CN111656455A - 根据患者的状况优化饮食中的微量营养素 - Google Patents

Abstract

实施方式涉及优化患者饮食中的主要和微量营养素以满足基于患者信息(171)确定的营养目标(172)。可以向(5)患者(300)呈现患者饮食的主要营养和微量营养目标，并且可以基于目标利用反馈机制和优化模型来确定经优化的饮食(174)。优化模型通过基于患者独特的信息完善优化模型(730)来迭代地更新包括候选成分的饮食。在一些实施方式中，可以额外地向优化模型提供患者反馈(735)，以进一步细化针对患者特别优化的饮食中的成分和(10)成分的量。

Description

根据患者的状况优化饮食中的微量营养素

背景技术

由于不利的健康状况，患有一种或多种疾病和/或特殊饮食需求的人的饮食可能很复杂，并且饮食中通常必须包含特定营养素的平衡。例如，患有心脏病的患者可能需要特定的饮食，而患有心脏病和一种或多种其他疾病的患者可能需要非常不同的饮食。因此，通常由专业营养师来构造特殊饮食。但是，营养师经过专门培训以创造均衡的饮食解决方案，并且如果不先咨询营养师，患者可能不能准确、正确地生成最佳饮食。因此，患者可能经常食用最佳饮食之外的饮食和/或营养师禁止的饮食可能无法准确反映患者需求的日常变化。例如，患者可能无法获得建议的饮食的一种或多种成分，并且/或者在患者能够拜访营养师以更新饮食之前，患者的状况可能会改变。

发明内容

本说明书总体针对用于通过基于患者的一种或多种状况向患者提供食物推荐来优化患者的微量营养素摄入的系统、方法和计算机可读介质。特别地，本文描述的方法选择包括候选成分的饮食，确定候选成分中的营养水平，并且运行优化模型以调整成分的量以适合对于患者医学上理想的饮食。然后经由计算设备将饮食提供给患者，从而提供患者实时反馈，这可以允许患者根据医学状况的变化、药物的变化和/或环境改变来遵循最佳饮食。

在一个方面中，提供了一种方法并且包括以下步骤：接收针对患者的患者信息，基于所述患者信息来确定针对所述患者的一个或多个宏量营养素目标，基于所述患者信息来确定针对所述患者的一个或多个微量营养素目标，经由由所述患者操作的一个或多个计算设备的输出设备来提供所述患者的所述宏量营养素目标和所述微量营养素目标，基于所述微量营养素目标和所述宏量营养素目标，为所述患者的患者饮食选择一种或多种候选成分，使用优化模型确定针对所述一种或多种候选成分中每种成分的量，计算所述一种或多种候选成分的所确定的量中的实际微量营养素和实际宏量营养素，基于所述实际微量营养素和所述微量营养素目标来确定一个或多个微量营养素差异，基于所述实际宏量营养素和所述宏量营养素目标来确定一个或多个宏量营养素差异，响应于确定所述宏量营养素差异或所述微量营养素差异中的至少一个不在阈值之内而更新所述优化模型。一旦所述优化模型被更新，所述方法还包括以下步骤：使用经更新的优化模型，针对所述一种或多种候选成分中的每种确定新的量，利用所述新的量来重新计算所述一种或多种候选成分的实际微量营养素和实际宏量营养素，确定差异，并且在所述差异不在阈值内时更新所述优化模型，并且经由由所述患者操作的所述一个或多个计算设备的所述输出设备来提供指示经优化的饮食的信息，其中，基于对所述微量营养素差异和所述宏量营养素差异满足准则的确定，生成并提供指示经优化的饮食的信息。

本文描述的方法可以可选地包括以下特征和/或额外步骤中的一个或多个。

在一些实施方式中，所述宏量营养素可以包括碳水化合物含量、蛋白质含量和脂肪含量。

在一些实施方式中，所述微量营养素可包括膳食纤维含量、胆固醇含量、镁含量和钾含量。

在一些实施方式中，所述患者信息可以包括患者服用的药物、对患者的诊断、对个人食物偏好和患者的身体特征中的至少一种。

在一些实施方式中，选择一种或多种候选成分可以包括：识别食物库，其中，所述食物库包括多种食物的食物信息，包括针对所述食物中的每种的营养信息；从所述食物库中选择所述多种候选成分；基于患者所服用的药物、患者的个人喜好以及对患者的诊断中的至少一种，排除所述候选成分中的一种或多种；并且基于所述宏量营养素目标和所述微量营养素目标，用一种或多种替代候选成分来替代排除的一种或多种所排除的候选成分。

在一些实施方式中，每种成分可以与一类食品相关联，并且其中，选择候选成分包括从每种食品中选择所述候选成分。在这些实施方式的一些中，食品的类别包括谷物、动物产品、水果和蔬菜以及脂肪食品。

在一些实现中，优化模型包括针对多个宏量成分中的每个的系数，其中，每个系数表示从一类食品的成分中消耗的相应的宏量成分的百分比。在这些实施方式中的一些中，第一系数指示从食品的谷物类别中的成分消耗的碳水化合物卡路里的百分比，第二系数指示从动物产品的类别中的成分消耗的蛋白质卡路里的百分比，第三系数指示从不是动物产品或谷物的成分中消耗的脂肪卡路里的百分比。更新优化模型可以包括调整一个或多个系数。

在一些实施方式中，所述方法可以还包括以下步骤：响应于向患者提供优化饮食，接收更新请求；并且响应于所述更新请求，更新所述候选成分；并且重新确定包括经更新的候选成分的经优化的饮食。

