L’AI STA CAMBIANDO IL MONDO DELL’ALIMENTAZIONE

Chi avrebbe mai immaginato, solo dieci anni fa, che un software potesse suggerire cosa mangiare sulla base della tua genetica, del tuo microbiota intestinale e delle emozioni che provi davanti a un piatto di pasta? Eppure, ci siamo arrivati. L’intelligenza artificiale (AI) sta entrando in modo silenzioso nelle nostre vite e, naturalmente, anche nel mondo della nutrizione. Il concetto di normalità è sempre in evoluzione e dobbiamo restare al passo.

Ci troviamo all’inizio di una nuova era, in cui la nutrizione smette di essere un campo “descrittivo” per diventare sempre più predittivo, adattivo e personalizzato.

Uno potrebbe chiedersi “perché predittivo ?” Perché arriva in un momento in cui il nostro stile di vita, iperconnesso e sedentario, ha generato una pandemia globale silenziosa: quella delle malattie croniche legate all’alimentazione, come l’obesità, il diabete di tipo 2, le patologie cardiovascolari. E mai come ora, serve un cambio di rotta.

L’AI si propone come alleata strategica per supportare questo cambiamento, offrendo strumenti che non solo raccolgono e interpretano dati in tempo reale, ma imparano dalle abitudini e si adattano alle esigenze di ogni individuo. E non stiamo parlando del consiglio nutrizionale che puoi ascoltare in tv nel poco tempo libero del giorno, ma di linee guida cucite appositamente per te. E non è uno slogan di una pubblicità, ma una profonda realtà.

Personalizzazione e nutrizione preventiva

La personalizzazione è la parola chiave che sta ridefinendo il concetto stesso di dieta. In passato, i consigli nutrizionali si basavano su linee guida generali rivolte alla popolazione, come i famosi LARN o la piramide alimentare. Ma oggi sappiamo (anche solo guardando nella nostra cerchia di amici) che ciò che fa bene a uno, può fare male a un altro.

Ed è proprio qui che entra in gioco l’AI.

Grazie agli algoritmi di machine learning e deep learning, è ora possibile analizzare una quantità di dati così vasta da risultare ingestibile per un essere umano: DNA, composizione del microbiota, variabili ambientali, storia clinica, preferenze personali, abitudini comportamentali. Un insieme di informazioni che crea un “profilo nutrizionale” unico, diverso da quello di chiunque altro.

Questo è il cuore della nutrizione di precisione, un concetto che – come sottolineano Kirk et al. (2022) – poggia su una logica predittiva: anticipare i bisogni dell’organismo per prevenire o ritardare l’insorgenza di malattie metaboliche o infiammatorie​.

In pratica, non si tratta più di “seguire una dieta”, ma di scoprire quale alimentazione è biologicamente ottimale per te, in quel momento, in quello stato fisico e mentale.

Ok, ma in soldoni come funzionano queste AI ? Che cosa fanno ?

I modelli più avanzati utilizzano algoritmi di raccomandazione, reti neurali artificiali (che imparano dai feedback dell’utente) e modelli predittivi, che correlano specifici alimenti a biomarcatori ematici o clinici.

Un aspetto che ritengo scontato, ma che spesso viene sottovalutato, è che la personalizzazione migliora l’aderenza. Le persone tendono a seguire con più costanza un piano alimentare se sentono che è “loro”, costruito in base ai propri gusti, ritmi e obiettivi. Questo è lapalissiano nel mio lavoro: quando il piano è adattato alla persona funziona di più.

La tecnologia cambierà il modo in cui il nutrizionista si approccia al paziente. Ed è inevitabile. Saranno le AI a visionare e calcolare un piano perfettamente aderente per un soggetto, lasciando a noi professionisti il compito più nobile: educare, motivare, accompagnare.

L’altra faccia della medaglia

Non tutto, però, è rose e fiori. I sistemi di AI personalizzata si basano su dati e i dati, come sappiamo, possono essere incompleti, rumorosi o addirittura distorti (bias). Cosa succede se una persona con disturbi alimentari riceve raccomandazioni automatiche sbilanciate? E se un algoritmo penalizza certi alimenti per errore di interpretazione?
Servono infrastrutture tecnologiche, accesso a dati sanitari, collaborazione tra informatici e nutrizionisti. Non basta un’app scaricata sullo smartphone.

