个性化护眼营养方案:安利中国研究显示,机器学习可预测最佳剂量

_1.png

一项由安利中国进行的研究显示,机器学习技术可提供个性化的护眼营养方案。

研究结果日前在科学期刊《Frontiers in Nutrition》 发布。

该研究比较了三种不同的计算程序,分别是XGBoost, AdaBoost, 和 ElasticNet,旨在找出哪个计算程序可提供最有效的个性化护眼营养方案。

研究显示,最好的计算程序可预测出最佳剂量,为超过96.6%的研究对象改善眼睛疲劳的问题,并带来更高的视觉健康指数。

在这项研究,研究员在上海的爱尔眼科医院进行了长达90天的随机对照试验,共有245人参与该试验。

期间,参与者被随机分成四组,分别服用安慰剂、或者含有6毫克、或10毫克或14毫克叶黄素的保健食品。

该保健食品也含叶黄素酯、玉米黄质、黑加仑子萃取、菊花和枸杞子。据早前进行的人体临床试验, 这个配方可起到护眼作用,包括改善眼睛疲劳、干眼症、以及黄斑功能。

研究员在试验开始前、试验中期和试验后期测量参与者的眼睛疲劳指数、明视持久度、黄斑色素密度、以及泪液分泌测试(Schirmer test)。

另外,研究员也在试验前后收取有关参与者的人体测量、饮食习惯、血液生物标志物、以及光学相干层析成像等资料。

赛选最佳的机器

之后,研究员把随机对照试验的主要结果,输入三种计算程序。

这是为了“教导”程序如何辨认主要讯息,包括保健食品的剂量、及不同剂量对于视力健康指数、不同人群等所带来的影响。

最终,研究员凭皮尔逊相关系数,发现XGBoost可做出最准确的预测。

在三个计算程序当中,XGBoost的皮尔逊相关系数最高,达0.618,AdaBoost的则是0.604,而ElasticNet的只有0.412。

检测程序

在选出XGBoost计算程序后,研究员又“重新训练”该程序,让程序预测不同剂量对视力健康指数的影响。

为此,研究员又另外录取58名试验参与者,并预测他们在连续90天服用6毫克、10毫克以及14毫克的叶黄素保健食品后,会出现什么效果。

研究员也采用XGBoost计算程序,预测每个试验参与者在服用叶黄素的第45天的视力健康指数。

结果

超过96.6%的试验参与者(56人)在服用叶黄素的第45天,在眼睛疲劳方面,出现显著改善,而他们的视力健康指数也增加了超过0.1。

研究员也指出,剩余两名参与者没有出现显著的改善,这是因为他们的视力健康指数原本就比较高。

根据计算程序的预测,39人(67.2%)的最佳叶黄素剂量是14毫克,另外17人的每日最佳剂量则低于14毫克。

 

来源:Frontiers in Nutrition

A Machine Learning Based Dose Prediction of Lutein Supplements for Individuals With Eye Fatigue

DOI: 10.3389/fnut.2020.577923

作者:Kan J, Li A, Zou H, Chen L 和Du J