在另一方面中，提供了一种系统并且所述系统包括：与患者相关联的计算设备，所述计算设备包括接口，所述接口被配置为向患者提供一个或多个图形接口；以及处理器，其被配置为：从计算设备接收患者的患者信息；基于所述患者信息来确定针对所述患者的一个或多个微量营养素目标；基于所述患者信息来确定所述患者的一个或多个微量营养素目标；经由所述一个或多个图形接口来将所述患者的所述宏量营养素目标和微量营养素目标提供给所述计算设备；基于所述微量营养素目标和所述宏量营养素目标，为所述患者的患者饮食选择一种或多种候选成分；使用优化模型来确定针对所述一种或多种候选成分中每种成分的量；计算所述一种或多种候选成分的所述量中的实际微量营养素和实际宏量营养素；基于所述实际微量营养素和所述微量营养素目标来确定一个或多个微量营养素差异，基于所述实际宏量营养素和所述宏量营养素目标来确定一个或多个宏量营养素差异，响应于确定所述宏量营养素或所述宏量营养素差异中的至少一个不在阈值之内而更新所述优化模型；使用经更新的优化模型，针对所述一种或多种候选成分中的每种确定新的量，利用所述新的量来重新计算所述一种或多种候选物质的实际微量营养素和实际宏量营养素，确定差异，并且在所述差异不在阈值内时更新所述优化模型；并且向所述计算设备提供指示最佳饮食的信息，其中，基于对所述微量营养素差异和所述宏量营养素差异满足准则的确定，生成并提供指示经优化的饮食的信息。

在一些实施方式中，所述处理器在计算设备上运行。

在一些实施方式中，所述处理器在第二远程计算设备上运行。

在一些实施方式中，所述图形接口中的至少一个包括一个或多个非文本图形表示。所述一个或多个非文本表示可以包括条形图、折线图和饼图中的至少一种。

在一些实施方式中，每种成分可以与一类食品相关联，并且其中，选择候选成分包括从每种食品中选择所述候选成分。在这些实施方式的一些中，食品的所述类别包括谷物、动物产品、水果和蔬菜以及脂肪食品。并且所述优化模型可以包括针对多个宏量成分中的每个的系数，其中，每个系数表示从一类食品的成分中消耗的相应的宏量成分的百分比。第一系数可以指示从谷物类食品中的成分消耗的碳水化合物卡路里的百分比。第二系数表示从动物产品类别的成分中消耗的蛋白质卡路里的百分比。第三系数表示从不是动物产品或谷物的成分中消耗的脂肪卡路里的百分比。更新所述优化模型包括调整所述系数中的一个或多个。

另外，一些实现方式包括一个或多个计算设备的一个或多个处理器，其中，所述一个或多个处理器能执行存储在相关存储器中的指令，并且其中，所述指令被配置为使得执行前述方法中的任一项。一些实现方式还包括一个或多个非瞬态计算机可读存储介质，其存储可由一个或多个处理器运行以执行上述方法中的任一项的计算机指令。

应当理解，本文中更详细描述的前述概念和额外的概念的所有组合被认为是本文公开的主题的一部分。例如，权利要求的主题的所有组合均预期为本文公开的主题的部分。

附图说明

图1是其中可以实现本文中公开的实现方式的示例环境的框图。

图2是可以经由客户端设备提供给患者以允许患者输入患者信息的示例图形接口。

图3是可以经由客户端设备提供给患者以向患者显示宏量营养素和微量营养素目标的示例图形接口。

图4是可以经由客户端设备提供给患者以允许患者选择优选成分的示例图形接口。

图5是可以经由客户端设备提供给患者以允许向患者显示经优化的饮食的示例图形接口。

图6是图示了本文中公开的方法的流程图。

图7是图示了本文中公开的用于迭代地优化候选成分的饮食的方法的流程图。

图8图示了计算设备的示例架构。

具体实施方式

因为要确定具有一种或多种状况患者的医学上理想的饮食是困难的，并且通常需要患者访问营养师，所以当患者获得营养师的输入不现实时，通过为特定患者设置营养目标和某些限制条件来优化饮食的优化模型有利于为患者提供平衡和经优化的饮食的实时反馈的可以是有益的。传统上，平衡饮食解决方案用于确定患者的饮食。简单地说，平衡饮食解决方案考虑了交换，即产生90卡路里能量的食物的量并根据一个或多个准则(例如，年龄、性别、身高)平衡患者需要的交换。但是，均衡的饮食解决方案不考虑饮食中的微量营养素(例如，膳食纤维(DF)、胆固醇(Chol)、镁(Mg)和钾(K))。因此，用于确定饮食的简单算法不是很精确。替代地，可以确定成分的候选列表中的微量营养素，并且可以使用优化模型来调整要消耗的成分和成分的量，直到宏量营养素(例如，卡路里、碳水化合物、蛋白质、脂肪)和微量营养素对患者都是最佳的为止。优化模型包括反馈回路，以允许基于模型的先前迭代和患者需求进行调整。然后，通过电子设备(例如智能手机或平板电脑)为患者提供个性化和优化饮食。

现在转向图1，图示了可以实现本文中公开的技术的示例环境。示例环境包括客户端设备106、饮食优化系统110、营养目标数据库158、相互作用数据库156和成分数据库154。客户端设备106可以是例如独立的语音激活扬声器设备，台式计算设备，膝上型计算设备，平板计算设备，移动电话计算设备，用户的车辆的计算设备，以及/或包括计算设备的用户可穿戴设备(例如，具有计算设备的用户手表、具有计算设备的用户眼镜、虚拟或增强现实计算设备)。可以提供额外的和/或替代的客户端设备。

