Metabolic HealthIl Machine Learning Ora Prevede la Risposta Glicemica a Qualsiasi Pasto
I picchi glicemici postprandiali sono altamente individuali e i ricercatori ricorrono sempre più al machine learning per prevederli. Questa revisione narrativa ha esaminato 26 studi che hanno sviluppato modelli di ML per prevedere le risposte glicemiche postprandiali utilizzando dati personali—tra cui la composizione del microbiota intestinale, parametri antropometrici e biomarcatori—insieme ai profili nutrizionali degli alimenti. I modelli più efficaci si basavano su algoritmi ad albero decisionale ed erano stati sviluppati per individui sani, con prediabete o diabetici. Nonostante una promettente accuratezza predittiva in contesti controllati, gli studi clinici che testano consigli dietetici personalizzati guidati dal ML non hanno ancora dimostrato miglioramenti significativi rispetto alle linee guida dietetiche standard. La revisione individua alcune lacune fondamentali: il livello di trasformazione degli alimenti viene raramente considerato, le questioni etiche e di conformità algoritmica rimangono irrisolte e la riproducibilità è inconsistente. Per affrontare queste problematiche, gli autori propongono un framework minimo di rendicontazione con elementi di checklist per standardizzare la ricerca futura in questo campo in rapida evoluzione.