Valutazione dietetica automatizzata

Avete mai provato a scrivere un diario alimentare ? O magari a proporlo a qualche paziente ?
Bè, se la risposta è sì allora saprete senz’altro quanto si tenda a barare, sottostimare o “dimenticare” tanti pezzi per strada, spesso e volentieri.

Con l’AI questi problemi si stanno già risolvendo.

Grazie a tecnologie di riconoscimento visivo, elaborazione del linguaggio naturale e deep learning, oggi è possibile automatizzare la raccolta e l’analisi delle abitudini alimentari, aumentando l’accuratezza e riducendo il margine d’errore umano.

Si ok, ma come ?

Alcuni sistemi, come goFOODTM (Lu et al., 2020), permettono di scattare una semplice foto al piatto con lo smartphone: l’algoritmo riconosce gli alimenti, li segmenta, ne stima la quantità attraverso la ricostruzione tridimensionale del volume e calcola contenuto calorico e macronutrienti. L’accuratezza raggiunta in laboratorio sfiora il 95%, e in alcuni casi supera quella della stima fatta dai dietisti​.

Altri progetti, come il Fake Food Buffet con deep learning + NLP (Mezgec et al., 2019), simulano la scelta alimentare in ambienti controllati e permettono di “osservare” i comportamenti alimentari senza mediazioni.

Oltre alle immagini, gli algoritmi sono ora in grado di comprendere anche il linguaggio scritto o parlato. Attraverso tecniche di NLP (Natural Language Processing), è possibile analizzare le descrizioni verbali del pasto (“ho mangiato un’insalata con tonno, pomodori e ceci”) e convertire automaticamente il contenuto in nutrienti, porzioni e frequenze.

Questo approccio semplifica enormemente le anamnesi, permettendo di accelerare tantissimo anche gli aggiornamenti stessi.

Perché è importante?

Due parole: efficacia e prevenzione.

Se la dieta funziona meglio è più efficace. Se mangio bene adesso (e continuo  a farlo) ridurrò tantissimo il fattore di rischio per diverse malattie negli anni a venire (prevenzione).

L’aspetto a mio avviso importante è che queste tecnologie potrebbero essere integrate con dispositivi wearable: pensiamo a orologi che stimano la quantità di cibo ingerito dal movimento del polso, o sensori in grado di riconoscere l’odore degli alimenti.
Follia.

Banalmente, pensate di poter regalare un orologio o un anello ad un vostro parente che monitora a 360 gradi ogni fase della sua salute, in primis sulla dieta.
Sapere che saranno sempre tutelati quando faranno la spesa o al ristorante perché ogni scelta verrà AUTOMATICAMENTE analizzata e valutata in funzione del loro stato di salute.

Quali sono i limiti ?

Come sempre, ci sono dei “ma”. I software attuali faticano ancora a gestire cibi complesse (le lasagne della nonna, ad esempio), o i piatti etnici. 

Inoltre, il costo delle tecnologie di visione artificiale e dei server per il deep learning non è ancora sostenibile per tutti. Ma siamo sulla buona strada.

Ad esempio

Chi non ha mai fotografato il proprio piatto prima di mangiare? È un gesto ormai abituale per molti, ma l’intelligenza artificiale sta trasformando quella che sembrava solo una moda in uno strumento scientifico potente.

Come ho già detto, il riconoscimento automatico dei pasti attraverso le immagini è già realtà. E non si tratta solo di “vedere” cosa mangi, ma di analizzarlo, valutarlo e, talvolta, correggerlo in tempo reale.

Algoritmi avanzati di computer vision e deep learning (soprattutto le CNN – Convolutional Neural Networks) vengono addestrati su enormi database di immagini alimentari (come FOOD-101 o UEC-Food100). L’obiettivo? Imparare a riconoscere in modo accurato ogni alimento presente nel piatto, anche se sovrapposto o mischiato ad altri ingredienti.

Da lì, il sistema:

1. Segmenta visivamente ogni alimento (cioè li “separa” graficamente);
2. Classifica ciascun cibo (es. “pollo alla griglia” vs “pollo fritto”);
3. Stima porzioni e volumi (spesso tramite ricostruzione 3D);
4. Calcola i nutrienti e le calorie corrispondenti;
5. Restituisce un feedback immediato all’utente.