尽管饮食优化系统110在图1被示为与的与客户端设备106分开，在某些实施方式中，可以由客户端设备106实现饮食优化系统110的全部或方面。例如，在一些实现中，设备显示引擎130可以由客户端设备106实现。在饮食优化系统110的一个或多个(例如，所有)方面由远离客户端设备106(例如，在“云”中)的一个或多个计算设备实现的实施方式中，客户端设备106以及该客户端设备106和饮食优化系统110的那些方面经由一个或多个网络(例如，广域网(WAN)(例如，因特网))进行通信。

尽管仅示出了与饮食优化系统110结合的一个客户端设备106，但是在许多实现中，饮食优化系统110可以是远程的，并且可以与多个用户的多个客户端设备中的每个客户端设备接口连接。例如，饮食优化系统110可以经由不同的会话来管理与多个设备中的每个设备的通信，并且可以并行地管理多个会话。例如，饮食优化系统110在一些实施方式中可以被实现为采用云基础设施的基于云的服务，例如，使用服务器场或运行适合于处理来自多个用户的大量请求的软件的高性能计算机集群。然而，为了简单起见，本文针对单个客户端设备106描述了许多示例。

饮食优化系统110包括优化引擎120、设备显示引擎130、输入引擎140、营养需求引擎150和饮食选择引擎160。在一些实施方式中，饮食优化系统110的一个或多个引擎可以在与饮食优化系统110分开的部件中被省略、组合和/或实现。此外，为了简单起见，饮食优化系统110可以包括本文未图示的额外引擎。

输入引擎140从客户端设备106接收包括与患者有关的患者信息的输入。在一些实施方式中，患者信息可以包括患者的身体属性，例如年龄、体重、身高和/或性别。在一些实施方式中，患者信息可以包括患者当前正在经历的疾病、患者正在服用的药物、患者的常规身体活动水平和/或患者的个人食物偏好。输入引擎140然后将患者信息提供给营养需求引擎150、饮食选择引擎160和/或优化引擎120以进行进一步处理。在一些实施方式中，输入引擎140可以识别数据库中的患者信息，所述数据库先前已经用患者的患者信息来填充。

营养需求引擎150接收患者信息，并确定患者饮食的宏量营养素和微量营养素。在一些实现方式中，营养需求引擎150可以经由营养目标数据库158来为患者识别一个或多个营养目标。例如，营养目标数据库158可以包括针对各种可能的患者信息的诸如从脂肪、碳水化合物和/或蛋白质中摄取热量的宏量营养素的目标水平，以及诸如食物纤维、胆固醇、镁、钾和/或盐的微量营养素的微量营养素信息。营养需求引擎150可以基于存储在营养目标数据库158中的数据，识别与接收到的患者信息相关联的患者所需的宏量营养素和微量营养素。

作为工作示例，输入引擎140可以接收患者的患者信息，所述信息指示该患者是55岁、男性、身高173cm、体重70kg。此外，输入引擎140接收到患者患有冠心病并且当前正在服用药物A、B和C的指示。最后，患者信息指示患者规律地从事中等身体活动水平。

营养需求引擎150基于患者信息确定患者的理想的宏量营养素摄入。例如，营养需求引擎150可以确定患者应该食用包括1700大卡(kcal)的饮食，所述饮食应以来自碳水化合物的1000kcal、来自蛋白质的200kcal和来自脂肪的500kcal分配。营养需求引擎150可以基于营养目标数据库158中的条目来确定这些营养目标中的一个或多个。

此外，营养需求引擎150可以基于患者信息来确定患者的一种或多种微量营养素目标。微量营养素信息可以包括例如膳食纤维、胆固醇、镁、钾和/或盐。在一些实施方式中，患者信息可以包括患者对优化感兴趣的一种或多种微量营养素的指示。例如，输入引擎140可以接收指示以针对优化饮食仅优化盐和胆固醇，并且在确定优化饮食时忽略其他微量营养素。

继续相同的示例，营养需求引擎150可以确定患者每天需要27克膳食纤维，少于200毫克的胆固醇、300毫克的镁、2000毫克的钾和少于6克的盐。营养需求引擎150可以基于患者信息(例如，患有心脏病的患者可能在盐和/或脂肪方面受限制)和存储在营养目标数据库158中的信息来确定一个或多个微量营养素目标。因此，为一个患者确定的微量营养素可能与另一个患者不同。例如，没有心脏病的患者可能没有盐摄入量的限制和/或活动水平高的患者可能不需要盐摄入量监测。营养需求引擎150然后可以向设备显示引擎130提供患者的宏量营养素和微量营养素目标。

设备显示引擎130为客户端设备106提供接口，以允许患者或其他用户输入患者信息，查看营养目标，查看优化饮食(一旦确定)和/或根据需要提交额外的输入以定制内容(一旦经优化)。例如，参考图2，提供了接口的图示，其中，患者可以提供患者信息。接口200包括文本框，供患者输入年龄205、身高210和体重215。此外，接口200包括用于选择性别220的单选按钮。另外，为活动水平225、条件230和药物235提供了下拉选择字段。关于状况230和药物235，提供了额外的链接以分别添加额外的状况或药物，因为患者可能患有多种状况和/或正在服用多种药物。如果是这种情况，则设备显示引擎130可以更新接口200以包括额外的的下拉字段，从而允许患者输入要与患者信息一起包括的多个条目。此外，包括下一步按钮240，其可以由患者(或客户端设备106的另一用户)激活以指示患者信息已完成。在一些实施方式中，可以存在其他类型的图形用户接口单元，可以为所示出的任何患者信息字段包括替代元素，和/或可以不包括一个或多个元素，例如当另外的数据库包括患者信息中的一些时。

