研究精准营养学，确保团队数据分析无偏见且解读适切。
德鲁·海姆勒，MSc, RD, CDN, FAND
医疗保健AI顾问和演讲者
海姆勒在多重职业角色中应用AI工具，并教导同行负责任地使用技术。
劳尔·帕拉西奥斯，MS, RDN, LD
德克萨斯理工大学DPD主任
帕拉西奥斯培养新一代营养师与AI协同工作，同时攻读营养学AI方向博士学位。
参考文献
- Elhaddad M, Hamam S. AI驱动的临床决策支持系统：潜力的持续探索. Cureus. 2024;16(4):e57728.
- Romero-Brufau S, Wyatt KD, Boyum P, et al. 区域医院实施AI临床决策支持降低再入院率研究. Appl Clin Inform. 2020;11(4):570-577.
- Vasiloglou MF, Mougiakakou S, Aubry E, et al. 碳水化合物估算比较研究：GoCARB与营养师. Nutrients. 2018;10(6):741.
- Shonkoff E, Cara KC, Pei XA, et al. AI数字图像饮食评估与人工及基准方法的系统性比较. Ann Med. 2023;55(2):2273497.
- RxFood平台技术应用进展. 2025年8月26日获取.
- 美国FDA批准新型胰岛素泵及算法软件支持增强自动给药. 2023年5月19日发布.
- Beta Bionics公司AID系统技术说明. 2025年6月13日获取.
- Hemler D. 营养从业者负责任使用AI指南：B.E.A.S.T.I.E.框架. 2025年5月22日发布.
- Palacios R. 健康与人类科学应用AI基础课程实践. 2025年7月发布.
- Kosmyna N, Hauptmann E, Yuan YT, et al. 使用AI助手撰写论文时的大脑活动研究. arXiv. 2025年6月10日在线发布.
【全文结束】