Tutto questo in pochi secondi, e con un margine d’errore che (nei migliori studi) è  inferiore al 10%.
E chi si lamenta di questo tasso di errore (che tra un mese sarà già dimezzato) si merita di continuare a contare i macros con fatsecret.

Modelli predittivi per la prevenzione: quando l’AI anticipa le tue malattie prima ancora che tu mangi male

Immagina se il tuo corpo potesse predire che ti ammalerai. Cosa faresti se potessi sapere oggi che, mantenendo le tue abitudini alimentari attuali, tra 5 anni svilupperai una malattia metabolica ? Questo è esattamente ciò che i modelli predittivi basati sull’AI stanno cercando (con successo) di fare: anticipare le patologie prima che si manifestino.

Siamo nel cuore della medicina preventiva, e la nutrizione diventa uno degli strumenti più potenti per modulare il destino clinico delle persone.

L’AI diventa un oracolo biochimico

l’AI è in grado di “imparare” quali combinazioni di fattori aumentano il rischio di malattie croniche. Non più solo correlazioni statiche, ma modelli dinamici, che si aggiornano in base ai tuoi cambiamenti nel tempo.

I modelli attuali si sono dimostrati promettenti nel predire:

• rischio di diabete mellito e prediabete (con analisi continue del carico glicemico);
• evoluzione di sindrome metabolica;
• rischio cardiovascolare;
• alterazioni del microbiota associate a disturbi dell’umore o dell’intestino;
• risposta postprandiale personalizzata agli alimenti (come nel famoso PREDICT Study, pubblicato su Nature Medicine, 2020).

Uno dei progetti più intriganti è GlucoGoalie (Mitchell et al., 2021), un sistema che unisce AI e feedback dell’utente per aiutare chi è a rischio o già diabetico a modulare l’alimentazione in funzione delle risposte glicemiche attese. È come avere un personal trainer che ti allena a mangiare h24 e che ti suggerisce cosa mangiare per evitare la botta glicemica (cosa abbastanza importante per tantissime ragioni, come anche banalmente non crollare sul tavolo dopo aver pranzato)

Invece di aspettare che la patologia si manifesti (e poi intervenire), si agisce prima. 

In altre parole: il paziente non è più un “malato in attesa”, ma un soggetto da monitorare, guidare e sostenere prima che la malattia prenda forma.

Nel 2022, Ma et al. hanno dimostrato che un algoritmo poteva predire i livelli di vitamina B6 (PLP) nel sangue con alta accuratezza semplicemente analizzando le abitudini alimentari registrate. Senza nemmeno un prelievo.

Ovviamente non è tutto oro quel che luccica

Il tallone d’Achille di questi modelli è che funzionano bene solo se ben nutriti. Nutriti di dati, si intende. E questi dati devono essere completi, aggiornati, eterogenei ma soprattutto verificati clinicamente.

Attualmente, molti modelli funzionano bene su popolazioni specifiche (es. adulti bianchi di classe media), ma crollano su gruppi poco rappresentati nei dataset. 

Conclusione

L’intelligenza artificiale ha già cominciato a trasformare profondamente il nostro modo di pensare, praticare e vivere la nutrizione. Non è più fantascienza parlare di diete che si adattano in tempo reale, app che riconoscono ciò che mangiamo da una foto o algoritmi che prevedono il rischio metabolico prima ancora che compaiano i sintomi.

È affascinante. È stimolante. Ed è, in parte, anche responsabilizzante.

Perché tutta questa potenza tecnologica, per quanto precisa, per quanto evoluta, ha bisogno di essere guidata. Ha bisogno di professionisti che sappiano interpretarla e di persone disposte a mettersi in gioco. Perché alla fine, l’AI può consigliarti, monitorarti, ma non può scegliere al posto tuo.

La sfida che ci attende è proprio qui: integrare il meglio della tecnologia senza smarrire il valore dell’ascolto, della relazione, del percorso condiviso.L’AI è la nuova cassetta degli attrezzi.
Ma la mano che costruisce, che cambia, che migliora , resta la tua.