如前所述，一旦已经通过接口200输入了患者信息并且下一步按钮240已经被激活，营养需求引擎150就接收患者信息并确定患者的营养需求。随后，营养需求引擎150向设备显示引擎130提供所计算的宏量营养素和微量营养素目标，以显示给患者。例如，参考图3，示出了可以被实现以向患者提供营养目标的接口。接口300包括由营养需求引擎150计算的所有宏量营养素的列表305，包括总卡路里，碳水化合物卡路里，蛋白质卡路里和脂肪卡路里。在一些实施方式中，接口300可以包括其他表格、曲线图和/或图形以显示宏量营养素和/或微量营养素目标。例如，接口300可以包括饼图，所述饼图包括每个类别中的卡路里的总数作为饼图的切片。

另外，接口300包括将由优化引擎120优化的微量营养素目标的列表310。微量营养素清单310包括膳食纤维、胆固醇、镁、钾和盐。再次，经由接口300显示的微量营养素对于患者而言可以是唯一的，并且可以包括额外的的微量营养素和/或在提供给患者信息中具有不同患者变化的替代患者的接口中可能缺少一种或多种所示的微量营养素。例如，患有贫血(导致铁缺乏的疾病)的患者可能会将铁作为微量营养素以优化至目标水平。下一步按钮315允许患者查看目标并选择按钮315以开始饮食优化和/或前进到另一个用户接口，例如图4的接口400或图5的接口500。

返回图1，营养需求引擎150向饮食选择引擎160提供计算出的宏量营养素和微量营养素目标。饮食选择引擎160然后基于宏量营养素目标和微量营养素目标从成分数据库154中选择一种或多种候选成分。在一些实施方式中，营养需求引擎150可以向饮食选择引擎160提供额外的的优化信息以选择成分。例如，营养需求引擎150可以基于患者信息确定最佳饮食使主食中的膳食纤维最大化，使水果和蔬菜中的镁和钾最大化以及使动物产品中的胆固醇最小化。在一些实施方式中，额外的优化信息可以基于患者信息而变化。

在一些实施方式中，患者信息可以包括患者的食物偏好，例如患者喜欢或不喜欢的食物。此外，饮食选择引擎160可以选择不包括在成分的“不喜欢”列表上的成分和/或可以偏爱患者的“喜欢”列表上的成分。因此，饮食选择引擎160可以从对患者可能喜爱的成分的选择开始，进一步增加了该患者遵循所得的优化饮食的可能性。

在一些实施方式中，饮食选择引擎160(和/或输入引擎140可以向饮食选择引擎160提供偏好)可以经由由设备显示引擎130运行的接口来接收食物偏好。例如，参考图24，提供了一种接口，所述接口允许用户(例如患者)选择一个或多个“喜欢”和“不喜欢”。对于每个列出的成分405，提供了三个单选按钮。按钮的第一列410是“喜欢”单选按钮，如果对应的列出成分405被患者偏爱，则可以由患者激活。如果患者对相应成分405保持中立，则中间列415是默认列。第三列420是对应成分405的否定指示。在一些实施方式中，可以在经由客户端设备106将接口300提供给患者之前，将接口400提供给患者。在一些实施方式中，可能根本不将接口400提供给患者。患者的偏好可以额外的地或替代地存储在患者信息的数据库中。最终，接口400包括下一按钮425，以允许用户指示所有偏好都已被选择，并且优化引擎120可以发起优化模型。

另外，饮食选择引擎160选择与患者的任何药物和/或状况都不矛盾的成分(包括在患者信息中)。例如，一些药物可能不与葡萄柚一起食用，因此，如果患者服用该药物，饮食选择引擎160将不选择葡萄柚作为候选成分。如果患者信息包括相应药物和/或状况的指示，则交互数据库156可以包括各种状况和/或药物和可能不消耗的成分。在一些实施方式中，相互作用数据库156可以与成分数据库154组合，使得每个列出的成分还包括与每个对应成分条目有关的任何状况和/或药物相互作用问题。

在一些实施方式中，成分各自与一类食品相关联。例如，一些成分可以是主食成分，例如谷物和淀粉。一些成分可能与动物产品类别相关联，例如猪肉、牛肉、鱼、鸡、牛奶和鸡蛋。其他类别可能包括水果、蔬菜、油和其他蛋白质来源(例如，豆腐、豆子)。当选择候选成分时，饮食选择引擎160选择各种每种成分，使得患者一旦被优化就将具有变化的饮食。例如，饮食选择引擎160可以选择包括三种类型的主食(每顿饭一种)、两种动物产品、一种或多种其他蛋白质源、一种或多种油(例如，橄榄油、黄油)以及各种水果和蔬菜的每日饮食。在选择期间，饮食选择引擎160可以偏爱不包括在患者的“不喜欢”选择中的成分，并且可以确保这些成分均不与患者的药物和/或状况相互作用。此外，假设“喜欢的”成分不与状况和/或药物相互作用，则饮食选择引擎160可能更偏重于包括在患者信息中的“喜欢的”成分。

