WO2021091430A1 - Отслеживание рациона и формирование заключения о качестве питания - Google Patents

Отслеживание рациона и формирование заключения о качестве питания Download PDF

Info

Publication number
WO2021091430A1
WO2021091430A1 PCT/RU2020/050312 RU2020050312W WO2021091430A1 WO 2021091430 A1 WO2021091430 A1 WO 2021091430A1 RU 2020050312 W RU2020050312 W RU 2020050312W WO 2021091430 A1 WO2021091430 A1 WO 2021091430A1
Authority
WO
WIPO (PCT)
Prior art keywords
user
microbiota
food
product
list
Prior art date
Application number
PCT/RU2020/050312
Other languages
English (en)
French (fr)
Inventor
Дмитрий НИКОГОСОВ
Анна Сергеевна ПОПЕНКО
Мария Юрьевна КАРДАКОВА
Роберт Игоревич ЛОШКАРЕВ
Сергей Владимирович МУСИЕНКО
Андрей Валентинович ПЕРФИЛЬЕВ
Original Assignee
Общество с ограниченной ответственностью "Атлас"
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Общество с ограниченной ответственностью "Атлас" filed Critical Общество с ограниченной ответственностью "Атлас"
Priority to EP20885470.3A priority Critical patent/EP4057291A4/en
Publication of WO2021091430A1 publication Critical patent/WO2021091430A1/ru

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/40—Data acquisition and logging
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Definitions

