همه ما میدانیم که غذاهای فرآوریشده بهترین گزینه روی بشقاب ما نیستند. اما چگونه میتوان زبان پیچیده برچسبگذاری غذاها را فهمید؟ ابزاری شگفتانگیز اکنون به مصرفکنندگان و سیاستگذاران کمک میکند تا سطح فرآوری بیش از ۵۰,۰۰۰ محصول غذایی مختلف را درک کنند.
این پایگاه داده عمومی توسط پژوهشگران بیمارستان «Mass General Brigham» طراحی شده تا انتخابهای غذایی آگاهانه را ترویج داده و به بهبود قوانین غذایی کمک کند.
درک غذاهای فرآوریشده – اصول اولیه
غذاهای فرآوریشده به غذاهایی گفته میشود که به نوعی از حالت طبیعی خود تغییر کردهاند، معمولاً برای افزایش ماندگاری یا بهبود طعم.
این تغییرات شامل مواردی مانند فریز کردن سبزیجات، کنسرو کردن حبوبات، یا افزودن نمک و شکر به نان میشود. این تغییرات اغلب ساده هستند و بیشتر مواد مغذی اصلی غذا را حفظ میکنند.
برای مثال، یک شیشه سس گوجهفرنگی یا یک بسته آجیل برشته شده به عنوان غذای فرآوریشده محسوب میشوند، زیرا آمادهسازی یا بستهبندی شدهاند، اما همچنان حاوی مواد قابل شناسایی هستند و در صورت مصرف متعادل، عموماً سالماند.
در مقابل، غذاهای فوقفرآوریشده فرآیندهای تولید بسیار بیشتری را طی میکنند و موادی دارند که معمولاً در آشپزخانههای خانگی یافت نمیشوند.
این غذاها اغلب شامل رنگهای مصنوعی، طعمدهندهها، نگهدارندهها و سایر افزودنیهایی هستند که برای بهبود طعم، بافت و ماندگاری طراحی شدهاند.
به عنوان مثال، غلات صبحانه شیرین، نوشابهها، اسنکهای بستهبندیشده، نودلهای فوری و غذاهای یخزده از جمله غذاهای فوقفرآوریشده هستند. این غذاها معمولاً سرشار از چربیهای ناسالم، شکر و نمک بوده و مواد مغذی ضروری کمتری دارند.
سلطه غذاهای فرآوریشده بر قفسههای فروشگاهها
غذاهای بسیار و فوقفرآوریشده بخش قابلتوجهی از محصولات موجود در بیشتر فروشگاههای مواد غذایی را تشکیل میدهند.
اگرچه این غذاها ممکن است راحت یا خوشمزه به نظر برسند، اما تحقیقات نشان داده است که رژیمهای غذایی حاوی این نوع غذاها با مشکلات جدی سلامتی از جمله چاقی، دیابت و بیماریهای قلبی مرتبط هستند.
با وجود افزایش آگاهی در مورد خطرات این غذاها، بسیاری از خریداران هنوز در تعیین میزان فرآوری یک محصول غذایی خاص مشکل دارند.
برچسبهای مواد اولیه و اطلاعات تغذیهای میتوانند گیجکننده یا نامشخص باشند و انتخاب آگاهانه را برای مصرفکننده عادی دشوار کنند.
دکتر جولیا منیکتی، پژوهشگر ارشد در بیمارستان Brigham and Women’s Hospital، میگوید:
«پیامهای ضد و نقیض زیادی درباره اینکه مردم چه چیزی باید بخورند وجود دارد. کار ما این است که نوعی مترجم بسازیم تا به افراد کمک کنیم اطلاعات غذایی را به روشی قابلدرک بررسی کنند.»
ابزار GroceryDB و سادهسازی انتخابهای غذایی سالم
برای حل این چالش، پژوهشگران از یادگیری ماشین برای تحلیل دادههای دقیق سه خردهفروش بزرگ: Target، Whole Foods و Walmart استفاده کردند.