饮食选择引擎160为优化引擎120提供候选成分。此外，营养需求引擎150提供宏量营养素和微量营养素目标以优化引擎120。优化引擎120包括宏量营养素模块122、微量营养素模块124和模型调整模块126。通常，优化引擎120及其部件利用优化模型来确定要包括在饮食中的每种成分的量，确定结果的营养价值，并且如果宏量营养素和/或微量营养素目标中的一种或多种指标未达到被调节，则调整优化模型。然后调整新的优化模型，并重新计算营养素的量，直到满足所有营养目标。

宏量营养素模块122确定要包括在优化饮食中的每种宏量营养素的量。在确定最佳饮食时，宏量营养素模块122确定主食成分的量，然后确定动物食品成分的量，然后是油的量，并且最后是水果和蔬菜的量。宏量营养素模块122利用优化模型来确定每个量。

在一些实现方式中，优化模型包括多个变量，这些变量可以初始设置为预定和/或随机值，并且然后随着模型产生结果饮食而更新。例如，优化模型可以包含一些变量，这些变量表示通过主食消耗的碳水化合物卡路里的百分比，通过动物产品消耗的蛋白质卡路里的百分比，以及从油、黄油、牛奶等耗的脂肪卡路里的百分比。最初，宏量营养素模块122使用初始值执行优化模型，并且然后确定每种成分类别的数量。

例如，参考先前的示例并且基于患者信息，由营养需求引擎150计算包括来自碳水化合物的1000kcal、来自蛋白质的200kcal和500kcal的饮食。

优化模型可以包括以下公式：

主食＝CHO×K1

动物食品＝(PRO-主食×P1)×K2

油＝(FAT-F1×主食-F2×动物性食品-F3*牛奶)×K3

在以上公式中，如营养需求引擎150所计算的那样，CHO是来自碳水化合物的推荐千卡，PRO是来自蛋白质的推荐千卡，而FAT是来自脂肪的推荐千卡。此外，P1是一份主食中蛋白质卡路里的量，F1是一份主食中脂肪的卡路里的量，F2是一份动物产品中的脂肪卡路里的量，并且F3是一份牛奶中的脂肪卡路里的量。

最后，K1、K2和K3是变量，指示经优化的饮食所含每种食物的百分比。例如，K1可以最初设置为0.85，指示典型的饮食包括通过主食消耗的碳水化合物卡路里的85％。K2最初可以设置为0.85，指除了主食消耗的蛋白质卡路里外，还有85％的蛋白质卡路里是通过动物产品消耗的。最后，可以将K3初始设置为1.0，指示除主食、动物食品和牛奶外，所有剩余的脂肪卡路里都通过油消耗。

一旦执行了优化模型的第一次迭代，宏量营养素模块122就确定成分类别中的每种的数量。例如，饮食选择引擎160可能已经选择“白米饭”、“小圆面包”和“意大利面食”作为三种候选主食成分，并且宏量营养素模块122可以确定主食成分的总量。可以对其他类别的成分执行相同的计算。

一旦确定了每种类别的成分的成分量，微量营养素模块124就确定每种类别中每种成分的量，并且进一步确定成分中存在的宏量营养素和微量营养素的量。在一些实施例中，微量营养素模块124可通过利用线性编程模型来确定成分的量，以通过确定类别的所选成分之间的类别的卡路里的分布来优化每种成分的量。例如，在上述示例中，微量营养素模块124通过使其中的膳食纤维量最大来确定“白米饭”、“小圆面包”和“意大利面食”的量。例如，可以将计算的主食千卡的热量(即300kcal)的30％分配给“白米饭”，将计算的主食千卡的热量(即400kcal)的40％分配给“小圆面包”，并且可以将计算出的主食千卡热量的30％(即300卡)分配给“意大利面”。这可以包括识别每种成分的“每重量卡路里”(例如通过识别成分数据库154中的成分)，例如，成分数据库154可以识别“白米饭”每克具有3卡路里，并进一步计算优化饮食包括100克白米饭。可以执行类似的计算以确定与主食类别相关的其他两种成分的量。额外地，可以对其他类别的成分执行相同的计算。例如，微量营养素模块124通过使动物产品类别中的胆固醇含量最小化来确定动物产品类别中每种成分的含量。此外，微量营养素模块124然后汇总宏量营养素和微量营养素的量，并将总数提供给模型调整模块126。

模型调整模块126确定饮食中的实际微量营养素和微量营养素目标之间的差异，和/或先前由营养需求引擎150确定的实际宏量营养素和宏量营养素目标之间的差异是否满足阈值。例如，模型调整模块126可以确定任何实际的微量营养素是否比微量营养素目标大超过10％(或少于或至少为阈值等)。例如，模型调整模块126可以确定患者饮食应包括少于200mg的胆固醇，但是实际胆固醇为400。因此，模型调整模块126可以确定饮食没有被优化并且相应地调整模型。

在一些实施方式中，当营养目标(主要和/或微量)中的至少一个不满足时，模型调整模块126可以调整优化模型的一个或多个变量。例如，利用以上示例优化模型，模型调整模块可以改变K1、K2和/或K3。此外，模型调整模块126可以重新调整成分类别内的数量分布。例如，主食可以最初被均等地分配给“白米饭”、“小圆面包”和“意大利面食”，但是模型调整模块126可以向主要营养模块122提供指示以将卡路里类别不同地分配到下一次迭代。