  • the present technical solution generally relates to the field of microbiology and dietetics, as well as the application of computing in microbiology and dietetics, and in particular to methods and systems for tracking diet and forming a conclusion about the quality of food and / or individual nutritional recommendations.
  • the prior art contains numerous sources of information indicating the importance of consuming probiotics (Isolauri et al. 2000; Kim et al. 2010; Singh et al. 2013) (living symbiotic microorganisms that, when taken in adequate amounts, can have a positive effect on human health - both separately and as part of food, for example, fermented milk products), as well as a balanced diet rich in dietary fiber (acting as prebiotics - food components that are not digestible by humans, but cause the growth or increase in the activity of symbiotic microorganisms), to maintain a healthy microbiota in the human gastrointestinal tract, and potentially prevent the development or improve symptoms of the above diseases (Khaw and Barrett-Connor 1987; Ludwig et al.
  • the technical problem or technical problem solved in this technical solution is the formation of ranked individual nutritional recommendations for the user.
  • the technical result achieved by solving the above technical problem is to improve the quality and accuracy of the formation of individual recommendations for the user on nutrition.
  • the above technical result is achieved by implementing a method for monitoring the diet and forming a conclusion on the quality of the user's nutrition and / or individual recommendations for nutrition for the user, performed by at least one processor and in which receive data on the state of the microbiota of the user, containing at least one biomarker value; determine the value of at least one trait associated with the state of the microbiota, based on the obtained at least one biomarker value; forming a list with at least one food product for the user based on at least one obtained biomarker value and / or at least one trait value associated with the state of the user's microbiota and determined in the previous step; determine a personalized rating of food products from the list formed in the previous step; obtain data about at least one food and / or dish of the user; form a score for at least one food product and / or dish obtained in the previous step, based on the rating of food products generated earlier; form a conclusion on the quality of the user's food based on the score obtained earlier and /
  • gut microbiota data is obtained by sequencing a sample of biological material and / or by biochemical or microbiological examination.
  • the biomarker can be the relative and / or absolute abundance of microorganisms and / or their genes in the biological material.
  • the rating value is calculated from the cumulative effect of a given food on each trait associated with a user's microbiota, and the higher the rating, the more beneficial the food is to the user's microbiota.
  • a biomarker can be positively or negatively associated with a particular trait, depending on the effect that the biomarker has on the condition of the trait.
  • the food product can be positively or negatively associated with a particular biomarker, in depending on the effect that a given food product has on the state of the biomarker.
  • the value of a trait associated with the state of the microbiota is evaluated numerically and / or symbolically.
  • the trait associated with the state of the microbiota is resistance against a disease for which the association with at least one biomarker of the microbiota is known, or the level of probiotic and other beneficial bacteria, or the ability of the microbiota to synthesize metabolites based on known metabolic pathways, or the ability of the microbiota to break down dietary fiber, or the glycemic response to a food or dish, or the ability to break down gluten, or the ability to break down lactose, or the barrier functions of the microbiota.
  • each feature is evaluated individually or grouped by feature type, with a total for the entire feature group.
  • the initial level of biomarker representation in the user's microbiota and / or the significance of the trait itself and / or the number of biomarkers within one trait or group of traits affected by the product are taken into account when determining the personalized rating of food products.
  • the rating for the food is calculated as a weighted sum over all user attributes.
  • a shortened list of recommended foods is generated for a given period of time.
  • the abbreviated list of food products is generated randomly from the complete list of products positively recommended to the user, where the probability of getting a product on the list for a given period of time is the higher, the higher the rating of the given product.
  • the abbreviated food list is updated every predetermined amount of time.
  • a fixed number of places are allocated for each food category in a reduced list of recommended foods for a given period of time.
  • the user's product data is a user-entered list of products or ingredients in a dish, and / or an image of a dish or food, and / or an audio recording of a list of products and / or the composition of the dish and how it is prepared.
  • the image of a dish or food product is recognized by using an artificial neural network, which receives an image of a dish or food product as input, and generates an N-dimensional vector of visual features of the image at the output, in which the visual information of the analyzed image is encoded.
  • FIG. 1 shows an example of the implementation of a method for tracking a diet and forming a conclusion on the quality of a user's nutrition and / or individual recommendations for a user’s nutrition in the form of a block diagram.
  • FIG. 2 shows an example of the implementation of the graphical user interface of the mobile application, which displays the recognition of a set of ingredients in the image of the dish.
  • FIG. 3 shows an example of a user's rated dish and a transcript of how the score was given for some of the products in the dish.
  • FIG. 4 shows an example of the implementation of the diet tracking system and the formation of a conclusion on the quality of the user's nutrition and / or individual recommendations for nutrition for the user.
  • FIG. 5 shows an example of the implementation of the formation of a list for a new week (507), from the complete list of positively recommended products (501).
  • the technical solution can be implemented in the form of a distributed computer system, the components of which are cloud or local servers.
  • processing can refer to operations and / or processes of a computer, computing platform, computer system, or other electronic device that manipulate and / or transform data represented as physical (for example, electronic) quantities in registers and / or memory devices of a computer into other data , likewise represented as physical quantities within registers and / or memories of a computer or other storage medium that may store instructions for performing the methods, operations and / or processes mentioned below.
  • the system means a computer system or automated system (AS), computer (electronic computer), CNC (numerical control), PLC (programmable logic controller), computerized control system, mobile device and any other devices capable of performing a given, clearly defined sequence of computational operations (actions, instructions).
  • a command processor is meant an electronic unit or an integrated circuit (microprocessor) that executes machine instructions (programs).
  • An instruction processing device reads and executes machine instructions (programs) from one or more storage devices.
  • Storage devices can be, but are not limited to, hard drives (HDD), flash memory, memory cards, ROM (read only memory), solid state drives (SSD), optical drives, cloud storage.
  • a program is a sequence of instructions for execution by a computer control device or command processing device.
  • Microbiota is the collection of all microorganisms in a bacterial community.
  • the bacterial (taxonomic) composition of a microbiota sample is a list of all species (genera, taxa) found in this sample during the analysis.
  • the relative composition of a microbiota sample is the relative quantitative ratio of taxa in the sample, or, in other words, the relative abundance of taxa.
  • the relative abundance of microorganisms or their genes in a sample can be expressed as a percentage, fraction, number of readings, or other units.
  • the relative representation can be specified by a numerical value from 0 to 1 for each taxon in the accession, so that the total value for all taxa represented in one accession will be equal to 1, and any other convenient scale can also be used.
  • microbiota samples can be obtained by analyzing the user's stool samples.
  • microbiota samples can be obtained based on the analysis of any other biological material of the user, for example, biopsy, smear, scraping, etc.
  • a biomarker is a biological measurable factor (eg, the relative abundance of a bacterial species or genus) that is associated with the presence or absence of a condition in a host organism, such as a specific disease.
  • a diet is a food consumed by a user. Diet tracking involves monitoring the user's diet for a given period of time, for example, a day, a week, a month, etc.
  • Nutrients - organic and inorganic substances that make up food and are used by the body to support its vital functions proteins, fats, carbohydrates, dietary fiber, vitamins, minerals, short-chain fatty acids, and others.
  • a nutritional recommendation in this technical solution refers to the recommendation of a product that affects the state of the microbiota of a particular user.
  • the recommendation is positive, when the product improves the state of the user's microbiota or maintains a healthy state of the microbiota, the product is recommended for consumption.
  • a negative recommendation means a negative effect of the product on the state of the user's microbiota, i.e. it is recommended not to use this product.
  • the basic principles of a healthy diet are: increasing food diversity, adding various dietary fiber and other nutrients to the diet, consuming fermented, fermented milk products or other probiotics, consuming foods rich in vitamins and microelements, limiting or eliminating certain foods from the diet.
  • Prebiotics are substances that are not absorbed or not fully absorbed by the human body, but are catabolized by intestinal microbes. These are polysaccharides (such as pectin, long-chain inulin, resistant starch) and oligosaccharides (fructooligosaccharides, galactooligosaccharides, and others). There are foods rich in certain dietary fiber (eg Jerusalem artichoke and chicory in the case of inulin). When prebiotics are processed by intestinal bacteria, substances are released, having a positive effect on the human body, for example, short-chain fatty acids (SCFA).
  • SCFA short-chain fatty acids
  • Probiotics are living bacteria that benefit the host and can be taken in isolation, but they can also be used in foods (usually fermented milk).
  • the genera that include the largest number of probiotic strains used include, for example, Bifidobacterium (B. animalis, B. longum, B. bifidum species) and Lactobacillus (L. rhamnosus, L. casei, L. reuteri species).
  • This invention allows the user to receive personalized dietary recommendations based on data on the composition of his microbiota, track his diet, getting estimates for the meals eaten, and diversify his diet thanks to an updated selection of recommended foods.
  • Step 110 obtain data on the state of the user's microbiota containing at least one biomarker value.
  • a sample of biological material may be obtained using a sampling kit, which may include a sample container having a process reagent component and configured to receive a sample from a collection site by a user that may be remote. Additionally or alternatively, the sampling kit can be provided directly through an indoor or outdoor device that is designed to facilitate receiving a sample from a user. In other embodiments, the sampling kit can be handed over to a medical laboratory technician in a clinic or other medical institution, and previously delivered to the user, for example, by courier. However, the provision of the user sampling kit (s) to the primary data acquisition unit may additionally or alternatively be performed in any other suitable manner, for example frozen in a sterile container.
  • Input samples of biological material can be stool samples that can be processed, for example, in a laboratory, and from which data on the composition of the intestinal microbiota is obtained by sequencing. Processing can include steps of sample purification and isolation of total DNA, including bacteria and archaea. Data on the composition of the microbiota can be obtained, for example, by sequencing the sequences of microbial 16S rRNA genes of the microbiota of a sample.
  • FASTQ or FASTA sequencing files are obtained from the sequencer, one file for each sample.
  • amplicon sequencing can be used, but genome-wide sequencing (WGS, shotgun) can also be used, but is not limited to.
  • each record is a representative sequence of the corresponding OTU obtained earlier as a result of cluster analysis.
  • similarity threshold can be vary, traditionally in metagenomic studies the value of 97% similarity is used as a heuristic estimate of the degree of similarity of 16S rRNA within one bacterial species. However, this value is not absolute: on the one hand, bacteria with very different sequences of this gene can occur within one bacterial species, on the other hand, two different species can have identical sequences (for example, Escherichia and Shigella).
  • de novo search and a hybrid approach (combining template based search and de novo search elements).
  • processing a set of metagenomes in 16S rRNA format results in a table of sample relative representation that reflects the number of reads assigned to each taxonomic unit (OTU) from the database.
  • a table of relative representation can be punctured and / or normalized in any known manner.
  • the relative representation is normalized. For this, for each sample, the number of its readings is summed up, which were successfully mapped to the reference base.
  • the normalized representation for each taxon is calculated as the number of reads assigned to that taxon for a given accession divided by the total sum of mapped reads for that accession, in some embodiments further multiplied by 100%. From the obtained values of the normalized representation, a normalized table of representation is compiled, containing the proportion or percentage of readings assigned to each taxon from the database for each accession. Normalization is used for correct comparison of the representation of the same biomarker or some taxonomic unit between different samples of the microbiota.
  • taxa are left, the representation of which exceeds 0.2% of the total microbial representation in at least 10% of the samples.
  • Step 120 determine the value of at least one trait associated with the state of the microbiota based on the obtained at least one biomarker value.
  • biomarkers eg, taxa
  • the trait value shows how the user's microbiota affects the trait.
  • Knowledge and facts about the relationships between the bacterial taxon and the trait, and the bacterium taxon and the foodstuff are stored in a pre-built database that contains the associations and relationships of biomarkers with traits and / or products.
  • the features may be:
  • the glycemic response to certain foods or dishes known to be associated with at least one microbiota biomarker can be used as traits.
  • Glycemic response to some food (eg banana) or food (eg pasta) may be associated with the value of a particular biomarker of the user's microbiota.
  • An example of such biomarkers can be taxa that are actively involved in the breakdown of dietary fiber, the ability to rapidly break down fiber can increase the rate of absorption of sugars, and, consequently, the glycemic index of certain foods.
  • biomarker traits that are known to be associated with one or another biomarker, for example, such as gluten degrading ability, lactose degrading ability, microbiota barrier functions, and the like.
  • Each of the listed characteristics can be assessed separately or grouped by the type of characteristic, with the setting of the total value for the entire group of characteristics (combined into one characteristic).
  • the ability of the microbiota to synthesize metabolites can be assessed for each vitamin or SCFA for which there is data in the association database on the participation of a certain bacterium in the synthesis of this metabolite, considering the value for each metabolite as a separate trait, or combining them into one trait, giving the final total value. The same is true for the rest of the groups of features.
  • a biomarker can be positively or negatively associated with a particular trait, depending on the effect that a given taxon of bacteria has on the state of the trait.
  • the value of the trait can be assessed on some numerical scale, for example, in points from 0 to 10, or from -1 (bad / low), 0 (neutral / normal), 1 (good / high), or categorically, or in any other way.
  • Certain diseases may be associated with certain biomarkers derived from the composition of the gut microbiota.
  • Such links can be obtained from scientific publications and research. For example, a study was carried out of the differences between the intestinal microbiota in people with type 2 diabetes mellitus from healthy people: in the experimental group, bacteria of the genus Bacteroides predominated and there were fewer bacteria of the genus Prevotella compared to the control sample, while the representation of Bifidobacterium spp and Bacteroides vulgatus was lower, and Clostridium leptum - higher than in the control group.
  • bacteria-disease can use classifiers trained on research data, for example, using the random forest algorithm.
  • bacteria of the genus Bacteroides are positively associated with type 2 diabetes mellitus, which means that their high level worsens the sign of protection from this disease, and a low level of such bacteria, on the contrary, improves the sign; bacteria of the genus Prevotella are negatively associated with type 2 diabetes mellitus, which means that their high level improves protection from the disease, a low level of such bacteria, on the contrary, worsens.
  • the value of the sign of protection against type 2 diabetes mellitus consists of the impact of all taxa associated with this disease.
  • a list of taxa can be obtained that are recommended to be increased (if an insufficiently high relative abundance of a taxon negatively associated with a certain disease is found in the microbiota) or to decrease (if an increased relative abundance of a taxon is found positively associated with a certain disease).
  • the value of a trait can be obtained by comparing the relative representation of the known list of taxa in the microbiota of the user with the boundaries of the norm in the population for each taxon.
  • the limits of the norm in the population for the bacterium of the genus Christensenella are considered to be a relative representation of 0.01% -0.06%, respectively, 0.14% Christensenella can be considered a high level of representation for this taxon.
  • the abundance of each useful taxon can be considered a separate trait, or the value of a trait can be calculated for the entire group of probiotics. Together with the value of the characteristic, a list of taxa can be obtained, the relative representation of which is recommended to be increased.
  • the value of a trait (or traits) responsible for the ability of the microbiota to synthesize metabolites can be obtained as follows.
  • the relative abundance of microorganisms or their genes included in the metabolic pathway for the synthesis of a certain vitamin, SCFA or other is determined in the microbiota. metabolite.
  • a certain metabolite usually, several taxa are involved in the synthesis of each metabolite.
  • Their representation correlates with the average in the population, from which a conclusion is drawn about the ability of the microbiota to synthesize one or another metabolite. If the value of a trait for a certain metabolite is not high enough, a list of taxa can be obtained, the relative representation of which is recommended to be increased in order to improve the ability to synthesize a particular metabolite.
  • the value of the trait responsible for the ability of the microbiota to break down dietary fiber can be obtained by determining the breakdown potential for each type of dietary fiber from a predetermined set. In one embodiment, the cumulative relative abundance of those taxa involved in the digestion of a particular dietary fiber can be estimated and compared to the population average. The potential for degradation of each fiber can be considered a separate trait, or the value of a trait can be calculated for the entire group of dietary fibers. Together with the value of the trait, a list of taxa can be obtained, the relative representation of which is recommended to be increased (if the splitting potential of a certain fiber is low, then the representation of related taxa can be considered reduced).
  • a database with associations can be generated that includes information about known associations between taxa of bacteria and traits characterizing the state of the user's microbiota.
  • the database with associations may include information on the normal / average relative representation of a taxon in the population or other boundary values that allow determining the value of a particular trait.
  • a database with associations is implemented in the form of one or more databases (in this example, through tables), and for each feature or type of relationship, a separate database can be created, however, for a person skilled in the art it will be obvious that the database associations can be implemented in other ways, which does not affect the essence of the technical solution.
  • the database with associations may contain information about the effect of various food products on taxa of bacteria, the content of dietary fiber in certain products, and the like.
  • the Base of associations for food can be formed and replenished using search algorithms and machine analysis of the text in conjunction with manual filling based on facts about food, the intake of which is positively or negatively associated with a particular taxon characteristic of the gut microbiota.
  • a database with associations for food can contain product-taxon relationships for food products that affect a certain taxon of bacteria, and also contain information about the type of influence (positive effect if the product contributes to an increase in the relative representation of this taxon, and a negative effect if contributes to a decrease in the relative representation).
  • the database of associations for food can also contain similar fiber-taxon relationships for dietary fibers affecting certain taxa, as well as information about which dietary fiber is present in which food.
  • Examples of data fragments from the dietary fiber-biomarker association database can be generated as follows:
  • Step 130 generate a list with at least one food product for the user based on at least one obtained biomarker value and / or at least one trait value associated with the state of the user's microbiota determined in the previous step.
  • the user may have access to a list of recommended foods to improve the condition of traits, and / or containing a certain set of dietary fiber.
  • This list is created on the basis of the obtained data on the relative representation in the microbiota of biomarkers associated with a healthy microbiota, the proportion of which must be maintained and / or increased, as well as biomarkers associated with an unhealthy microbiota, the proportion of which must be reduced.
  • an individual personalized list of recommended products can be generated as follows: • for each disease-trait with a low or medium level of disease resistance (trait value), taxa are selected that are negatively associated with the disease and have a low (non-zero) and / or normal relative abundance of bacteria, and bacteria that are positively associated with the disease are also selected and have a high relative representation;
  • taxa with low (not zero) relative abundance are selected from probiotic and other beneficial bacteria
  • taxa with a low (not zero) relative abundance are selected, which are characterized by participation in the synthesis of this metabolite.
  • association for food products can be found associated with the selected taxa, which are recommended.
  • a product negatively affects user traits (eg, increases the representation of a taxon that is recommended to be downgraded), then it also falls on the negative recommendation list.
  • the list of recommended products includes all products that are associated with at least one trait and affect the state of the user's microbiota. Additionally, some products may be excluded from this list, for example, due to allergies, intolerances, based on the results of a genetic test, diagnosis, Rome IV criteria, etc.
  • the user can also mark products for exclusion (for example, by means of a preliminary questionnaire or by marking them in the already formed list of recommended products).
  • the list of recommended foods can be supplemented with supportive recommendations for probiotic and other beneficial bacteria from the system or from a dietitian, for example, via a messenger or chatbot.
  • Data which is a collection of proposed food items, in a data warehouse can be accessed through a DBMS that can contain one or more programs that control the organization, storage, management and retrieval of data in the database. It is also possible to implement a technical solution through a cloud storage of data, for example, Google Sheets.
  • the DBMS can receive requests for access to information in the database, generated, for example, in a mobile application based on its nutritional recommendations, and can perform the operations necessary to provide this access. Access used herein may include reading data, writing data, deleting data, updating data, a combination of two or more of the above, and the like.
  • the database stored in the data store may be a relational database, an object-oriented database, a hierarchical database, a network database, other types of databases, some combination or extension of the above, and the like.
  • the data which is the collection of food offered and stored in the database, can be organized in tables, records, objects, other data structures, and the like. Data can also be stored in special database files, special hard disk partitions, HTML files, XML files, spreadsheets, flat files, document files, configuration files, other files, etc.
  • a database can reference a read-only dataset, or be able to read and write to a dataset.
  • relational database terminology is sometimes used herein for simplicity. Although the terminology of relational databases is sometimes used here, the ideas disclosed can also be applied to other types of databases, including those previously mentioned.
  • Data enrichment source (s) may include any other entity that is capable of providing data.
  • the source (s) of data replenishment may include a service that accepts data (for example, country code) and provides data (for example, information about new dishes or foods from that country) in response to this.
  • Each data replenishment source can be implemented through a process executed by one or more computers.
  • the recommendation in some embodiments of the technical solution may be displayed on the display of the user's mobile communication device or personal computer, for example, in a mobile application or on a website.
  • Step 140 determining a personalized food rating from the list generated in the previous step.
  • a rating can be calculated for all food items available in the database.
  • a rating value is calculated, which will be the sum of the impact of this product on each trait (which can be negative or positive), and the higher the rating, the more useful the product is for the user's microbiota. If the rating turns out to be negative, then the recommendation for this product is also negative, i.e. it is recommended to refuse to use this food product. If a product does not affect the microbiota, its rating is zero.
  • Correction factors are selected in advance and allow you to adjust the contribution of each characteristic, including higher factors can be set if the characteristic value was calculated common for the entire group of characteristics.
  • the proposed formula may contain an additional term or coefficient that takes into account the number of taxa within the given characteristic, which are positively or negatively influenced by the food product.