آنها فهرست مواد اولیه، اطلاعات تغذیهای و دادههای قیمتگذاری را بررسی کردند تا تصویر روشنی از سطح فرآوری محصولات غذایی مختلف ایجاد کنند.
این تلاش به توسعه ابزاری جامع به نام GroceryDB منجر شد که اطلاعات ساده و قابلفهمی درباره مواد اولیه غذاهای فرآوریشده در اختیار مصرفکنندگان قرار میدهد.
GroceryDB به هر محصول غذایی یک «امتیاز فرآوری» اختصاص میدهد که میزان فرآوری آن را نشان میدهد.
این پایگاه داده از طریق وبسایت TrueFood در دسترس عموم قرار دارد، جایی که کاربران میتوانند جزئیات مهمی مانند امتیاز فرآوری، تجزیه مواد اولیه و اطلاعات تغذیهای کامل را بررسی کنند.
این ابزار نوآورانه وظیفه گیجکننده ارزیابی فرآوری غذا را ساده میکند و انتخابهای سالمتر را برای همه دستیافتنیتر میسازد.
همه فروشگاهها یکسان نیستند
پژوهشگران از الگوریتم FPro برای تحلیل سطح فرآوری مواد غذایی در محصولات سه خردهفروش بزرگ استفاده کردند. یافتههای آنها نشان داد که بیشتر اقلام موجود در این فروشگاهها فوقفرآوریشده هستند.
اگرچه Whole Foods به دلیل ارائه گزینههای بیشتر غذاهای کمفرآوری متمایز شد، اما Walmart و Target گزینههای کمتری در این دسته داشتند.
برای مثال، غلات صبحانه در Whole Foods طیف گستردهای داشتند، از کمفرآوری تا فوقفرآوری. در مقابل، همه غلات صبحانه موجود در Walmart و Target بهعنوان بسیار فرآوریشده دستهبندی شدند.
این الگو به سایر دستههای محصولات مانند سوپها، جایگزینهای شیر و کوکیها نیز گسترش یافت. علیرغم تنوع ظاهری برندها و محصولات روی قفسهها، گزینههای فرآوریشده همچنان به طرز چشمگیری محدود بودند.
این یافتهها چالشهایی را که مصرفکنندگان در تلاش برای دسترسی به گزینههای غذایی سالمتر و کمتر فرآوریشده با آن مواجه هستند، برجسته میکند.
هوش مصنوعی در مبارزه با غذاهای فرآوریشده
این ابتکار نشان میدهد که چگونه هوش مصنوعی (AI) میتواند نقشی تحولآفرین در ارتقای سلامت عمومی ایفا کند.
با بهرهگیری از هوش مصنوعی و علم داده، تیم پژوهشی سیستمی مقیاسپذیر برای تحلیل و دستهبندی سطح فرآوری مواد غذایی ایجاد کردند.
این تیم قصد دارد این پایگاه داده را با افزودن دادههای جغرافیایی و نظارت زمانی بیشتر گسترش دهد.
این گسترش میتواند بینشهایی درباره تفاوتهای منطقهای در دسترسی به غذا و تأثیر این تفاوتها بر عوامل اجتماعی مرتبط با سلامت، مانند دسترسی به گزینههای مغذی، ارائه دهد.
منیکتی تأکید کرد:
«بیشتر فعالیتهای تحقیقاتی در زمینه تغذیه همچنان به بررسی دستی متکی است، اما مطالعه ما نشان میدهد که هوش مصنوعی و علم داده میتوانند برای مقیاسبندی استفاده شوند.»
هدف نهایی این است که این منبع به یک ابزار بینالمللی قابلمقایسه و دسترسی آزاد تبدیل شود تا امنیت تغذیه جهانی را ارتقا دهد.
با پایگاه داده TrueFood، مصرفکنندگان اکنون ابزارهایی برای انتخاب آگاهانهتر مواد غذایی و درخواست گزینههای سالمتر در جوامع خود دارند.
این مطالعه در مجله Nature Food منتشر شده است.