一旦优化模型已经被更新，则宏量营养素模块122基于宏量营养素目标和更新的优化模型来重新计算成分的每个类别的量。一旦计算出量，微量营养素模块124就确定候选优化饮食中每种候选成分的量。最后，模型调整模块126确定饮食是否被优化，并且如果任何实际营养素(主要和/或微量)不在计算的营养素目标的阈值内，则调整模型。调整的迭代可以继续，直到饮食被优化或者模型调整模块126确定候选成分不可能获得优化的饮食。

在一些实施方式中，优化引擎120可能无法优化饮食并且不能向饮食选择引擎160提供选择替代成分和/或替代一种或多种成分的指示。例如，如上所述，优化引擎120可以确定饮食不包括足够的水果，并指示饮食选择引擎160选择一种或多种其他水果。在一些实施方式中，优化引擎120可以向饮食选择引擎160提供用于更新候选成分的准则。例如，模型调整模块126可以确定在所产生的候选优化饮食中镁持续低，并且指示饮食选择引擎160选择镁含量较高的蔬菜。在一些实施方式中，饮食选择引擎160可以随机地更新候选成分，直到完成可优化饮食。因此，在确定最佳饮食之前，可能需要对成分和数量进行优化的多次迭代。

一旦确定最佳饮食，就向设备显示引擎130提供成分和数量。此外，设备显示引擎130生成用户接口，并将优化的饮食提供给客户端设备106。例如，参考图5，提供了一种接口，以经由诸如客户端设备106的客户端设备向患者提供最佳饮食。接口500包括成分列表505，每种成分都具有以克为单位的量。在一些实施方式中，可以以份量(例如1份大米)、体积(例如1杯大米)和/或其他量度来提供量。

另外，接口500包括一列标记515，患者可以利用该标记列515从优化饮食中取消选择一种或多种成分。例如，在所示的接口500中，患者已经标记了针对香蕉的条目，从而指示用户不想要优化饮食中的香蕉。然后，患者可以激活更新按钮520，并且可以重新计算饮食。在一些实施方式中，可以向患者提供警告，提示所得饮食可能不是最佳的。在一些实施方式中，优化引擎120可以再次尝试优化饮食，其中饮食选择引擎160选择不同的水果作为候选成分包括在内。最终，接口500包括下一项按钮510，以允许患者指示他已经完成饮食检查并且不希望更新优化饮食。

参考图6，提供了示出本发明的实现方式的流程图。首先将患者信息171提供给营养需求引擎150，如先前所描述的，其可以经由设置在与患者相关联的电子设备上的接口从患者接收。患者信息可以包括例如患者的身高、体重、年龄和/或其他身体特征。此外，患者信息可以包括患者的食物偏好、患者的身体活动水平、患者的当前药物和/或患者的当前疾病。在一些实施方式中，与图和/或4所示的图形接口共享特征的图形接口可以被提供给患者，以允许患者提交患者信息171。

营养需求引擎150接收患者信息171，并且基于患者信息确定营养目标172。营养目标172包括患者的宏量营养素目标和微量营养素目标，其可能根据患者信息171而有所不同。如本文所述，营养素目标172可包括宏量营养素目标，例如碳水化合物、脂肪和蛋白质的最佳热量摄入，以及微量营养素目标量，例如盐、膳食纤维、镁和钙/或其他营养素的最佳摄入量。一旦营养需求引擎150确定了营养目标172，就通过电子设备(例如，如图3所示的接口)将目标提供给患者。在一些实施方式中，可以通过包括目标的一种或多种图形表示的接口来提供营养素目标172，诸如饼图、条形图、折线图和/或允许患者容易地识别出最佳饮食目标的其他表示。

营养素目标172被提供给饮食选择引擎160，其选择多种候选成分173以包括在患者的最佳饮食中。饮食选择引擎160可以最初选择包括在各种食品类别中的多个候选成分173。例如，饮食选择引擎160可以选择候选成分173，使得优化饮食包括主食(例如谷物和淀粉)、动物产品、水果和蔬菜。在一些实施方式中，饮食选择引擎160可以进一步基于患者信息171来选择(或不选择)成分。例如，如果患者信息和/或营养目标指示患者将需要低脂饮食，则饮食选择引擎160可以最初选择瘦肉。此外，饮食选择引擎160可以选择与患者信息171中包括的任何药物都不禁忌的成分。在一些实施方式中，饮食选择引擎160可以进一步基于患者的患者偏好175来选择(或不选择)成分。患者偏好175可以由患者经由诸如图4所示的接口的图形接口来选择和提交。

一旦选择了候选成分173，优化引擎120就确定成分的最佳量(如果可能)以在营养目标172内优化患者饮食。如前所述，优化引擎120最初确定每种候选成分的量，确定该量是否满足营养目标172，并相应地调整优化模型，直到确定了优化饮食174。

例如，参考图7，提供了优化引擎120的流程图。在一些实施方式中，图7中所示的一个或多个步骤可以被省略和/或可以包括一个或多个额外的步骤，如本文中所描述。

一旦优化引擎120接收到患者信息171和候选成分173，就可以使用优化模型来确定经优化的饮食。在步骤705，确定候选成分的量。例如，如本文所述，优化引擎120可以识别候选优化饮食中包括的每种成分的量，以使饮食利用一个或多个变量的第一迭代。在步骤710，优化引擎120确定所确定数量的候选成分中所包含的实际宏量营养素和微量营养素。

在步骤715，确定候选成分的确定的量中包括实际的宏量营养素和微量营养素。一旦确定了实际的宏量成分和实际的微量成分，优化引擎120就计算候选的经优化的饮食是否包括在目标阈值之内的主要和微量营养素(在步骤720)。例如，优化引擎120可以计算候选优化饮食是否包括在先前确定的目标的10％以内的主要和微量营养素。如果是这样，则在步骤725将经优化的饮食提供给患者的计算设备。