  • the rating of food products calculated in this way reflects the degree of usefulness of the given food for the user's microbiota and is personalized. Foods that have received a positive rating are regarded as recommended for consumption.
  • reference information may be additionally stored, which may include information about the effect of the product on the microbiota and traits of a given user, general information about the benefits / harms of this product, the content of trace elements, fiber, nutritional value, the recommended daily allowance, relationship with diseases, immunity, recommendations on the method of preparation, interesting facts, etc.
  • help information can be accessed by viewing a product card (a separate information window or page), alternatively, it can be shown directly in the list of recommended products.
  • a shortened list of recommended products is generated for a given period of time.
  • the predetermined time period can be set, for example, one week, day, month, quarter, half year, and so on. To understand the essence of the technical solution, an implementation option is described below, in which the predetermined time period is set to one week.
  • Such a list contains a fixed number of products (for example, 10), and each week the list is generated anew. Since the list of recommended products can contain a rather long list of items, this technical solution proposes to form a selection of several recommended food products, which will be regularly updated, for example, once a week. This will allow you to gradually familiarize the user with foods that are useful for him to add to his diet.
  • the list for a week is generated randomly from a complete list of products that are positively recommended to the user, where the probability of getting a product on the list for a week is higher, the higher the rating of the given product.
  • the weekly list aims to entice the user to try all of the products on that list for a week. Instead of a week, any other fixed length of time can be used without restrictions.
  • the weekly list is formed from a complete list of recommended foods in the manner described below.
  • a complete list of positively recommended products (501) can be ranked by the rating value. Products that have been displayed in the list for the current week can be sent to the end of the ranked list regardless of their rating. Then the list can be divided into groups and the rating of products from different groups multiplied by the given coefficients in order to increase the difference between these values, obtaining new values for w '(502), and influence the probability distribution.
  • the likelihood that a product will be listed for a new week is proportional to the resulting w 'values. For example, you can divide the list of recommended products into three equal groups (if the number of positions in the list is not a multiple of three, then in some group / groups there will be one more product, for example, in a group with a higher rating of products).
  • the likelihood that a product will be listed on a new week is proportional to the product's rating, where decreasing factors (502) can be used to rate products from the current list for a week to reduce the likelihood of duplication.
  • decreasing factors 502
  • additional conditions can be used so that the list contains products from different categories, if such a category is present in the full list of recommended products. Examples of possible food categories: vegetables, fruits and berries, dairy products, cereals, legumes, etc.
  • the percentage / proportion of products from each category (503) presented in the full list of recommendations (501) is calculated, then a fixed number of places for each category (504) is allocated in the list for a week in accordance with their percentage / share of representation in the overall list, but at least one place for each category. If a category is represented by a small number of recommended products or at least one product, then it will be allocated at least one place on the list per week by reducing the number of places in the most represented category. If a category is not represented in the full list of recommended products, then places in the list for the week for such a category are not allocated.
  • Zw i denominator is performed for all products from the list of positively recommended, or for all products from this list within each category separately.
  • the list for the week (507) is formed by randomly selecting N products from each category (506), where N is the number of allocated places, and the probability for the product to be selected corresponds to the previously calculated p t (502).
  • any food item presented in the current list for a week is marked by the user as excluded from his diet via a mobile application or website, then it can be automatically excluded from the list for a week and replaced with another product.
  • a list of recommended food as well as non-recommended food is sent to the user's mobile communication device by using any suitable wireless technology, such as the IEEE 802.11 standard, Bluetooth protocols, UWB, Worldwide Interoperability for Microwave Access (WiMax); and cellular protocols such as General Packet Service (GPRS).
  • any suitable wireless technology such as the IEEE 802.11 standard, Bluetooth protocols, UWB, Worldwide Interoperability for Microwave Access (WiMax); and cellular protocols such as General Packet Service (GPRS).
  • Step 150 obtain data on at least one food and / or dish of the user.
  • the user can track his diet using photographs / images / audio recordings of the meals eaten or through a list of products provided by the user. Each dish or product is given an individual score, which reflects the overall usefulness for the user and the diversity of his diet.
  • the data about the user's product that he has eaten or is about to eat is a list of products or ingredients of a dish entered by the user, an image of a dish or food product (which is then recognized), an audio recording with a list of products (which is then recognized), description of the food product with weight, calories, trace elements, manufacturer and so on, for example, in doc, xls, pdf and so on, but not limited to.
  • food data can be represented in any known data format for recognition.
  • an image of a dish for example, can be a photograph of any food and / or drink, including a single product.
  • the photo / image of the food can be transmitted to the server through any mobile communication device of the user equipped with a photo or video camera.
  • the image of food can be uploaded through an application, a website, sent as a message through instant messengers, including a chatbot, through a mobile connection, or in any other available way through any data transmission channel.
  • the products that make up the dish are determined and / or the product itself is identified.
  • recognition of a set of ingredients in the image of the dish can be performed as shown in FIG. 2.
  • the user can mark the products that are present in the dish and the list recognized by the system and / or enter other ingredients by searching for the product name.
  • the list of recognized products can be further adjusted by the user. If no products were found during the image recognition / analysis process, then they can be added / marked manually using the product database, which can be stored, for example, in the association database.
  • the recognition of the list of products in the image of the dish can be performed as follows.
  • a deep convolutional artificial neural network is used, which receives an image of a dish or food product at the input, and at the output forms an N-dimensional vector of visual features of the image, in which the visual information of the analyzed image is encoded.
  • the resulting vector is then fed to the input of the artificial neural network of the decoder, which is, for example, a multilayer perceptron, RNN, or a transformer decoder, but not limited to.
  • the output of the decoder is a set of vectors encoding certain ingredients of the dish.
  • the output can be a vector of probabilities for the entire set of analyzed ingredients, and the result of image recognition will be a set of ingredients that best matches the vector of visual features of the image according to the internal weights of the neural network.
  • a convolutional neural network (CNN) is used in conjunction with a recurrent neural network (RNN).
  • RNN recurrent neural network
  • the training of artificial neural networks is carried out on a set of data available in the public domain, for example, such as Recipe1M +, for which the filtering was previously carried out in a semi-automatic mode and marking of all the ingredients of the dish.
  • the marking of the ingredients of the dish can be a list of products corresponding to the image, and not require the selection of individual products in the image.
  • a list of possible ingredients can be obtained by automated data collection (jargon "parsing") from recipe sites.
  • the complex ingredients of the dish are preliminarily decomposed into simpler components to reduce the dimension of the output vector of the neural network, as well as to obtain a more relevant list of ingredients at the output (for example, "curd in cream” can be decomposed to “curd” and “cream”, since to influence gut microbiota only individual components matter).
  • each product can be evaluated in terms of its benefits to the user's body and / or his gut microbiota.
  • information on the content of nutrients in the composition of food is used. Such information may include product-nutrient relationships and nutrient amounts (eg, grams of nutrient per 100 grams of food), and stored in a product database, such as an association database.
  • Step 160 A score is generated for at least one food and / or dish obtained in the previous step based on the food rating generated earlier.
  • the score given to a product can take into account various criteria related to the usefulness of the product, such as: the rating of the product in the list of recommended or not recommended products, the presence of dietary fiber, macro- and micronutrients and their amount, the variety / uniformity of the diet, the presence of the product in the list for a week, fermentation of the product, preparation method, etc. If a product is not on the Recommended or Not Recommended list, it can be considered zero rating.
  • the score for the product may be calculated as the sum of the sub-scores for each of the given criteria, with the number of scores being predefined.
  • the points may be the same for all nutrients, or differ, while an increased number of points can be awarded for foods with a high nutrient content;
  • Points / penalty for each of the criteria can be awarded for the presence of a nutrient in a product (for example, 5 points are awarded for the presence of vitamin C in a product), or when the amount of a nutrient in a given product exceeds a certain value (for example, 5 points are awarded if the product contains more than or equal to 12 milligrams of vitamin C per 100 grams of the product; 10 points are awarded if it is greater than or equal to 24 mg per 100 g of the product.
  • FIG. 3 shows an example of a user's rated dish and a transcript of how the score was given for some of the products in the dish.
  • the proposed method for evaluating products takes into account not only the general criteria for the usefulness of the product, but also the individual needs of the user, the effect of the product on the microbiota of the user.
  • a score is generated for the entire dish as a whole.
  • the final score given to a dish can be obtained by combining points for individual ingredients (for example, by determining the arithmetic mean, summation, etc.), set for each product from its composition.
  • the final score may be normalized (for example, with values from 0 to 10).
  • the proposed method allows the user, in addition to general information about healthy nutrition, to receive personal information about the benefits of each meal and / or product, including information about how each product affects its intestinal microbiota.
  • Step 170 forming an opinion on the quality of the user's food based on the score obtained earlier and / or at least one recommendation for the user based on the user's personalized rating of food products.
  • the conclusion on the quality of the user's nutrition includes information about whether the product or dish, the information about which the user has indicated, for example, in a mobile application or on a website, is beneficial for the user's microbiota, and is based on the number of points assigned to the product or dish in the step 160 earlier.
  • the number of points awarded may be based on the nutrient content of a food or dish that affects the health of the microbiota, the presence of fermentation or fermentation products in the food, or dish, the presence of microorganisms in the product, the presence of chemicals formed during the heat treatment of the product, the presence of preservatives, stabilizers, dyes, flavors and other chemicals associated with a change in the state of the user's microbiota.
  • the conclusion is issued in text form, as an image or in audio format, for example, via a mobile application or on a website.
  • the nutrition recommendation for the user is a call to take actions aimed at changing the nature of the user's nutrition. They can include information on changes in the amount of specific foods or meals in the diet, on the amount of probiotics and prebiotics consumed, food supplements, including vitamin and / or mineral and complex, with other nutrients (for example, with fatty acids, etc.) ... It can also be a recommendation to change the number of meals, the volume of meals (portions), meal times. It may also be a recommendation to seek the advice of a healthcare professional, nutritionist and / or nutritionist. It can also be a request to enter into the system, for example, through a mobile application, additional data about the user, for example, weight, height, the presence of diseases, the presence of additional genetic data, etc. Recommendations are issued in text form, as an image or in audio format, for example, via a mobile application or on a website.
  • the user has access to information on previously eaten dishes and / or downloaded images.
  • a list of products from the list for the current week is also displayed, while the products that the user has already tried during the week visually differ from those that the person has not eaten even once in the current week.
  • the user can have access to summary information on the results of the current week, day, month, as well as the past weeks, days, months or other periods of time.
  • the summary information may include the total number of points scored, the total impact on the user's characteristics, the display of the complete diet (list of foods eaten and the number of times consumed), for a specified period of time, etc.
  • the cumulative effect on user characteristics can be displayed as follows. For each of the traits that required improvement based on the results of microbiota analysis (i.e. those traits for which there were dietary recommendations), the dynamics of this attribute for a specified period of time (for example, a week) is shown, the dynamics can be shown in the categories “good” / “neutral7“ bad ”, using color codes, pictograms or otherwise, and informs the user, how his diet for a given period of time has a cumulative effect on this trait.
  • the weekly ration influenced the given attribute “well” if the difference between the number of positively influenced dishes and the number of negatively influenced dishes is greater than the specified value; the weekly diet had a “bad” effect if the number of positively influenced dishes was less than the number of negatively influenced dishes on the set value; in all other cases, the effect of the diet will be considered “neutral”.
  • additional points may be awarded at the end of the week, for example, if a user tried all of the foods on the list for a week, ate more than a certain amount of different foods and / or different sources of dietary fiber during the week, and the like. Comparison with the results of the last week, comparison with the score for the last week / day / month, comparison with the results of other users, etc. may also be available. The user has the ability to scroll through the weeks / days / months and go to the card of the selected week / day / month, where all data for the selected period is loaded.
  • this technical solution can be implemented in the form of a computer system 400 for tracking the diet and forming a conclusion on the quality of the user's nutrition and / or individual recommendations for nutrition for the user, which contains one or more of the following components:
  • processing component 401 containing at least one processor
  • interface 407 input / output (I / O), • sensory component 408,
  • the processing component 401 generally controls all operations of the system 400, such as processing microbiota data, and also controls the display, phone call, data communication, camera operation, and recording operation of the user's mobile communications device to take food snapshots.
  • the processing component 401 may include one or more processors 402 that implement instructions to complete all or part of the steps from the above methods.
  • the processing component 401 may include one or more modules for convenient communication between other processing modules 401 and other modules.
  • the processing component 401 may include a media module for convenient, lightweight interaction between the media component 405 and the processing component 401.
  • the memory 403 is configured to store various types of data to support the operation of the system 400, such as a user profile database. Examples of such data include instructions from any application or method, contact information, address book data, messages, images, videos, etc., all of which operate on system 400.
  • Memory 403 can be implemented as any type of volatile storage device, nonvolatile memory, or a combination thereof, such as static random access memory (SRAM), Electrically Erasable Programmable Read Only Memory (EEPROM), Erasable Programmable Read Only Memory (EPROM), Programmable Read Only Memory (EPROM), Read Only Memory device (ROM), magnetic memory, flash memory, magnetic disk or optical disk and others, but not limited to.
  • SRAM static random access memory
  • EEPROM Electrically Erasable Programmable Read Only Memory
  • EPROM Erasable Programmable Read Only Memory
  • EPROM Programmable Read Only Memory
  • ROM Read Only Memory device
  • magnetic memory flash memory
  • flash memory magnetic disk or optical disk and others, but not limited to.
  • the multimedia component 405 includes a screen providing an output interface between the system 400, which may be installed on the user's mobile communication device and the user.
  • the screen may be a liquid crystal display (LCD) or a touch panel (TP). If the screen includes a touch panel, the screen may be implemented as a touch screen for receiving input signal from the user.
  • the touchpad includes one or more touch sensors in terms of gestures, touching, and sliding across the touchpad. The touch sensor can not only sense the user's touch boundary or swipe gesture, but also detect the length of time and pressure associated with touch and slide operation.
  • the media component 405 includes one front camera and / or one rear camera. When the system 400 is in a mode of operation, such as shooting mode or video mode, the front camera and / or the rear camera can receive media data from the outside. Each front camera and rear camera can be one fixed lens optical system or can have focal length or optical zoom.
  • the audio component 406 is configured to output and / or input an audio signal.
  • the audio component 406 includes a single microphone (MIC) that is configured to receive an external audio signal when the system 400 is in a mode of operation, such as a call mode, a recording mode, and a speech recognition mode.
  • the received audio signal can be further stored in the memory 403 or routed to the data transmission component 409.
  • the audio component 406 also includes a single speaker configured to output an audio signal.
  • the input / output (I / O) interface 407 provides an interface between the processing component 401 and any peripheral interface module.
  • the above peripheral interface module may be a keyboard, steering wheel, button, etc. These buttons may include, but are not limited to, a start button, a volume button, a start button, and a lock button.
  • the sensor component 408 includes one or more sensors and is configured to provide various aspects of assessing the state of the system 400. For example, the sensor component 408 can detect on / off states of the system 400, the relative position of components, such as a display and a keypad, of a single component. system 400, the presence or absence of contact between the user and the system 400, as well as the orientation or acceleration / deceleration and temperature change of the system 400.
  • the sensor component 408 contains a proximity sensor configured to detect the presence of an object in the vicinity when not physical contact.
  • Touch component 408 includes an optical sensor (eg, CMOS or CCD image sensor) configured for use in rendering an application.
  • sensor component 408 includes an acceleration sensor, gyroscope sensor, magnetic sensor, pressure sensor, or temperature sensor.
  • the communication component 409 is configured to facilitate wired or wireless communication between the system 400 and other devices.
  • System 400 can access a wireless network based on a communication standard such as WiFi, 2G, 3G, 4G, 5G, or a combination thereof.
  • communication component 409 receives a broadcast signal or broadcast associated information from an external broadcast control system via a broadcast channel.
  • communication component 409 comprises a Near Field Communication (NFC) module to facilitate near field communication.
  • the NFC module may be based on radio frequency identification (RFID) technology, infrared data association (IrDA) technology, ultra-wideband (UWB) technology, Bluetooth (BT) technology, and other technologies.
  • RFID radio frequency identification
  • IrDA infrared data association
  • UWB ultra-wideband
  • Bluetooth Bluetooth
  • system 400 may be implemented by one or more Application-Specific Integrated Circuits (ASICs), Digital Signal Processors (DSPs), Digital Signal Processing Devices (DSPs), Programmable Logic Devices (PLDs), a logic chip programmed into operating conditions (FPGA), controller, microcontroller, microprocessor, or other electronic components, and can be configured to implement the method 100 for monitoring the diet and forming a conclusion about the quality of the user's nutrition and / or individual nutritional recommendations for the user.
  • ASICs Application-Specific Integrated Circuits
  • DSPs Digital Signal Processors
  • DSPs Digital Signal Processing Devices
  • PLDs Programmable Logic Devices
  • FPGA logic chip programmed into operating conditions
  • controller microcontroller, microprocessor, or other electronic components
  • the nonvolatile computer-readable medium includes memory 403 that includes instructions where instructions are executed by processor 401 of system 400 to implement the above-described diet tracking and nutritional judgment and / or individual nutritional recommendations for the user.
  • memory 403 includes instructions where instructions are executed by processor 401 of system 400 to implement the above-described diet tracking and nutritional judgment and / or individual nutritional recommendations for the user.
  • non-volatile computer-readable media can be ROM, random access memory (RAM), CD, magnetic tape, floppy disks, optical storage devices, and the like.
  • Computing system 400 can include a display interface that transmits graphics, text, and other data from a communications infrastructure (or from a framebuffer, not shown) for display on a multimedia component 405.
  • Computing system 400 further includes input devices or peripherals.
  • Peripheral devices may include one or more devices for interacting with a user's mobile communications device, such as a keyboard, microphone, wearable device, camera, one or more audio speakers, and other sensors. Peripheral devices can be external or internal to the user's mobile communications device.
  • a touchscreen can display, typically graphics and text, and also provides a user interface (such as, but not limited to, a graphical user interface (GUI)) through which a user can interact with the user's mobile communication device, such as access and interact with applications running on the device, see detailed food scores and generated dietary recommendations.
  • GUI graphical user interface
  • All blocks used in the system can be implemented with electronic components used to create digital integrated circuits, which is obvious to a person skilled in the art. Not limited to, microcircuits, the logic of which is determined during manufacture, or programmable logic integrated circuits (FPGA), the logic of which is set through programming, can be used.
  • FPGA programmable logic integrated circuits
  • programmers and debugging environments are used that allow you to set the desired structure of a digital device in the form of a circuit diagram or a program in special hardware description languages: Verilog, VHDL, AHDL, etc.
  • FPGAs programmable logic controllers
  • BMC basic matrix crystals
  • ASICs are specialized custom large integrated circuits (LSIs), which are significantly more expensive for small-scale and single-piece production.
  • the FPGA itself consists of the following components:
  • Blocks can also be implemented using read-only memory devices.
  • aspects of the present technical solution may be implemented as a system, method, or computer program product. Accordingly, various aspects of the present technical solution may be implemented solely as hardware, as software (including application software, and so on), or as an embodiment combining software and hardware aspects, which may generally be referred to as a "module” , “System” or “architecture”. In addition, aspects of the present technical solution may take the form of a computer program product implemented on one or more computer-readable media having computer-readable program code that is implemented thereon.
  • a computer-readable storage medium can be, without limitation, an electronic, magnetic, optical, electromagnetic, infrared, or semiconductor system, apparatus, device or any suitable combination thereof. More specifically, examples (non-exhaustive list) of computer readable storage media include: electrical connection using one or more wires, portable computer floppy disk, hard disk, random access memory (RAM), read only memory (ROM), erasable programmable read-only memory (EPROM or Flash) -memory), fiber optic connection, compact disk read-only memory (CD-ROM), optical storage device, magnetic storage device, or any combination of the above.
  • a computer-readable storage medium can be any flexible storage medium that can contain or store a program for use by the system itself, device, apparatus, or in connection therewith.
  • the program code embedded in a computer-readable medium can be transmitted using any medium, including, without limitation, wireless, wired, fiber optic, infrared, and any other suitable network or a combination of the above.
  • Computer program code for performing operations for the steps of this technical solution may be written in any programming language or combinations of programming languages, including an object-oriented programming language such as Python, R, Java, Smalltalk, C ++, and so on, and conventional procedural programming languages such as "C" programming language or similar programming languages.
  • the program code can be executed on the user's computer in whole, in part, or as a separate software package, partially on the user's computer and partially on the remote computer, or completely on the remote computer.
  • the remote computer can be connected to the user's computer through any type of network, including a local area network (LAN), a wide area network (WAN), or a connection to an external computer (for example, via the Internet using Internet service providers).
  • LAN local area network
  • WAN wide area network
  • Internet service providers for example, via the Internet using Internet service providers.
  • These computer program instructions may also be stored on a computer-readable medium that can control a computer other than a programmable data processing device or devices that function in a particular way, such that the instructions stored on the computer-readable medium create a device including instructions that perform the functions / actions specified in the block diagram and / or diagram.

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Databases & Information Systems (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Nutrition Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

Изобретение относится к области вычислительной техники. Технический результат заключается в повышении точности формирования индивидуальных рекомендаций для пользователя по питанию. Технический результат достигается за счет формирования для пользователя списка рекомендуемых продуктов, где каждый продукт имеет свой балл, полученный на основании рейтинга продуктов питания на основании данных о состоянии микробиоты пользователя, и формирования персонального заключения о качестве питания и рекомендаций для его улучшения.

Description

ОТСЛЕЖИВАНИЕ РАЦИОНА И ФОРМИРОВАНИЕ ЗАКЛЮЧЕНИЯ О КАЧЕСТВЕ ПИТАНИЯ
ОБЛАСТЬ ТЕХНИКИ
[0001] Настоящее техническое решение в общем относится к области микробиологии и диетологии, а также к применению вычислительной техники в микробиологии и диетологии, а в частности к способам и системам для отслеживания рациона и формирования заключения о качестве питания и/или индивидуальных рекомендаций по питанию.
[0002] В настоящее время учеными доказано, что микробиота желудочно- кишечного тракта человека оказывает огромное влияние на организм хозяина через его иммунитет и метаболизм. Данная связь реализуется через ряд веществ, выделяемых микробиотой, в том числе витамины и короткоцепочечные жирные кислоты (КЖК). Дисбиоз приводит к нарушению баланса взаимодействия микробиоты и организма хозяина, внося вклад в развитие хронических воспалительных состояний. Это в совокупности с другими факторами может приводить к различным серьезным заболеваниям: сахарному диабету второго типа, болезни Крона и язвенному колиту, ожирению и т.д. Для ряда заболеваний, в том числе и из вышеперечисленных, в микробиоте были найдены биомаркеры - микроорганизмы, повышенная или пониженная представленность которых значимо ассоциирована с определенными заболеваниями.
[0003] Также известно, что посредством питания, пищевых добавок, таких как пробиотики, пребиотики можно воздействовать на состав микробиоты кишечника, создавая конкурентные преимущества для тех или иных бактерий. Один из вариантов воздействия - увеличение количества и типов употребляемых пищевых волокон, не усваиваемых человеком сложных углеводов. Эти вещества не перевариваются желудочным соком и кишечными ферментами и метаболизируются бактериями кишечной микробиоты.
[0004] В уровне техники содержатся многочисленные источники информации, указывающие на важность употребления пробиотиков (Isolauri et al. 2000; Kim et al. 2010; Singh et al. 2013) (живых симбиотических микроорганизмов, которые при приеме в адекватном количестве могут оказывать положительное влияние на здоровье человека - как отдельно, так и в составе пищевых продуктов, например, кисломолочных продуктов), а также сбалансированной диеты, богатой пищевыми волокнами (выступающими в роли пребиотиков - компонентов пищи, не усваиваемых человеком, но вызывающих рост или повышение активности симбиотических микроорганизмов), для поддержания здоровой микробиоты в ЖКТ человека, и потенциально, предотвращения развития или улучшения симптомов вышеуказанных заболеваний (Khaw and Barrett-Connor 1987; Ludwig et al. 1999; Anderson et al. 1987). Однако проведенные клинические исследования, изучавшие эффективность пробиотиков и пребиотиков для профилактики и лечения этих заболеваний, показали неоднозначные результаты (Rondanelli et al. 2017; Makki et al. 2018). Исследования показывают, что не все люди одинаково реагируют на одни и те же пищевые добавки, и реакция организма зависит в том числе от начального состава микробиоты в ЖКТ индивида. Например, один и тот же продукт может вызывать существенные изменения в микрофлоре ЖКТ одних индивидуумов и вызывать лишь небольшие изменения у других (Klimenko NS, et al., Microbiome Responses to an Uncontrolled Short-Term Diet Intervention in the Frame of the Citizen Science Project. Nutrients. 2018 May 8; 10(5)). Таким образом, несмотря на наличие общих для широкого круга населения рекомендаций по сбалансированному питанию, сохраняется потребность в способах выработки персональных рекомендаций по питанию и перечню полезных продуктов для конкретного индивида, учитывающий состав его микробиоты в ЖКТ.
СУЩНОСТЬ ТЕХНИЧЕСКОГО РЕШЕНИЯ
[0005] Технической задачей или технической проблемой, решаемой в данном техническом решении, является формирование ранжированных индивидуальных рекомендаций по питанию для пользователя.
[0006] Техническим результатом, достигаемым при решении вышеуказанной технической задачи, является повышение качества и точности формирования индивидуальных рекомендаций для пользователя по питанию.
[0007] Указанный выше технический результат достигается путем отслеживания рациона питания пользователя, а также выставления баллов съеденным блюдам.
[0008] Указанный выше технический результат достигается благодаря осуществлению способа отслеживания рациона и формирования заключения о качестве питания пользователя и/или индивидуальных рекомендаций по питанию для пользователя, выполняемого по меньшей мере посредством одного процессора и в котором получают данные о состоянии микробиоты пользователя, содержащие по меньшей мере одно значение биомаркера; определяют значение по меньшей мере одного признака, связанного с состоянием микробиоты, на основании полученного по меньшей мере одного значения биомаркера; формируют список с по меньшей мере одним продуктом питания для пользователя на основании по меньшей мере одного полученного значения биомаркера и/или по меньшей мере одного значения признака, связанного с состоянием микробиоты пользователя и определенного на предыдущем шаге; определяют персонализированный рейтинг продуктов питания из списка, сформированного на предыдущем шаге; получают данные о по меньшей мере одном продукте питания и/или блюде пользователя; формируют балл для по меньшей мере одного продукта питания и/или блюда, полученного на предыдущем шаге, на основании рейтинга продуктов питания, сформированного ранее; формируют заключение о качестве питания пользователя на основании балла, полученного ранее, и/или по меньшей мере одну рекомендацию для пользователя на основании персонализированного рейтинга продуктов питания пользователя.
[0009] В некоторых вариантах реализации получают данные о состоянии микробиоты кишечника путем секвенирования образца биологического материала и/или в результате биохимического или микробиологического исследования.
[0010] В некоторых вариантах реализации биомаркером может быть относительная и/или абсолютная представленность микроорганизмов и/или их генов в биологическом материале.
[0011] В некоторых вариантах реализации при определении персонализированного рейтинга продуктов питания значение рейтинга вычисляется из совокупного влияния данного продукта на каждый признак, связанный с состоянием микробиоты пользователя, и чем выше рейтинг, тем данный продукт полезнее для микробиоты пользователя.
[0012] В некоторых вариантах реализации биомаркер может быть положительно или отрицательно ассоциирован с определенным признаком, в зависимости от влияния, которое оказывает данный биомаркер на состояние признака.
[0013] В некоторых вариантах реализации продукт питания может быть положительно или отрицательно ассоциирован с определенным биомаркером, в зависимости от влияния, которое оказывает данный продукт питания на состояние биомаркера.
[0014] В некоторых вариантах реализации значение признака, связанного с состоянием микробиоты, оценивается в численном и/или символьном виде.
[0015] В некоторых вариантах реализации признаком, связанным с состоянием микробиоты, является защищенность от заболевания, для которого известна связь с по меньшей мере одним биомаркером микробиоты, или уровень пробиотических и других полезных бактерий, или способность микробиоты синтезировать метаболиты на основе известных метаболических путей, или способность микробиоты к расщеплению пищевых волокон, или гликемический ответ на продукт или блюдо, или способность к расщеплению глютена, или способность к расщеплению лактозы, или барьерные функции микробиоты.
[0016] В некоторых вариантах реализации каждый признак оценивают по отдельности или группируют по типу признака, с выставлением итогового значения за всю группу признаков.
[0017] В некоторых вариантах реализации при определении персонализированного рейтинга продуктов питания учитывают начальный уровень представленности биомаркера в микробиоте пользователя, и/или значимость самого признака, и/или количество биомаркеров в рамках одного признака или группы признаков, на которые влияет данный продукт.
[0018] В некоторых вариантах реализации при определении персонализированного рейтинга продуктов питания рейтинг для продукта питания рассчитывают как взвешенную сумму по всем признакам пользователя.
[0019] В некоторых вариантах реализации при определении персонализированного рейтинга продуктов питания формируют сокращенный список рекомендованных продуктов на заданный промежуток времени.
[0020] В некоторых вариантах реализации сокращенный список продуктов питания формируется случайным образом из полного списка продуктов, положительно рекомендованных пользователю, где вероятность попадания продукта в список на заданный промежуток времени тем выше, чем выше рейтинг данного продукта.
[0021] В некоторых вариантах реализации сокращенный список продуктов питания обновляется через каждый наступивший заданный промежуток времени. [0022] В некоторых вариантах реализации выделяется фиксированное число мест для каждой категории продуктов питания в сокращенном списке рекомендованных продуктов на заданный промежуток времени.
[0023] В некоторых вариантах реализации данные о продукте пользователя представляют из себя внесенный пользователем перечень продуктов или ингредиентов блюда, и/или изображение блюда или продукта питания, и/или аудиозапись со списком продуктов, и/или состава блюда и способа его приготовления.
[0024] В некоторых вариантах реализации изображение блюда или продукта питания распознается посредством использования искусственной нейронной сети, которая на вход получает изображение блюда или продукта питания, а на выходе формирует N-мерный вектор визуальных признаков изображения, в котором закодирована визуальная информация анализируемого изображения.
КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ
[0025] Признаки и преимущества настоящего технического решения станут очевидными из приведенного ниже подробного описания и прилагаемых чертежей, на которых:
[0026] На Фиг. 1 показан показан пример реализации способа отслеживания рациона и формирования заключения о качестве питания пользователя и/или индивидуальных рекомендаций по питанию для пользователя в виде блок-схемы.
[0027] На Фиг. 2 показан пример реализации графического интерфейса пользователя мобильного приложения, на котором отображено распознавание набора ингредиентов на изображении блюда.
[0028] На Фиг. 3 представлен пример оцененного блюда пользователя и расшифровка о том, как был выставлен балл для некоторых продуктов в блюде.
[0029] На Фиг. 4 показан пример реализации системы отслеживания рациона и формирования заключения о качестве питания пользователя и/или индивидуальных рекомендаций по питанию для пользователя.
[0030] На Фиг. 5 показан пример реализации формирования списка на новую неделю (507), из полного списка положительно рекомендованных продуктов (501).
ПОДРОБНОЕ ОПИСАНИЕ ТЕХНИЧЕСКОГО РЕШЕНИЯ [0031] Данное техническое решение может быть реализовано на компьютере или другом устройстве обработки данных, в виде автоматизированной системы или машиночитаемого носителя, содержащего инструкции для выполнения вышеупомянутого способа.
[0032] Техническое решение может быть реализовано в виде распределенной компьютерной системы, компоненты которой являются облачными или локальными серверами.
[0033] Некоторые части настоящего изобретения представлены в терминах алгоритмов и других представлений операций с битами данных или двоичными цифровыми сигналами в компьютерной памяти. Следует принимать во внимание, что определения или выводы, упомянутые в данном описании, могут быть реализованы с использованием методов искусственного интеллекта. Более конкретно, термины «обработка», «вычисление», «определение», «установление», «анализ», «идентификация», «проверка» или т.п. могут относиться к операциям и/или процессам компьютера, вычислительной платформы, компьютерной системы или другому электронному устройству, которые манипулируют и/или преобразуют данные, представленные в виде физических (например, электронных) величин в регистрах и/или запоминающих устройствах компьютера, в другие данные, аналогично представляемые в виде физических величин в пределах регистров и/или запоминающих устройств компьютера или другого носителя информации, который может хранить инструкции для выполнения способов, операций и/или процессов, упомянутых ниже.
[0034] Ниже будут подробно рассмотрены термины и их определения, используемые в описании технического решения.
[0035] В данном решении под системой подразумевается компьютерная система или автоматизированная система (АС), ЭВМ (электронно-вычислительная машина), ЧПУ (числовое программное управление), ПЛК (программируемый логический контроллер), компьютеризированная система управления, мобильное устройство и любые другие устройства, способные выполнять заданную, чётко определённую последовательность вычислительных операций (действий, инструкций). [0036] Под устройством обработки команд подразумевается электронный блок либо интегральная схема (микропроцессор), исполняющая машинные инструкции (программы).
[0037] Устройство обработки команд считывает и выполняет машинные инструкции (программы) с одного или более устройства хранения данных. В роли устройства хранения данных могут выступать, но, не ограничиваясь, жесткие диски (HDD), флеш-память, карты памяти, ПЗУ (постоянное запоминающее устройство), твердотельные накопители (SSD), оптические приводы, облачные хранилища данных.
[0038] Программа — последовательность инструкций, предназначенных для исполнения устройством управления вычислительной машины или устройством обработки команд.
[0039] Микробиота — это совокупность всех микроорганизмов в некотором бактериальном сообществе.
[0040] Бактериальный (таксономический) состав образца микробиоты - перечень всех видов (родов, таксонов), обнаруженных в данном образце в процессе анализа.
[0041] Анализ бактериального состава образцов микробиоты может проводиться на разных таксономических уровнях (виды, рода, семейства и т.п.), поэтому в описании используется термин “таксон”, который включает в себя любой из таких уровней.
[0042] Относительный состав образца микробиоты — относительное количественное соотношение таксонов в образце, или, другими словами, относительная представленность таксонов. Относительная представленность микроорганизмов или их генов в образце может быть выражена в процентах, долях, количествах чтений или других единицах. Например, относительная представленность может, задаваться числовым значением от 0 до 1 для каждого таксона в образце, так что суммарное значение по всем таксонам, представленным в одном образце, будет равняться 1 , также может использоваться любая другая удобная шкала.
[0043] В некоторых вариантах реализации технического решения образцы микробиоты можно получить путем анализа образцов кала пользователя. В альтернативных вариантах реализации образцы микробиоты могут быть получены на основе анализа любого другого биологического материала пользователя, например биопсии, мазка, соскоба, и т.п.
[0044] Биомаркер представляет собой биологический измеряемый фактор (например, относительная представленность бактериального вида или рода), который ассоциируется с наличием или отсутствием того или иного состояния у организма хозяина, например, определенного заболевания.
[0045] Рацион — это продукты, употребляемые пользователем в пищу. Отслеживания рациона подразумевает наблюдение за питанием пользователя в течении заданного промежутка времени, например суток, недели, месяца и т.п.
[0046] Нутриенты — органические и неорганические вещества, входящие в состав пищевых продуктов и используемые организмом для обеспечения своей жизнедеятельности (белки, жиры, углеводы, пищевые волокна, витамины, минералы, короткоцепочечные жирные кислоты и другие).
[0047] Рекомендацией по питанию в данном техническом решении понимается рекомендация продукта, который влияет на состояние микробиоты конкретного пользователя. Рекомендация положительная, когда продукт улучшает состояние микробиоты пользователя или поддерживает здоровое состояние микробиоты, продукт рекомендован к употреблению. Отрицательная рекомендация означает негативное влияние продукта на состояние микробиоты пользователя, т.е. рекомендовано не употреблять данный продукт.
[0048] Основными принципами здорового питания являются: повышение пищевого разнообразия, добавление в рацион различных пищевых волокон и других нутриентов, потребление ферментированных, кисломолочных продуктов или других пробиотиков, употребление продуктов богатых витаминами и микроэлементами, ограничение или исключение из рациона определенных продуктов питания.
[0049] К пребиотикам относятся вещества, которые не усваиваются или не полностью усваиваются организмом человека, но катаболизируются кишечными микробами. Это полисахариды (такие, как пектин, длинноцепочечный инулин, резистентный крахмал) и олигосахариды (фруктоолигосахариды, галактоолигосахариды и другие). Существуют продукты, богатые определенным пищевым волокном (например, топинамбур и цикорий в случае инулина). При переработке пребиотиков кишечными бактериями выделяются вещества, оказывающие положительное воздействие на организм человека, например, короткоцепочечные жирные кислоты (КЖК). Способность к переработке конкретных типов пищевых волокон существенно варьирует между различными таксонами, а расщепление некоторых сложных разветвленных полисахаридов происходит в несколько шагов, на каждом из которых активен один из нескольких кооперирующих видов бактерий. Таким образом, способность индивидуального кишечного сообщества расщеплять разные виды пищевых волокон широко варьируется, что создает основу для персонализации рекомендаций по употреблению пребиотиков.
[0050] Пробиотики - это живые бактерии, приносящие пользу организму хозяина, их можно принимать в изолированном виде, однако они могут употребляться и в составе пищевых продуктов (обычно кисломолочных). К родам, в которые входит наибольшее число применяемых штаммов с пробиотическими свойствами, относятся, например, Bifidobacterium (виды В. animalis, В. longum, В. bifidum) и Lactobacillus (виды L. rhamnosus, L. casei, L. reuteri).
[0051] Несмотря на общую осведомленность о принципах здорового питания, формирование правильных пищевых привычек остается актуальной задачей, особенно среди городских жителей.
[0052] Данное изобретение позволяет пользователю получать индивидуальные рекомендации по питанию, основываясь на данных о составе его микробиоты, отслеживать свой рацион, получая оценки для съеденных блюд, а также разнообразить свой рацион благодаря обновляющейся подборке из рекомендованных продуктов.
[0053] Шаг 110: получают данные о состоянии микробиоты пользователя, содержащие по меньшей мере одно значение биомаркера.
[0054] Образец биологического материала может быть получен посредством использования набора для отбора проб, который может включать контейнер для образцов, имеющий компонент технологического реагента и сконфигурированный для приема образца из места сбора пользователем, которое может быть удаленным. Дополнительно или альтернативно набор для отбора проб может быть предоставлен непосредственно через устройство, установленное в помещении или на улице, которое предназначено для облегчения приема пробы от пользователя. В других вариантах осуществления набор для отбора проб может быть сдан в клинике или другом медицинском учреждении медицинскому лабораторному технику, а ранее доставлен пользователю, например, курьером. Однако предоставление набора (-ов) для отбора проб пользователя в блок получения первичных данных может дополнительно или альтернативно выполняться любым другим подходящим способом, например, в замороженном виде в стерильном контейнере.