如果，在步骤720，候选经优化的饮食不包含阈值内的营养，则在步骤730调整优化模型。如本文先前所述，可以调整优化模型的一个或多个变量，并且可以再次利用优化模型来确定候选成分的量(在步骤705)。例如，优化模型可以包括指示针对特定类别的食品消耗的宏量营养素的变量，并且可以对变量进行调整。一旦优化模型已经被调整，优化引擎120就利用更新的模型来再次确定成分的量、计算饮食中的营养素并将营养素与先前确定的目标进行比较。

在一些实施方式中，可以选择新的候选成分(在步骤735)。在这些实现方式中的一些中，可以选择新的候选成分，因为在给定当前成分的情况下，优化引擎120可以确定不可能进行优化饮食。在一些实施方式中，可以基于患者反馈来选择新的候选成分。例如，可以向患者提供优化饮食，并且可以在饮食中识别患者不希望包括的一种或多种成分。因此，优化引擎120可以基于这种用户反馈来重新计算优化饮食。

图8是可任选地用于执行本文描述的技术的一个或多个方面的示例计算设备810的框图。在一些实施方式中，设备106、优化系统110和/或(一个或多个)其他部件中的一个或多个可以包括示例计算设备810的一个或多个部件。

计算设备810通常包括至少一个处理器814，其经由总线子系统812与多个外围设备通信。这些外围设备可以包括存储子系统824，包括例如存储器子系统825和文件存储子系统826，用户接口输出设备820，用户接口输入设备822和网络接口子系统816。输入和输出设备允许用户与计算设备810交互。网络接口子系统816提供到达外部网络的接口，并且耦合到其他计算设备中的相应接口设备。

用户日利率输入设备822可以包括键盘，诸如鼠标、轨迹球、触摸板或图形输入板的指示设备，扫描仪，并入到显示器中的触摸屏，诸如语音识别系统、麦克风的音频输入设备和/或其他类型的输入设备。通常，术语“输入设备”的使用旨在包括将信息输入计算设备1010或通信网络的所有可能类型的设备和方式。

用户接口输出设备820可以包括显示子系统，打印机，传真机或诸如音频输出设备的非可视显示器。显示子系统可包括阴极射线管(CRT)，诸如液晶显示器(LCD)的平板装置，投影装置或用于创建可见图像的一些其他机构。显示子系统还可以提供非可视显示，例如通过音频输出设备。通常，术语“输出设备”的使用旨在包括将信息从计算设备810输出到用户或另一机器或计算设备的所有可能类型的设备和方式。

存储子系统824存储编程和数据构造，其提供本文描述的一些或所有模块的功能。例如，存储子系统824可以包括执行本文描述的各种方法的所选方面的逻辑器件。

这些软件模块通常由处理器814单独执行或与其他处理器组合执行。存储子系统824中使用的存储器825可以包括多个存储器，包括用于在程序执行期间存储指令和数据的主随机存取存储器(RAM)830和存储固定指令的只读存储器(ROM)832。文件存储子系统826可以为程序和数据文件提供持久存储，并且可以包括硬盘驱动器，软盘驱动器以及相关联的可移动介质，CD-ROM驱动器，光盘驱动器或可移动介质盒。实现某些实现方式的功能的模块可以由文件存储子系统826存储在存储子系统824中，或者存储在处理器814可访问的其他机器中。

总线子系统812提供用于使计算设备810的各种部件和子系统按预期彼此通信的机制。虽然总线子系统812被示意性地示为单个总线，但是总线子系统的替代实现方式可以使用多个总线。

计算设备810可以是各种类型，包括工作站、服务器、计算集群、刀片服务器、服务器群、或任何其他数据处理系统或计算设备。由于计算机和网络的不断变化的性质，图8中描绘的计算设备810的描述仅旨在作为用于说明一些实现方式的特定示例。计算设备810的许多其他配置可能具有比图8中描绘的计算设备更多或更少的部件。

Claims (20)

1.一种由一个或多个处理器实施的方法，包括：

接收针对患者的患者信息(171)；

基于所述患者信息来确定针对所述患者的一个或多个宏量营养素目标(172)；

基于所述患者信息来确定针对所述患者的一个或多个微量营养素目标；

经由由所述患者操作的一个或多个计算设备(106)的输出设备来提供所述患者的所述宏量营养素目标和所述微量营养素目标；

基于所述微量营养素目标和所述宏量营养素目标，为所述患者的饮食选择(173)一种或多种候选成分；

使用优化模型来确定针对所述一种或多种候选成分(705)中的每种的量；

计算所述一种或多种候选成分的所确定的量中的实际微量营养素和实际宏量营养素(715)；

基于所述实际微量营养素和所述微量营养素目标来确定一个或多个微量营养素差异；

基于所述实际宏量营养素和所述宏量营养素目标来确定一个或多个宏量营养素差异；

响应于确定所述宏量营养素差异或所述微量营养素差异中的至少一个不在阈值(730)之内而更新所述优化模型；

使用经更新的优化模型，针对所述一种或多种候选成分(705)中的每种确定新的量；

利用所述新的量来重新计算所述一种或多种候选成分的所述实际微量营养素和所述实际宏量营养素，确定差异，并且在所述差异不在阈值(720)内时更新所述优化模型；并且

经由由所述患者操作的所述计算设备中的一个或多个的所述输出设备来提供指示经优化的饮食(725)的信息，其中，基于对所述微量营养素差异和所述宏量营养素差异满足准则的确定，生成并提供指示经优化的饮食的信息。