[0055] Входные образцы биологического материала могут представлять из себя образцы кала, которые могут быть обработаны, например, в лаборатории, и из которых получают данные о составе микробиоты кишечника путем секвенирования. Обработка может включать в себя этапы очистки образца и выделение тотальной ДНК, в том числе бактерий и архей. Данные о составе микробиоты могут получать, например, в результате секвенирования последовательностей микробных генов 16S рРНК микробиоты образца. В некоторых вариантах осуществления получают файлы секвенирования в формате FASTQ или FASTA, полученные с секвенатора, по одному файлу на каждый образец. Предпочтительно может применяться ампликонное секвенирование, но также может применяться полногеномное секвенирование (англ. WGS, shotgun), не ограничиваясь.
[0056] При анализе микробиоты с помощью 16S рРНК секвенирования после предварительной обработки осуществляют количественный и качественный таксономический анализ данных путем определения, к какой известной бактерии принадлежит каждое чтение 16S рРНК (или его фрагмента) и как можно охарактеризовать чтения от неизвестных бактерий. Поиск осуществляется с применением стратегии поиска на основании референса (англ reference-based). Таксономическая классификация опирается на базовое понятие операционной таксономической единицы (ОТЕ, англ operational taxonomic unit, OTU) - определение бактериального вида на основании одной лишь последовательности 16S рРНК. Fla6op чтений гена 16S рРНК (или его региона) сопоставляется с представительной базой последовательностей данного гена. Каждое чтение относится к той таксономической единице, с которой он обладает высокой степенью сходства. В случае нескольких совпадений возможно случайное назначение чтения одной из этих ОТЕ. В базе каждая запись является представительной последовательностью соответствующего ОТЕ, полученнного ранее в результате кластерного анализа. В то время как порог сходства можно варьировать, традиционно в метагеномных исследованиях используется значение 97% сходства как эвристическая оценка степени сходства 16S рРНК внутри одного бактериального вида. Однако данное значение не является абсолютным: с одной стороны, и в пределах одного бактериального вида могут встречаться бактерии с сильно различающимися последовательностями этого гена, с другой стороны, у двух разных видов могут быть идентичные последовательности (например, Escherichia и Shigella).
[0057] В данном техническом решении могут применяться в некоторых вариантах осуществления две другие основные стратегии идентификации ОТЕ, известные из уровня техники: поиск de novo и гибридный подход (сочетающий элементы поиска на основании шаблона и поиска de novo).
[0058] Накопленные последовательности по 16S рРНК секвенированию микробиоты сводятся в объединенные базы данных и филогенетически аннотируются. Среди наиболее используемых баз данных в уровне техники могут быть использованы Greengenes (база полных последовательностей гена 16S рРНК), SILVA (включает последовательности не только 16S, но и ITS, 18S, 23S/28S для эукариот), RDP (аннотация менее унифицирована, но объем выше, чем у Greengenes) и т.д.
[0059] В одном из вариантов реализации в результате обработки набора метагеномов в формате 16S рРНК получается таблица относительной представленности образца, которая отражает количество чтений, отнесенных к каждой таксономической единице (ОТЕ) из базы данных. Такая таблица относительной представленности может быть прорежена и/или нормирована любым известным способом.
[0060] В некоторых вариантах осуществления относительная представленность нормируется. Для этого для каждого образца суммируется количество его чтений, которые успешно откартировались на референсную базу. Нормированная представленность для каждого таксона рассчитывается как количество чтений, отнесенных к этому таксону для данного образца, деленное на общую сумму откартированных чтений для этого образца, в некоторых вариантах осуществления дополнительно помноженное на 100%. Из полученных значений нормированной представленности составляется нормированная таблица представленности, содержащая долю или процент чтений, отнесенных к каждому таксону из базы данных для каждого образца. Нормировка используется для корректного сравнения представленности одного и того же биомаркера или некоторой таксономической единицы между разными образцами микробиоты.
[0061] Также может осуществляться фильтрация малопредставленных таксонов - например, по следующему принципу: оставляются таксоны, представленность которых превышает 0,2% от общей микробной представленности не менее чем в 10% образцах.
[0062] Шаг 120: определяют значение по меньшей мере одного признака, связанного с состоянием микробиоты, на основании полученного по меньшей мере одного значения биомаркера.
[0063] Из полученной относительной представленности микроорганизмов и/или их генов в микробиоте кишечника выявляют биомаркеры (например, таксоны) ассоциированные с одним или более признаком, который характеризует состояние микробиоты пользователя. Значение признака показывает, как микробиота пользователя влияет на данный признак. Знания и факты о связях таксона бактерии и признака, а также таксона бактерии и продукта питания хранятся в предварительно созданной базе данных, которая содержит ассоциации и связи биомаркеров с признаками и/или продуктами.
[0064] В одном из вариантов реализации данного технического решения признаками могут быть:
• определенные заболевания, для которых известна связь с по меньшей мере одним биомаркером микробиоты (значение признака показывает степень защищенности от определенного заболевания, исходя из относительной представленности микроорганизмов или их генов);
• уровень пробиотических и других полезных бактерий (относительная представленность полезных бактерий сравнивается с границами нормы в популяции), перечень таких считается известным;
• способность микробиоты синтезировать метаболиты (витамины, короткоцепочечные жирные кислоты (КЖК), аминокислоты, и т.п.) на основе известных метаболических путей;
• способность микробиоты к расщеплению пищевых волокон.
[0065] В качестве признаков можно использовать гликемический ответ на определенные продукты питания или блюда, для которых известна связь с по меньшей мере одним биомаркером микробиоты. Гликемический ответ на некоторые продукты питания (например, банан) или блюда (например, макароны) может быть ассоциирован со значением определенного биомаркера микробиоты пользователя. В качестве примера таких биомаркеров могут быть таксоны, активно участвующие в расщеплении пищевых волокон, способность к быстрому расщеплению волокон может повысить скорость усвоения сахаров, а, следовательно, и гликемический индекс определенных продуктов.
[0066] Также возможно использование других признаков, для которых известна связь с тем или иным биомаркером, например, таких как способность к расщеплению глютена, способность к расщеплению лактозы, барьерные функции микробиоты и т.п.
[0067] Каждый из перечисленных признаков можно оценивать по отдельности или группировать по типу признака, с выставлением итогового значения за всю группу признаков (объединять в один признак). Например, способность микробиоты синтезировать метаболиты можно оценивать по каждому витамину или КЖК, для которых есть данные в базе ассоциаций об участии некоторой бактерии в синтезе данного метаболита, считая значение для каждого метаболита отдельным признаком, либо объединять их в один признак, выдавая итоговое общее значение. Аналогичное верно для остальных групп признаков.
[0068] Биомаркер может быть положительно или отрицательно ассоциирован с определенным признаком, в зависимости от влияния, которое оказывает данный таксон бактерии на состояние признака.
[0069] Значение признака может оцениваться по некоторой числовой шкале, например, в баллах от 0 до 10, либо от -1 (плохо/низкое), 0 (нейтрально/в норме), 1 (хорошо/высокое), либо категориально, или любым другим образом.
[0070] Некоторые заболевания могут быть ассоциированы с определенными биомаркерами, получаемыми из состава микробиоты кишечника. Такие связи могут быть получены из научных публикаций и исследований. Например, было проведено исследование отличий микробиоты кишечника у людей, больных сахарным диабетом 2-го типа от здоровых людей: в опытной группе преобладали бактерии рода Bacteroides и было меньше бактерий рода Prevotella по сравнению с контрольной выборкой, при этом представленность Bifidobacterium spp и Bacteroides vulgatus была ниже, a Clostridium leptum - выше, чем в контрольной группе. В одном из вариантов реализации для выявления подобных связей бактерия-заболевание можно использовать классификаторы, обученные на данных исследования, например, с использованием алгоритма “случайный лес” (англ. Random Forest). В данном примере бактерии рода Bacteroides положительно ассоциированы с сахарным диабетом 2-го типа, значит их высокий уровень ухудшает признак защищенности от данного заболевания, а низкий уровень таких бактерий наоборот улучшает признак; бактерии рода Prevotella отрицательно ассоциированы с сахарным диабетом 2-го типа, значит их высокий уровень улучшает защищенность от заболевания, низкий уровень таких бактерий наоборот ухудшает. Значение признака защищенности от сахарного диабета 2-го типа складывается из воздействия всех таксонов, ассоциированных с данным заболеванием. Вместе со значением признака может быть получен перечень таксонов, которые рекомендовано повысить (если в составе микробиоты обнаружена недостаточно высокая относительная представленность таксона, отрицательно ассоциированного с некоторым заболеванием) или понизить (если обнаружена повышенная относительная представленность таксона, положительно ассоциированного с некоторым заболеванием).
[0071] Значение признака (или признаков), отвечающего за уровень пробиотических и других полезных бактерий, может быть получено путем сравнения относительной представленности известного перечня таксонов в составе микробиоты пользователя с границами нормы в популяции по каждому таксону. Например, границами нормы в популяции для бактерии рода Christensenella считается относительная представленность 0.01%-0.06%, соответственно 0,14% Christensenella может считаться высоким уровнем представленности для данного таксона. Представленность каждого полезного таксона может считаться отдельным признаком, либо значение признака может быть рассчитано для всей группы пробиотиков. Вместе со значением признака может быть получен перечень таксонов, относительную представленность которых рекомендовано повысить.
[0072] Значение признака (или признаков), отвечающего за способность микробиоты синтезировать метаболиты (например, витамины В 1 , В2, ВЗ, В5, В6, В7, В9, К, масляную кислоту и др.) может быть получено следующим образом. В одном из вариантов осуществления в составе микробиоты определяют относительную представленность микроорганизмов или их генов, входящих в состав метаболического пути синтеза определенного витамина, КЖК или другого метаболита. Обычно в синтезе каждого метаболита участвует несколько таксонов. Их представленность соотносится со средним показателем в популяции, из чего делается вывод о способности микробиоты синтезировать тот или иной метаболит. Если значение признака по какому-то метаболиту недостаточно высокое, может быть получен перечень таксонов, относительную представленность которых рекомендовано повысить, чтобы улучшить способность к синтезу конкретного метаболита.
[0073] Значение признака, отвечающего за способность микробиоты к расщеплению пищевых волокон, может быть получено путем определения потенциала расщепления для каждого типа пищевого волокна из заранее заданного набора. В одном из вариантов осуществления можно оценить суммарную относительную представленность тех таксонов, которые участвуют в переваривании определенного пищевого волокна, и сравнить ее со средним показателем в популяции. Потенциал расщепления каждого волокна может считаться отдельным признаком, либо значение признака может быть рассчитано для всей группы пищевых волокон. Вместе со значением признака может быть получен перечень таксонов, относительную представленность которых рекомендовано повысить (если потенциал расщепления определенного волокна низок, то представленность связанных таксонов можно считать пониженной).
[0074] Предварительно может быть сформирована база данных с ассоциациями, которая включает информацию об известных связях между таксонами бактерий и признаками, характеризующими состояние микробиоты пользователя. Дополнительно база данных с ассоциациями может включает информацию о нормальной/средней относительной представленности таксона в популяции или другие граничные значения, позволяющие определить значение того или иного признака. В иллюстративном примере реализации база данных с ассоциациями реализована в виде одной или нескольких баз данных (в данном примере посредством таблиц), причем для каждого признака или типа связей может быть создана отдельная база, однако, для специалиста в данной области техники будет очевидно, что база ассоциаций может быть реализована другими способами, что не влияет на сущность технического решения.
[0075] Также дополнительно база данных с ассоциациями может содержать информацию о влиянии различных продуктов питания на таксоны бактерий, содержании пищевых волокон в тех или иных продуктах, и т.п. [0076] База ассоциаций для продуктов питания может формироваться и пополняться с использованием алгоритмов поиска и машинного анализа текста совместно с ручным наполнением на основании фактов о продуктах, прием которых положительно или отрицательно ассоциирован с определенным таксоном, характерным для микробиоты кишечника. База данных с ассоциациями для продуктов питания может содержать связи продукт-таксон, для продуктов питания, оказывающих влияние на некоторый таксон бактерий, а также содержать информацию о типе влияния (положительное влияние, если продукт способствует увеличению относительной представленности данного таксона, и отрицательное влияние, если способствует снижению относительной представленности). База ассоциаций для продуктов питания может также содержать аналогичные связи волокно-таксон, для пищевых волокон, оказывающих влияние на те или иные таксоны, а также информацию о том, какие пищевые волокна в каких продуктах питания представлены.
[0077] Примеры фрагментов данных из базы ассоциаций “продукт-биомаркер” могут быть сформированы следующим образом:
Figure imgf000018_0001
[0078] Примеры фрагментов данных из базы ассоциаций “пищевое волокно- биомаркер” могут быть сформированы следующим образом:
Figure imgf000018_0002
Figure imgf000019_0001
[0079] Шаг 130: формируют список с по меньшей мере одним продуктом питания для пользователя на основании по меньшей мере одного полученного значения биомаркера и/или по меньшей мере одного значения признака, связанного с состоянием микробиоты пользователя и определенного на предыдущем шаге.
[0080] После анализа данных о составе микробиоты кишечника и определения значений признаков пользователю может быть доступен список рекомендованных к употреблению продуктов, способствующих улучшению состояния признаков, и/или содержащих определенный набор пищевых волокон. Этот список создается исходя из полученных данных об относительной представленности в микробиоте биомаркеров, ассоциированных со здоровой микробиотой, долю которых необходимо поддерживать и/или увеличивать, а также биомаркеров, ассоциированных с нездоровой микробиотой, долю которых необходимо понижать.
[0081] В рекомендациях для пользователя предлагается повысить относительную представленность бактерий, которые отрицательно ассоциированы с определенным заболеванием и имеют низкую (ненулевую) и/или нормальную представленность, и не являются положительно ассоциированными с другими заболеваниями, а также понизить относительную представленность бактерий, которые положительно ассоциированы с заболеванием. Аналогично рекомендации формируются и по другим признакам, исходя из перечня таксонов, относительная представленность которых была недостаточно высокой на этапе вычисления значения признака.
[0082] В одном из вариантов реализации индивидуальный персонализированный список рекомендованных продуктов может быть сформирован следующим образом: • по каждому заболеванию-признаку с низким или средним уровнем защищенности от заболевания (значением признака) выбираются таксоны, которые отрицательно ассоциированы с заболеванием и имеют низкую (ненулевую) и/или нормальную относительную представленность бактерий, и также выбираются бактерии, которые положительно ассоциированы с заболеванием и имеют высокую относительную представленность;
• из пробиотических и других полезных бактерий выбираются таксоны с низкой (не нулевой) относительной представленностью;
• для пищевых волокон с низким или средним потенциалом к расщеплению выбираются ассоциированные таксоны с низкой (не нулевой) относительной представленностью;
• для метаболитов с низким уровнем синтеза выбираются таксоны с низкой (не нулевой) относительной представленностью, для которых характерно участие синтезе данного метаболита.
[0083] Далее в базе ассоциаций для продуктов питания могут быть найдены продукты, ассоциированные с выбранными таксонами, которые и являются рекомендованными. В одном из вариантов осуществления, если продукт негативно влияет на признаки пользователя (например, повышает представленность таксона, который рекомендовано понизить), то он тоже попадает в список рекомендаций с отрицательной рекомендацией.
[0084] Таким образом, в список рекомендованных продуктов попадают все продукты, которые ассоциированы по меньшей мере с одним признаком и влияют на состояние микробиоты пользователя. Дополнительно из этого списка могут быть исключены некоторые продукты, например, по причине аллергии, непереносимости, на основе результатов генетического теста, диагноза, Римских критериев IV и т.п. Пользователь также может отметить продукты для исключения (например, посредством предварительного анкетирования или отметки в уже сформированном списке рекомендованных продуктов).
[0085] Если для конкретного пользователя получено мало рекомендованных продуктов питания на основе его признаков (например, состав здоровой микробиоты кишечника может иметь недостаточно признаков для улучшения), то список рекомендованных продуктов может быть дополнен поддерживающими рекомендациями для пробиотических и других полезных бактерий из системы или от врача-диетолога, например, через мессенджер или чат-бот.
[0086] Данные, представляющие собой набор предлагаемых продуктов питания, в хранилище данных могут быть доступны через СУБД, которая может содержать одну или несколько программ, которые контролируют организацию, хранение, управление и поиск данных в базе данных. Также возможен вариант реализации технического решения через облачное хранилище данных, например, Google- таблицы. СУБД может получать запросы на доступ к информации в базе данных, сформированные, например в мобильном приложении на основании его рекомендаций по питанию, и может выполнять операции, необходимые для обеспечения этого доступа. Доступ, используемый здесь, может включать в себя чтение данных, запись данных, удаление данных, обновление данных, сочетание, включающие в себя два или более действий, упомянутых выше, и тому подобное.
[0087] База данных, хранящаяся в хранилище данных, может представлять из себя реляционную базу данных, объектно-ориентированную базу данных, иерархическую базу данных, сетевую базу данных, другие типы баз данных, некоторую комбинацию или расширение вышеупомянутого, и тому подобное. Данные, представляющие собой набор предлагаемых продуктов питания и хранящиеся в базе данных, могут быть организованы в виде таблиц, записей, объектов, других структур данных и т.п. Данные также могут храниться в специальных файлах базы данных, специальных разделах жестких дисков, HTML файлах, XML файлах, электронных таблицах, неструктурированных файлах, файлах документа, конфигурационных файлах, других файлах и т.п. База данных может ссылаться на набор данных, который предназначен только для чтения, или иметь возможность читать набор данных и записывать в него.
[0088] При описании аспектов описанного здесь изобретения для простоты здесь иногда используется терминология, связанная с реляционными базами данных. Хотя терминология реляционных баз данных иногда здесь используется, раскрытые идеи могут быть также применены к другим типам баз данных, включая те, которые были ранее упомянуты.
[0089] Источник (источники) пополнения (обогащения) данных может включать в себя любой другой субъект, который способен поставлять данные. Например, источник (источники) пополнения данных может включать в себя сервис, который принимает данные (например, код страны) и предоставляет данные (например, информацию о новых блюдах или продуктах питания этой страны) в ответ на это. Каждый источник пополнения данных может быть реализован посредством процесса, исполняемого одним или более компьютерами.
[0090] Рекомендация в некоторых вариантах реализации технического решения может отображаться на дисплее мобильного устройства связи пользователя или персонального компьютера, например, в мобильном приложении или на веб- сайте.
[0091] Шаг 140: определяют персонализированный рейтинг продуктов питания из списка, сформированного на предыдущем шаге.
[0092] В альтернативном варианте реализации рейтинг может быть подсчитан для всех продуктов питания, доступных в базе данных.
[0093] Для каждого продукта рассчитывают значение рейтинга, которое будет складываться из влияния данного продукта на каждый признак (которое может быть отрицательным или положительным), причем чем выше рейтинг, тем данный продукт считается полезнее для микробиоты пользователя. Если рейтинг окажется отрицательным, то рекомендация по данному продукту тоже отрицательная, т.е. рекомендовано отказаться от употребления данного продукта питания. Если продукт не влияет на микробиоту, его рейтинг равен нулю.
[0094] При этом стоит отметить, что если влияние некоторого продукта питания на таксон отрицательно, но данный таксон было рекомендовано понизить на основе какого-то признака, то влияние продукта на этот признак будет положительным. Аналогично, если таксон было рекомендовано понизить на основе какого-то признака, а продукт питания положительно влияет на этот таксон, то влияние продукта на этот признак будет отрицательным.
[0095] Для подсчета рейтинга продуктов можно использовать различные способы и формулы без ограничений, при этом способ подсчета может учитывать не только тип влияния на признак (положительное или отрицательное), но и начальный уровень представленности таксона в микробиоте пользователя, значимость самого признака, количество таксонов в рамках одного признака или группы признаков, на которые влияет данный продукт, а также другие параметры.
[0096] Например, рейтинг w для продукта питания можно рассчитать как взвешенную сумму по всем признакам пользователя w = гДе Pi - тип влияния на конкретный признак, например -1, если продукт влияет на признак отрицательно, 1 - влияет положительно, 0 - не влияет; Z; - коэффициент, учитывающий начальный уровень представленности таксона, на который влияет продукт в рамках данного признака (например, соответствующие коэффициенты для высокого, нормального или низкого уровня); kt - поправочный коэффициент, учитывающий значимость самого признака, например, 0,5 для влияния на признак из группы метаболитов, 1 - для заболевания, 2 - для пробиотиков. Поправочные коэффициенты подбираются заранее и позволяют скорректировать вклад каждого признака, в том числе можно установить более высокие коэффициенты, если значение признака вычислялось общее для всей группы признаков. Предложенная формула может содержать дополнительное слагаемое или коэффициент, учитывающее количество таксонов в рамках данного признака, на которые положительно или отрицательно влияет продукт питания.
[0097] Рейтинг продуктов питания, подсчитанные таким способом, отражают степень полезности данного продукта питания для микробиоты пользователя и являются персонализированными. Продукты питания, получившие положительный рейтинг, расцениваются как рекомендованные к употреблению.
[0098] Для каждого продукта питания может дополнительно храниться справочная информация, которая может включать информацию о влиянии продукта на микробиоту и признаки данного пользователя, общую информацию о пользе/вреде этого продукта, содержании микроэлементов, волокон, пищевой ценности, рекомендованной суточной норме, связи с заболеваниями, иммунитетом, рекомендации по способу приготовления, интересные факты, и т.п. Например, справочная информация может быть доступна при просмотре карточки продукта (отдельного информационного окна или страницы), альтернативно может быть показана непосредственно в списке рекомендованных продуктов.
[0099] В некоторых вариантах реализации технического решения формируют сокращенный список рекомендованных продуктов на заданный промежуток времени.
[0100] Заданный промежуток времени, не ограничиваясь, может быть установлен, например, в одну неделю, день, месяц, квартал, полгода и так далее. Для понимания сущности технического решения далее описывается вариант реализации, в котором заданный промежуток времени установлен в одну неделю. [0101] Такой список содержит фиксированное количество продуктов (например, 10), причем каждую неделю список формируется заново. Поскольку список рекомендованных продуктов может содержать довольно длинный перечень позиций, в данном техническом решении предлагается сформировать подборку из нескольких рекомендованных продуктов питания, которая будет регулярно обновляться, например 1 раз в неделю. Это позволит постепенно знакомить пользователя с продуктами, которые ему полезно добавлять в свой рацион.
[0102] Список на неделю формируется случайным образом из полного списка продуктов, положительно рекомендованных пользователю, где вероятность попадания продукта в список на неделю тем выше, чем выше рейтинг данного продукта. Список на неделю направлен на то, чтобы побудить пользователя попробовать все продукты из этого списка в течении недели. Вместо недели может использоваться любой другой фиксированный отрезок времени без ограничений. В одном из вариантов осуществления список на неделю формируется из полного списка рекомендованных продуктов способом, описанным ниже.
[0103] В одном варианте реализации, как показано на Фиг. 5, для формирования списка на новую неделю (507) полный список положительно рекомендованных продуктов (501) может быть ранжирован по значению рейтинга. Продукты, которые были отображены в списке на текущую неделю могут быть отправлены в конец ранжированного списка независимо от их рейтинга. Затем список можно разделить на группы и умножить значение рейтинга продуктов из разных групп на заданные коэффициенты, чтобы увеличить разницу этих значений, получив новые значения w' (502), и повлиять на распределение вероятности. Вероятность, с которой продукт попадет в список на новую неделю, пропорциональна получившимся значениям w'. Например, можно разделить список рекомендованных продуктов на три равные группы (если количество позиций в списке не кратно трем, то в какой-то группе/группах будет на один продукт больше, например в группе с более высоким рейтингом продуктов).
[0104] В альтернативном варианте реализации вероятность, с которой продукт попадет в список на новую неделю, пропорциональна рейтингу продукта, где для рейтинга продуктов из текущего списка на неделю можно использовать понижающие коэффициенты (502), чтобы уменьшить вероятность повтора. [0105] С целью разнообразить рацион пользователя, при составлении списка на неделю можно использовать дополнительные условия, чтобы список содержал продукты из разных категорий, если такая категория присутствует в полном списке рекомендованных продуктов. Примеры возможных категорий продуктов: овощи, фрукты и ягоды, молочные продукты, злаковые, бобовые и т.д.
[0106] В одном из вариантов реализации вычисляется процент/доля продуктов из каждой категории (503), представленных в полном списке рекомендаций (501), затем в списке на неделю выделяется фиксированное количество мест для каждой категории (504) в соответствии с их процентом/долей представленности в общем списке, но по меньшей мере одно место для каждой категории. Если какая- то категория представлена малым количеством рекомендованных продуктов или по меньшей мере одним продуктом, то для нее будет выделено по меньшей мере одно место в списке на неделю за счёт уменьшения количества мест наиболее представленной категории. Если какая-то категория не представлена в полном списке рекомендованных продуктов, то места в списке на неделю под такую категорию не выделяются.
[0107] Например, для расчёта вероятности (505) выбора продукта можно использовать формулу: pt =
Figure imgf000025_0001
, где суммирование значений рейтингов в
Zwi знаменателе выполняется по всем продуктам из списка положительно рекомендованных, или по всем продуктам из данного списка в пределах каждой категории отдельно.
[0108] Список на неделю (507) формируется путем случайного выбора N продуктов из каждой категории (506), где N - число выделенных мест, а вероятность для продукта быть выбранным соответствует рассчитанной ранее pt (502).
[0109] Если какой-то продукт питания, представленный в текущем списке на неделю, пользователь отмечает исключенным из своего рациона посредством мобильного приложения или веб-сайта, то он может автоматически исключаться из списка на неделю и заменяться другим продуктом.
[0110] В некоторых вариантах осуществления технического решения направляют список рекомендуемых продуктов питания, а также нерекомендуемых на мобильное устройство связи пользователя посредством использования любой приемлемой технологии беспроводной связи, такой как стандарт IEEE 802.11, протоколы Bluetooth, UWB, Worldwide Interoperability for Microwave Access (WiMax) и протоколы сотовой связи, например, службы пакетной связи общего пользования (GPRS).
[0111] Шаг 150: получают данные о по меньшей мере одном продукте питания и/или блюде пользователя.
[0112] Отслеживание своего рациона пользователь может осуществлять с помощью фотографий/изображений/аудиозаписей съеденных блюд или посредством перечня продуктов, предоставляемого пользователем. Каждому блюду или продукту выставляется индивидуальный балл, который отображает общую полезность для пользователя и разнообразность его рациона.
[0113] В некоторых вариантах реализации данные о продукте пользователя, который он съел или собирается съесть представляют из себя внесенный пользователем перечень продуктов или ингредиентов блюда, изображение блюда или продукта питания (которое потом распознается), аудиозапись со списком продуктов (которая потом распознается), описание продукта питания с весом, калориями, микроэлементами, производителем и так далее, например, в формате doc, xls, pdf и так далее, не ограничиваясь. Специалисту в уровне техники очевидно, что данные о продукте питания могут быть представлены в любом известном формате данных для распознавания.
[0114] Ниже будет подробно раскрыт пример реализации, согласно которому данные о продукте пользователя или блюде представлены в виде изображения.
[0115] Например, изображение блюда, например, может представлять собой фотографию любой еды и/или напитка, в том числе отдельного продукта. Фотография/изображение еды может быть передана на сервер посредством любого мобильного устройства связи пользователя, оснащенного фото- или видеокамерой. Изображение еды может быть загружено через приложение, сайт, отправлено в виде сообщения через мессенджеры, в том числе через чат-бот, посредством мобильной связи или другим доступным способом по любому каналу передачи данных.
[0116] Далее на основании полученного на предыдущем шаге по меньшей мере одного изображения определяют продукты, из который состоит блюдо и/или идентифицируют сам продукт. [0117] Для определения продуктов, представленных на изображении, например, может быть выполнено распознавание набора ингредиентов на изображении блюда, как показано на Фиг. 2. Пользователь может отметить продукты, которые присутствуют в блюде и списка распознанных системой и/или ввести другие ингредиенты посредством поиска по названию продукта. В некоторых вариантах реализации технического решения список распознанных продуктов (ингредиентов) может быть далее скорректирован пользователем. Если в процессе распознавания/анализа изображения не было обнаружено ни одного продукта, то они могут быть внесены/отмечены вручную, используя базу данных продуктов, которая может храниться, например, в базе ассоциаций.
[0118] В одном из вариантов реализации распознавание перечня продуктов на изображении блюда может быть выполнено следующим образом. Для анализа изображения используется глубокая сверточная искусственная нейронная сеть, которая на вход получает изображение блюда или продукта питания, а на выходе формирует N-мерный вектор визуальных признаков изображения, в котором закодирована визуальная информация анализируемого изображения. Полученный вектор далее подается на вход искусственной нейронной сети декодера, который представляет собой, например, многослойный перцептрон, RNN или декодер модели Трансформер (англ. “Transformer decoder”), не ограничиваясь. На выходе декодера получается набор векторов, кодирующих определенные ингредиенты блюда. Альтернативно на выходе может получиться вектор вероятностей для всего набора анализируемых ингредиентов, а результатом распознавания изображения будет набор ингредиентов, который наиболее хорошо по внутренним весам нейросети соответствует вектору визуальных признаков изображения.
[0119] В некоторых вариантах осуществления используют сверточную нейронную сеть (CNN) совместно с рекуррентной нейронной сетью (RNN).
[0120] В некоторых вариантах реализации технического решения могут использоваться другие методы, используемые для распознавания и классификации продуктов: байесовские сети, многослойные нейронные сети, скрытые Марковские модели, деревья решений, SVM, kNN и т.д.
[0121] Обучение искусственных нейронных сетей проводится на наборе данных, имеющихся в открытом доступе, например, таких как Recipe1M+, для которых предварительно в полуавтоматическом режиме была проведена фильтрация и разметка всех ингредиентов блюда. Причем разметка ингредиентов блюда может представлять собой перечень продуктов, соответствующих изображению, и не требовать выделения отдельных продуктов на изображении. Например, перечень возможных ингредиентов может быть получен путем автоматизированного сбора данных (жарг. “парсинга”) с сайтов с рецептами. Сложные ингредиенты блюда предварительно раскладывают на более простые составляющие для снижения размерности выходного вектора нейронной сети, а также для получения на выходе более релевантного списка ингредиентов (к примеру "творог в сливках" можно разложить до "творог" и "сливки", поскольку для влияния на микробиоту кишечника имеют значение только отдельные компоненты).
[0122] Далее каждый продукт можно оценить с точки зрения его пользы для организма пользователя и/или его микробиоты кишечника. Для оценки полезности продуктов используется информация о содержании нутриентов в составе продуктов питания. Такая информация может включать в себя связи продукт- нутриент и количество нутриента (например, количество грамм нутриента на 100 грамм продукта), и храниться в базе продуктов, например в базе ассоциаций.
[0123] Шаг 160: формируют балл для по меньшей мере одного продукта питания и/или блюда, полученного на предыдущем шаге, на основании рейтинга продуктов питания, сформированного ранее.
[0124] Балл, выставленный продукту может учитывать различные критерии, связанные с полезностью продукта, такие как: рейтинг продукта в списке рекомендованных или нерекомендованных продуктов, наличие пищевых волокон, макро- и микроэлементов и их количество, разнообразие/однообразие рациона, наличие продукта в списке на неделю, ферментация продукта, способ приготовления и т.п. Если продукт отсутствует в списке рекомендованных и нерекомендованных, можно считать, что его рейтинг равен нулю.
[0125] Оценка по некоторым критериям может уменьшать итоговый балл продукта (штрафовать), что равносильно начислению отрицательного количества баллов.
[0126] В одном из вариантов реализации балл для продукта может быть рассчитан как сумма промежуточных баллов по каждому из заданных критериев, причем количество баллов задается предварительно.
[0127] Пример подсчета по критериям может быть раскрыт следующим образом: • прибавлять баллы за разнообразие, когда данный продукт первый раз съеден за неделю;
• штрафовать за однообразие (вычитать баллы), когда продукт съеден больше определенного количества раз в неделю (например, чаще 4-х раз за текущую неделю), это число может быть одинаковым, а может задаваться отдельно для каждого продукта или категории продуктов;
• прибавлять баллы за наличие в продукте витамина или другого нутриента, баллы могут быть одинаковыми для всех нутриентов, либо отличаться, при этом можно начислять увеличенное количество баллов, для продуктов с высоким содержанием нутриента;
• прибавлять баллы за наличие в продукте пищевых волокон, при этом можно начислять увеличенное количество баллов, для продуктов с высоким содержанием пищевых волокон;
• штрафовать за высокое содержание сахаров;
• штрафовать за наличие насыщенных жиров;
• штрафовать за алкоголь;
• прибавлять баллы за ферментированность ингредиента;
• прибавлять баллы, если продукт из списка на неделю;
• учитывать рейтинг продукта в списке рекомендаций (прибавлять балл, равный рейтингу, либо рейтингу, умноженному на заданный заранее коэффициент).
[0128] Баллы/штраф за каждый из критериев могут начисляться за наличие какого- то нутриента в продукте (например, начисляется 5 баллов за наличие в продукте витамина С), или когда количество нутриента в данном продукте превосходит некоторое значение (например, начисляется 5 баллов, если в продукте больше или равно 12 миллиграмм витамина С на 100 грамм продукта; начисляется 10 баллов, если его больше или равно 24 мг на 100 г продукта.
[0129] Дополнительно могут использоваться другие критерии для оценки продукта, учитывающие способ приготовления блюда, использование специй, объем порции, калорийность, и т.п.
[0130] На Фиг. 3 представлен пример оцененного блюда пользователя и расшифровка о том, как был выставлен балл для некоторых продуктов в блюде. [0131] Предлагаемый способ оценки продуктов учитывает не только общие критерии полезности продукта, но и индивидуальные потребности пользователя, влияние продукта на микробиоту данного пользователя.
[0132] В некоторых вариантах реализации технического решения формируют балл, рассчитанный для всего блюда в целом.
[0133] Итоговый балл, выставленный блюду, может быть получен путем комбинации баллов за отдельные ингредиенты (например, посредством определения среднего арифметического, суммирования и т.п.), выставленных по каждому продукту из его состава. В некоторых вариантах реализации итоговый балл может нормироваться (например, со значениями от 0 до 10).
[0134] Таким образом в ответ на изображение блюда, которое может быть получено на шаге 150, пользователь получает
• индивидуальную оценку полезности данного блюда для его организма и/или его микробиоты;
• расшифровку о том, как был выставлен этот балл, т.е. оценку каждому продукту и/или критерию;
• а также информацию по каждому продукту в составе блюда о влиянии данного продукта на признаки пользователя.
[0135] Предложенный способ позволяет пользователю помимо общей информации о полезном питании получать персональную информацию о пользе каждого съеденного блюда и/или продукта, включая информацию о том, как каждый продукт влияет на его микробиоту кишечника.