2.根据权利要求1所述的方法，其中，所述宏量营养素包括碳水化合物含量、蛋白质含量和脂肪含量。

3.根据权利要求1所述的方法，其中，所述微量营养素包括膳食纤维含量、胆固醇含量、镁含量和钾含量。

4.根据权利要求1所述的方法，其中，所述患者信息包括由所述患者服用的药物、对所述患者的诊断、个人食物偏好(175)和所述患者的身体特征中的至少一种。

5.根据权利要求1所述的方法，其中，选择所述一种或多种候选成分包括：

识别食物库(154)，其中，所述食物库包括针对多种食物的食物信息，针对所述多种食物的所述食物信息包括针对所述食物中的每种的营养信息；

从所述食物库中选择所述多种候选成分；

基于由所述患者服用的药物、所述患者的个人偏好以及对所述患者的诊断中的至少一种来排除所述候选成分中的一种或多种；并且

基于所述宏量营养素目标和所述微量营养素目标，用一种或多种替代候选成分替代一种或多种所排除的候选成分。

6.根据权利要求1所述的方法，其中，所述成分中的每种均与食品的种类相关联，并且其中，选择所述候选成分包括从食品的每个种类中选择所述候选成分。

7.根据权利要求6所述的方法，其中，食品的所述种类包括谷物、动物产品、以及水果和蔬菜、以及脂肪食品。

8.根据权利要求1所述的方法，其中，所述优化模型包括针对多个宏量成分中的每种的系数，其中，每个系数指示从一个种类的食品的成分中消耗的对应的宏量成分的百分比。

9.根据权利要求8所述的方法，其中，

第一系数指示从食品的谷物种类中的成分中消耗的碳水化合物卡路里的百分比，其中，

第二系数指示从动物产品种类中的成分中消耗的蛋白质卡路里的百分比；并且其中，

第三系数指示从不是动物产品或谷物的成分中消耗的脂肪卡路里的百分比。

10.根据权利要求9所述的方法，其中，更新所述优化模型包括调整所述系数中的一个或多个。

11.根据权利要求1所述的方法，还包括：

响应于向所述患者提供所述经优化的饮食，接收更新请求；

响应于所述更新请求，更新所述候选成分(735)；并且

重新确定包括经更新的候选成分的所述经优化的饮食。

12.一种系统，包括：

与患者相关联的计算设备(106)，所述计算设备包括接口，所述接口被配置为向所述患者提供一个或多个图形接口；以及

处理器(110)，其被配置为：

从所述计算设备接收针对所述患者的患者信息；

基于所述患者信息来确定针对所述患者的一个或多个微量营养素目标；

基于所述患者信息来确定针对所述患者的一个或多个微量营养素目标；

经由所述图形接口(300)中的一个或多个来将所述患者的所述宏量营养素目标和所述微量营养素目标提供给所述计算设备；

基于所述微量营养素目标和所述宏量营养素目标，为所述患者的患者饮食选择一种或多种候选成分；

使用优化模型来确定针对所述一种或多种候选成分中的每种成分的量；

计算所述一种或多种候选成分的所述量中的实际微量营养素和实际宏量营养素；

基于所述实际微量营养素和所述微量营养素目标来确定一个或多个微量营养素差异，

基于所述实际宏量营养素和所述宏量营养素目标来确定一个或多个宏量营养素差异，

响应于确定所述微量营养素或所述宏量营养素差异中的至少一个不在阈值之内而更新所述优化模型；

使用经更新的优化模型，针对所述一种或多种候选成分中的每种确定新的量，

利用所述新的量来重新计算所述一种或多种候选成分的所述实际微量营养素和所述实际宏量营养素，确定差异，并且在所述差异不在阈值内时更新所述优化模型；并且

向所述计算设备提供指示经优化的饮食的信息(505)，其中，基于对所述微量营养素差异和所述宏量营养素差异满足准则的确定来生成并提供指示经优化的饮食的信息。

13.根据权利要求12所述的系统，其中，所述处理器正在所述计算设备上运行。

14.根据权利要求12所述的系统，其中，所述处理器在第二远程计算设备上运行。

15.根据权利要求12所述的系统，其中，所述图形接口中的至少一个包括一个或多个非文本图形表示。

16.根据权利要求15所述的系统，其中，所述一个或多个非文本表示包括条形图、折线图和饼图中的至少一种。

17.根据权利要求12所述的系统，其中，所述成分中的每种均与食品的种类相关联，并且其中，所述选择候选成分包括从食品的每个种类中选择候选成分。

18.根据权利要求17所述的系统，其中，

食品的所述种类包括谷物、动物产品、以及水果和蔬菜；并且其中，

所述优化模型包括针对多种宏量成分中的每种的系数，其中，每个系数表示从一个种类的食品的成分中消耗的对应的宏量成分的百分比。

19.根据权利要求18所述的系统，其中，

第一系数指示从食品的谷物种类中的成分中消耗的碳水化合物卡路里的百分比，其中，

第二系数指示从动物产品种类中的成分中消耗的蛋白质卡路里的百分比；并且其中，

第三系数指示从不是动物产品或谷物的成分中消耗的脂肪卡路里的百分比。

20.根据权利要求19所述的系统，其中，更新所述优化模型包括调整所述系数中的一个或多个。

Images