[0136] Шаг 170: формируют заключение о качестве питания пользователя на основании балла, полученного ранее, и/или по меньшей мере одну рекомендацию для пользователя на основании персонализированного рейтинга продуктов питания пользователя.
[0137] Заключение о качестве питания пользователя включает информацию о том, является ли полезным для микробиоты пользователя продукт или блюдо, информацию о которых пользователь указал, например, в мобильном приложении или на сайте, и основано на количестве баллов, присвоенных продукту или блюду на шаге 160 ранее. Количество присваиваемых баллов может быть основано на содержании нутриентов в продукте или блюде, влияющих на состояние микробиоты, наличие продуктов ферментирования или брожения в продукте или блюде, наличие микроорганизмов в продукте, наличие химических веществ, образующихся в процессе термической обработки продукта, наличие консервантов, стабилизаторов, красителей, ароматизаторов и других химических веществ, связанных с изменением состояния микробиоты пользователя. Заключение выдается в текстовой форме, в виде изображения или в аудио формате, например, через мобильное приложение или на сайте.
[0138] Рекомендация по питанию для пользователя является призывом совершать действия, направленные на изменение характера питания пользователя. Они могут включать информацию об изменении количества конкретных продуктов или блюд в рационе, о количестве упоребляемых пробиотиков и пребиотиков, пищевых добавок, в том числе витаминных и/или минеральных и комплексных, с другими нутриентами (например, с жирными кислотами и т.д.). Также это может быть рекомендация изменить число приемов пищи, объем приема пищи (порции), время приема пищи. Также это может быть рекомендация обратиться за консультацией к медицинскому специалисту, нутрициологу и/или диетологу. Также это может быть запрос внести в систему, например, посредством мобильного приложения, дополнительные данные о пользователе, например, вес, рост, наличие заболеваний, наличие дополнительных генетических данных и т.д. Рекомендации выдаются в текстовой форме, в виде изображения или в аудио формате, например, через мобильное приложение или на сайте.
[0139] Помимо оценки за текущее блюдо пользователю доступна информация по ранее съеденным блюдам и/или загруженным изображениям. Также отображается перечень продуктов из списка на текущую неделю, при этом продукты, которые пользователь уже пробовал в течении недели визуально отличаются от тех, которые человек не ел ни разу за текущую неделю. Пользователю может быть доступна сводная информация по результатам текущей недели, дня, месяца, а также прошедших недель, дней, месяцев или других отрезков времени. Сводная информация может включать суммарное число набранных баллов, суммарное влияние на признаки пользователя, отображение полного рациона (перечень съеденных продуктов и количество раз употребления), за указанный промежуток времени, и др.
[0140] Суммарное влияние на признаки пользователя может отображаться следующим образом. По каждому из признаков, которые требовали улучшения по результатам анализа микробиоты (т.е. те признаки, для которых были рекомендации по питанию), показана динамика по данному признаку за указанный промежуток времени (например, неделю), динамика может быть показана в категориях “хорошо”/“нейтрально7“плохо”, с использованием цветовых обозначений, пиктограмм или иным образом, и информирует пользователя, как его рацион за данный промежуток времени суммарно повлиял на данный признак. Для этого может использоваться следующий принцип, на примере итога за неделю: недельный рацион повлиял “хорошо” на данный признак, если разница между числом положительно повлиявших блюд и числом отрицательно повлиявших блюд больше заданного значения; недельный рацион повлиял “плохо”, если число положительно повлиявших блюд оказалось меньше числа отрицательно повлиявших блюд на заданное значение; во всех остальных случаях влияние рациона будет считаться “нейтральным”.
[0141] В некоторых вариантах реализации по итогам недели могут начисляться дополнительные баллы, например, если пользователь попробовал все продукты из списка на неделю, съел более определенного количества разных продуктов и/или разных источников пищевых волокон в течении недели, и т.п. Также может быть доступно сравнение с результатами прошлой недели, сравнение с баллом за прошлую неделю/день/месяц, сравнение с результатами других пользователей и т.п. Пользователь имеет возможность листать недели/дни/месяцы и переходить на карточку выбранной недели/дня/месяца, куда загружаются все данные за выбранный период.
[0142] Формирование привычки здорового питания позволит улучшать общее состояние здоровья пользователей и снижать риски возникновения заболеваний.
[0143] Ссылаясь на Фиг. 4, данное техническое решение может быть реализовано в виде вычислительной системы 400 отслеживания рациона и формирования заключения о качестве питания пользователя и/или индивидуальных рекомендаций по питанию для пользователя, которая содержит один или более из следующих компонентов:
• компонент 401 обработки, содержащий по меньшей мере один процессор
402,
• память 403,
• компонент 405 мультимедиа,
• компонент 406 аудио,
• интерфейс 407 ввода / вывода (I / О), • сенсорный компонент 408,
• компонент 409 передачи данных.
[0144] Компонент 401 обработки в основном управляет всеми операциями системы 400, например, осуществляет обработку данных о микробиоте, а также управляет дисплеем, телефонным звонком, передачей данных, работой камеры и операцией записи мобильного устройства связи пользователя для выполнения снимков продуктов питания. Компонент 401 обработки может включать в себя один или более процессоров 402, реализующих инструкции для завершения всех или части шагов из указанных выше способов. Кроме того, компонент 401 обработки может включать в себя один или более модулей для удобного процесса взаимодействия между другими модулями 401 обработки и другими модулями. Например, компонент 401 обработки может включать в себя мультимедийный модуль для удобного облегченного взаимодействия между компонентом 405 мультимедиа и компонентом 401 обработки.
[0145] Память 403 выполнена с возможностью хранения различных типов данных для поддержки работы системы 400, например, базу данных с профилями пользователей. Примеры таких данных включают в себя инструкции из любого приложения или способа, контактные данные, данные адресной книги, сообщения, изображения, видео, и т. д., и все они работают на системе 400. Память 403 может быть реализована в виде любого типа энергозависимого запоминающего устройства, энергонезависимого запоминающего устройства или их комбинации, например, статического оперативного запоминающего устройства (СОЗУ), Электрически-Стираемого Программируемого постоянного запоминающего устройства (ЭСППЗУ), Стираемого Программируемого постоянного запоминающего устройства (СППЗУ), Программируемого постоянного запоминающего устройства (ППЗУ), постоянного запоминающего устройства (ПЗУ), магнитной памяти, флэш-памяти, магнитного диска или оптического диска и другого, не ограничиваясь.
[0146] Компонент 405 мультимедиа включает в себя экран, обеспечивающий выходной интерфейс между системой 400, которая может быть установлена на мобильном устройстве связи пользователя и пользователем. В некоторых вариантах реализации, экран может быть жидкокристаллическим дисплеем (ЖКД) или сенсорной панелью (СП). Если экран включает в себя сенсорную панель, экран может быть реализован в виде сенсорного экрана для приема входного сигнала от пользователя. Сенсорная панель включает один или более сенсорных датчиков в смысле жестов, прикосновения и скольжения по сенсорной панели. Сенсорный датчик может не только чувствовать границу прикосновения пользователя или жест перелистывания, но и определять длительность времени и давления, связанных с режимом работы на прикосновение и скольжение. В некоторых вариантах осуществления компонент 405 мультимедиа включает одну фронтальную камеру и/или одну заднюю камеру. Когда система 400 находится в режиме работы, например, режиме съемки или режиме видео, фронтальная камера и/или задняя камера могут получать данные мультимедиа извне. Каждая фронтальная камера и задняя камера может быть одной фиксированной оптической системой объектива или может иметь фокусное расстояние или оптический зум.
[0147] Компонент 406 аудио выполнен с возможностью выходного и/или входного аудио сигнала. Например, компонент 406 аудио включает один микрофон (MIC), который выполнен с возможностью получать внешний аудиосигнал, когда система 400 находится в режиме работы, например, режиме вызова, режима записи и режима распознавания речи. Полученный аудиосигнал может быть далее сохранен в памяти 403 или направлен по компоненту 409 передачи данных. В некоторых вариантах осуществления компонент 406 аудио также включает в себя один динамик, выполненный с возможностью вывода аудио сигнала.
[0148] Интерфейс 407 ввода / вывода (I / О) обеспечивает интерфейс между компонентом 401 обработки и любым периферийным интерфейсным модулем. Вышеуказанным периферийным интерфейсным модулем может быть клавиатура, руль, кнопка, и т. д. Эти кнопки могут включать, но не ограничиваясь, кнопку запуска, кнопку регулировки громкости, начальную кнопку и кнопку блокировки.
[0149] Сенсорный компонент 408 содержит один или более сенсоров и выполнен с возможностью обеспечения различных аспектов оценки состояния системы 400. Например, сенсорный компонент 408 может обнаружить состояния вкл/выкл системы 400, относительное расположение компонентов, например, дисплея и кнопочной панели, одного компонента системы 400, наличие или отсутствие контакта между пользователем и системой 400, а также ориентацию или ускорение/замедление и изменение температуры системы 400. Сенсорный компонент 408 содержит бесконтактный датчик, выполненный с возможностью обнаружения присутствия объекта, находящегося поблизости, когда нет физического контакта. Сенсорный компонент 408 содержит оптический датчик (например, КМОП или ПЗС-датчик изображения) выполненный с возможностью использования в визуализации приложения. В некоторых вариантах сенсорный компонент 408 содержит датчик ускорения, датчик гироскопа, магнитный датчик, датчик давления или датчик температуры.
[0150] Компонент 409 передачи данных выполнен с возможностью облегчения проводной или беспроводной связи между системой 400 и другими устройствами. Система 400 может получить доступ к беспроводной сети на основе стандарта связи, таких как WiFi, 2G, 3G, 4G, 5G, или их комбинации. В одном примерном варианте компонент 409 передачи данных получает широковещательный сигнал или трансляцию, связанную с ними информацию из внешней широковещательной системы управления через широковещательный канал. В одном варианте осуществления компонент 409 передачи данных содержит модуль коммуникации ближнего поля (NFC), чтобы облегчить ближнюю связь. Н1апример, модуль NFC может быть основан на технологии радиочастотной идентификации (RFID), технологии ассоциации передачи данных в инфракрасном диапазоне (IrDA), сверхширокополосных (UWB) технологии, Bluetooth (ВТ) технологии и других технологиях.
[0151] В примерном варианте осуществления система 400 может быть реализована посредством одной или более Специализированных Интегральных Схем (СИС), Цифрового Сигнального Процессора (ЦСП), Устройств Цифровой Обработки Сигнала (УЦОС), Программируемым Логическим Устройством (ПЛУ), логической микросхемой, программируемой в условиях эксплуатации (ППВМ), контроллера, микроконтроллера, микропроцессора или других электронных компонентов, и может быть сконфигурирован для реализации способа 100 отслеживания рациона и формирования заключения о качестве питания пользователя и/или индивидуальных рекомендаций по питанию для пользователя.
[0152] В примерном варианте осуществления энергонезависимый машиночитаемый носитель содержит память 403, которая включает инструкции, где инструкции выполняются процессором 401 системы 400 для реализации описанных выше способов отслеживания рациона и формирования заключения о качестве питания пользователя и/или индивидуальных рекомендаций по питанию для пользователя. Н1апример, энергонезависимым машиночитаемым носителем может быть ПЗУ, оперативное запоминающее устройство (ОЗУ), компакт-диск, магнитная лента, дискеты, оптические устройства хранения данных и тому подобное.
[0153] Вычислительная система 400 может включать в себя интерфейс дисплея, который передает графику, текст и другие данные из коммуникационной инфраструктуры (или из буфера кадра, не показан) для отображения на компоненте 405 мультимедиа. Вычислительная система 400 дополнительно включает в себя устройства ввода или периферийные устройства. Периферийные устройства могут включать в себя одно или несколько устройств для взаимодействия с мобильным устройством связи пользователя, такие как клавиатура, микрофон, носимое устройство, камера, один или более звуковых динамиков и другие датчики. Периферийные устройства могут быть внешними или внутренними по отношению к мобильному устройству связи пользователя. Сенсорный экран может отображать, как правило, графику и текст, а также предоставляет пользовательский интерфейс (например, но не ограничиваясь ими, графический пользовательский интерфейс (GUI)), через который пользователь может взаимодействовать с мобильным устройством связи пользователя, например, получать доступ и взаимодействовать с приложениями, запущенными на устройстве, смотреть подробно баллы по продуктам питания и сформированные рекомендации по питанию.
[0154] Элементы заявляемого технического решения находятся в функциональной взаимосвязи, а их совместное использование приводит к созданию нового и уникального технического решения. Таким образом, все блоки функционально связаны.
[0155] Все блоки, используемые в системе, могут быть реализованы с помощью электронных компонент, используемых для создания цифровых интегральных схем, что очевидно для специалиста в данном уровне техники. Не ограничиваюсь, могут использоваться микросхемы, логика работы которых определяется при изготовлении, или программируемые логические интегральные схемы (ПЛИС), логика работы которых задаётся посредством программирования. Для программирования используются программаторы и отладочные среды, позволяющие задать желаемую структуру цифрового устройства в виде принципиальной электрической схемы или программы на специальных языках описания аппаратуры: Verilog, VHDL, AHDL и др. Альтернативой ПЛИС могут быть программируемые логические контроллеры (ПЛК), базовые матричные кристаллы (БМК), требующие заводского производственного процесса для программирования; ASIC - специализированные заказные большие интегральные схемы (БИС), которые при мелкосерийном и единичном производстве существенно дороже.
[0156] Обычно, сама микросхема ПЛИС состоит из следующих компонент:
• конфигурируемых логических блоков, реализующих требуемую логическую функцию;
• программируемых электронных связей между конфигурируемыми логическими блоками;
• программируемых блоков ввода/вывода, обеспечивающих связь внешнего вывода микросхемы с внутренней логикой.
[0157] Также блоки могут быть реализованы с помощью постоянных запоминающих устройств.
[0158] Таким образом, реализация всех используемых блоков достигается стандартными средствами, базирующимися на классических принципах реализации основ вычислительной техники.
[0159] Как будет понятно специалисту в данной области техники, аспекты настоящего технического решения могут быть выполнены в виде системы, способа или компьютерного программного продукта. Соответственно, различные аспекты настоящего технического решения могут быть реализованы исключительно как аппаратное обеспечение, как программное обеспечение (включая прикладное программное обеспечение и так далее) или как вариант осуществления, сочетающий в себе программные и аппаратные аспекты, которые в общем случае могут упоминаться как «модуль», «система» или «архитектура». Кроме того, аспекты настоящего технического решения могут принимать форму компьютерного программного продукта, реализованного на одном или нескольких машиночитаемых носителях, имеющих машиночитаемый программный код, который на них реализован.
[0160] Также может быть использована любая комбинация одного или нескольких машиночитаемых носителей. Машиночитаемый носитель хранилища может представлять собой, без ограничений, электронную, магнитную, оптическую, электромагнитную, инфракрасную или полупроводниковую систему, аппарат, устройство или любую подходящую их комбинацию. Конкретнее, примеры (неисчерпывающий список) машиночитаемого носителя хранилища включают в себя: электрическое соединение с помощью одного или нескольких проводов, портативную компьютерную дискету, жесткий диск, оперативную память (ОЗУ), постоянную память (ПЗУ), стираемую программируемую постоянную память (EPROM или Flash-память), оптоволоконное соединение, постоянную память на компакт-диске (CD-ROM), оптическое устройство хранения, магнитное устройство хранения или любую комбинацию вышеперечисленного. В контексте настоящего описания, машиночитаемый носитель хранилища может представлять собой любой гибкий носитель данных, который может содержать или хранить программу для использования самой системой, устройством, аппаратом или в соединении с ними.
[0161] Программный код, встроенный в машиночитаемый носитель, может быть передан с помощью любого носителя, включая, без ограничений, беспроводную, проводную, оптоволоконную, инфракрасную и любую другую подходящую сеть или комбинацию вышеперечисленного.
[0162] Компьютерный программный код для выполнения операций для шагов настоящего технического решения может быть написан на любом языке программирования или комбинаций языков программирования, включая объектно- ориентированный язык программирования, например Python, R, Java, Smalltalk, C++ и так далее, и обычные процедурные языки программирования, например язык программирования «С» или аналогичные языки программирования. Программный код может выполняться на компьютере пользователя полностью, частично, или же как отдельный пакет программного обеспечения, частично на компьютере пользователя и частично на удаленном компьютере, или же полностью на удаленном компьютере. В последнем случае, удаленный компьютер может быть соединен с компьютером пользователя через сеть любого типа, включая локальную сеть (LAN), глобальную сеть (WAN) или соединение с внешним компьютером (например, через Интернет с помощью Интернет- провайдеров).
[0163] Аспекты настоящего технического решения были описаны подробно со ссылкой на блок-схемы, принципиальные схемы и/или диаграммы способов, устройств (систем) и компьютерных программных продуктов в соответствии с вариантами осуществления настоящего технического решения. Следует иметь в виду, что каждый блок из блок-схемы и/или диаграмм, а также комбинации блоков из блок-схемы и/или диаграмм, могут быть реализованы компьютерными программными инструкциями. Эти компьютерные программные инструкции могут быть предоставлены процессору компьютера общего назначения, компьютера специального назначения или другому устройству обработки данных для создания процедуры, таким образом, чтобы инструкции, выполняемые процессором компьютера или другим программируемым устройством обработки данных, создавали средства для реализации функций/действий, указанных в блоке или блоках блок-схемы и/или диаграммы.
[0164] Эти компьютерные программные инструкции также могут храниться на машиночитаемом носителе, который может управлять компьютером, отличным от программируемого устройства обработки данных или отличным от устройств, которые функционируют конкретным образом, таким образом, что инструкции, хранящиеся на машиночитаемом носителе, создают устройство, включающее инструкции, которые осуществляют функции/действия, указанные в блоке блок- схемы и/или диаграммы.

Claims

ФОРМУЛА
1. Способ отслеживания рациона и формирования заключения о качестве питания пользователя и/или индивидуальных рекомендаций по питанию для пользователя, выполняемый по меньшей мере посредством одного процессора и включающий следующие шаги:
• получают данные о состоянии микробиоты пользователя, содержащие по меньшей мере одно значение биомаркера;
• определяют значение по меньшей мере одного признака, связанного с состоянием микробиоты, на основании полученного по меньшей мере одного значения биомаркера;
• формируют список с по меньшей мере одним продуктом питания для пользователя на основании по меньшей мере одного полученного значения биомаркера и/или по меньшей мере одного значения признака, связанного с состоянием микробиоты пользователя и определенного на предыдущем шаге;
• определяют персонализированный рейтинг продуктов питания из списка, сформированного на предыдущем шаге;
• получают данные о по меньшей мере одном продукте питания и/или блюде пользователя;
• формируют балл для по меньшей мере одного продукта питания и/или блюда, полученного на предыдущем шаге, на основании рейтинга продуктов питания, сформированного ранее;
• формируют по меньшей мере одно заключение о качестве питания пользователя на основании балла, полученного ранее, и/или по меньшей мере одну рекомендацию для пользователя на основании персонализированного рейтинга продуктов питания пользователя.
2. Способ по п. 1, характеризующийся тем, что получают данные о состоянии микробиоты кишечника путем секвенирования образца биологического материала и/или в результате биохимического или микробиологического исследования.
3. Способ по п. 1, характеризующийся тем, что биомаркером может быть относительная и/или абсолютная представленность микроорганизмов и/или их генов в биологическом материале.
4. Способ по п. 1, характеризующийся тем, что при определении персонализированного рейтинга продуктов питания значение рейтинга вычисляется из совокупного влияния данного продукта на каждый признак, связанный с состоянием микробиоты пользователя, и чем выше рейтинг, тем данный продукт полезнее для микробиоты пользователя.
5. Способ по п. 1, характеризующийся тем, что биомаркер может быть положительно или отрицательно ассоциирован с определенным признаком, в зависимости от влияния, которое оказывает данный биомаркер на состояние признака.
6. Способ по п. 1, характеризующийся тем, что продукт питания может быть положительно или отрицательно ассоциирован с определенным биомаркером, в зависимости от влияния, которое оказывает данный продукт питания на состояние биомаркера.
7. Способ по п. 1, характеризующийся тем, что признаком, связанным с состоянием микробиоты, является защищенность от заболевания, для которого известна связь с по меньшей мере одним биомаркером микробиоты, или уровень пробиотических и других полезных бактерий, или способность микробиоты синтезировать метаболиты на основе известных метаболических путей, или способность микробиоты к расщеплению пищевых волокон, или гликемический ответ на продукт или блюдо, или способность к расщеплению глютена, или способность к расщеплению лактозы, или барьерные функции микробиоты.
8. Способ по п. 1 , характеризующийся тем, что каждый признак оценивают по отдельности или группируют по типу признака, с выставлением итогового значения за всю группу признаков.
9. Способ по п. 1, характеризующийся тем, что при определении персонализированного рейтинга продуктов питания учитывают начальный уровень представленности биомаркера в микробиоте пользователя, и/или значимость самого признака, и/или количество биомаркеров в рамках одного признака или группы признаков, на которые влияет данный продукт.
10. Способ по п. 1, характеризующийся тем, что при определении персонализированного рейтинга продуктов питания рейтинг для продукта питания рассчитывают как взвешенную сумму по всем признакам пользователя.
11. Способ по п. 1 , характеризующийся тем, что при определении персонализированного рейтинга продуктов питания формируют сокращенный список рекомендованных продуктов на заданный промежуток времени.
12. Способ по п. 1, характеризующийся тем, что данные о продукте пользователя представляют из себя внесенный пользователем перечень продуктов или ингредиентов блюда, и/или изображение блюда или продукта питания, и/или аудиозапись со списком продуктов, и/или состава блюда и способа его приготовления.
13. Способ по п. 12, характеризующийся тем, что изображение блюда или продукта питания распознается посредством использования искусственной нейронной сети, которая на вход получает изображение блюда или продукта питания, а на выходе формирует N-мерный вектор визуальных признаков изображения, в котором закодирована визуальная информация анализируемого изображения.
14. Система отслеживания рациона и формирования заключения о качестве питания пользователя и/или индивидуальных рекомендаций по питанию для пользователя, содержащая по меньшей мере один процессор и по меньшей мере одну память, соединенную с процессором, причем в указанной памяти записана программа для осуществления шагов способа по п.1.
15. Машиночитаемый носитель информации, хранящий программу для автоматизации способа отслеживания рациона и формирования заключения о качестве питания пользователя и/или индивидуальных рекомендаций по питанию для пользователя, при этом программа содержит: a. инструкции для получения данных о состоянии микробиоты пользователя, содержащие по меньшей мере одно значение биомаркера;
B. инструкции для определения значения по меньшей мере одного признака, связанного с состоянием микробиоты, на основании полученного по меньшей мере одного значения биомаркера; c. инструкции для формирования списка с по меньшей мере одним продуктом питания для пользователя на основании по меньшей мере одного полученного значения биомаркера и/или по меньшей мере одного значения признака, связанного с состоянием микробиоты пользователя и определенного на предыдущем шаге;
<± инструкции для определения персонализированного рейтинга продуктов питания из списка, сформированного на предыдущем шаге; е. инструкции для получения данных о по меньшей мере одном продукте питания и/или блюде пользователя; f. инструкции для формирования балла для по меньшей мере одного продукта питания и/или блюда, полученного на предыдущем шаге, на основании рейтинга продуктов питания, сформированного ранее; д. инструкции для формирования заключения о качестве питания пользователя на основании балла, полученного ранее, и/или по меньшей мере одной рекомендации для пользователя на основании персонализированного рейтинга продуктов питания пользователя.
PCT/RU2020/050312 2019-11-04 2020-11-03 Отслеживание рациона и формирование заключения о качестве питания WO2021091430A1 (ru)

Priority Applications (1)

Application Number Priority Date Filing Date Title
EP20885470.3A EP4057291A4 (en) 2019-11-04 2020-11-03 NUTRITION TRACKING AND GENERATION OF A NUTRITIONAL QUALITY REPORT

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
RU2019135549A RU2721234C1 (ru) 2019-11-04 2019-11-04 Способ и система отслеживания рациона и формирования заключения о качестве питания и/или индивидуальных рекомендаций по питанию
RU2019135549 2019-11-04

Publications (1)

Publication Number Publication Date
WO2021091430A1 true WO2021091430A1 (ru) 2021-05-14

Family

ID=69846179

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/RU2020/050312 WO2021091430A1 (ru) 2019-11-04 2020-11-03 Отслеживание рациона и формирование заключения о качестве питания

Country Status (3)

Country Link
EP (1) EP4057291A4 (ru)
RU (1) RU2721234C1 (ru)
WO (1) WO2021091430A1 (ru)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112820378B (zh) * 2021-01-26 2024-02-02 吾征智能技术(北京)有限公司 一种基于饮食行为的营养配餐推荐方法和系统
WO2024150546A1 (ja) * 2023-01-12 2024-07-18 江崎グリコ株式会社 食事を推奨する推奨装置、推奨方法、推奨プログラムおよび記録媒体

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8690578B1 (en) * 2013-01-03 2014-04-08 Mark E. Nusbaum Mobile computing weight, diet, nutrition, and exercise tracking system with enhanced feedback and data acquisition functionality
US20160063734A1 (en) * 2014-09-03 2016-03-03 Sri International Automated Food Recognition and Nutritional Estimation With a Personal Mobile Electronic Device
US20160307128A1 (en) * 2013-02-13 2016-10-20 Tutsho, Llc Food data access and delivery system
US20170018199A1 (en) * 2015-07-17 2017-01-19 Genesant Technologies, Inc. Wearable diet and exercise tracking device with one-submission tracking
RU2639269C2 (ru) * 2016-01-21 2017-12-20 Дмитрий Борисович Корсаков Устройство составления по различным критериям оптимизации близкого к наилучшему пищевого рациона человека

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
PL3138031T3 (pl) * 2014-04-28 2023-04-11 Yeda Research And Development Co., Ltd. Sposób i urządzenie do przewidywania odpowiedzi na pokarm
US11183080B2 (en) * 2018-02-12 2021-11-23 Zoe Limited Generating predicted values of biomarkers for scoring food
US11672446B2 (en) * 2018-03-23 2023-06-13 Medtronic Minimed, Inc. Insulin delivery recommendations based on nutritional information
WO2019209753A1 (en) * 2018-04-22 2019-10-31 Viome, Inc. Systems and methods for inferring scores for health metrics
RU2699283C1 (ru) * 2018-08-07 2019-09-04 Атлас Биомед Груп Лимитед Способ и система формирования индивидуального рациона продуктов питания после пересадки микробиоты

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8690578B1 (en) * 2013-01-03 2014-04-08 Mark E. Nusbaum Mobile computing weight, diet, nutrition, and exercise tracking system with enhanced feedback and data acquisition functionality
US20160307128A1 (en) * 2013-02-13 2016-10-20 Tutsho, Llc Food data access and delivery system
US20160063734A1 (en) * 2014-09-03 2016-03-03 Sri International Automated Food Recognition and Nutritional Estimation With a Personal Mobile Electronic Device
US20170018199A1 (en) * 2015-07-17 2017-01-19 Genesant Technologies, Inc. Wearable diet and exercise tracking device with one-submission tracking
RU2639269C2 (ru) * 2016-01-21 2017-12-20 Дмитрий Борисович Корсаков Устройство составления по различным критериям оптимизации близкого к наилучшему пищевого рациона человека

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
KLIMENKO N. S. ET AL.: "Microbiome Responses to an Uncontrolled Short-Term Diet Intervention in the Frame of the Citizen Science Project", NUTRIENTS, vol. 10, no. 5, 8 May 2018 (2018-05-08)
See also references of EP4057291A4

Also Published As

Publication number Publication date
RU2019135549A (ru) 2020-02-28
EP4057291A1 (en) 2022-09-14
RU2019135549A3 (ru) 2020-03-02
RU2721234C1 (ru) 2020-05-18
EP4057291A4 (en) 2023-12-06

Similar Documents

Publication Publication Date Title
Christ et al. The Western lifestyle has lasting effects on metaflammation
US11183291B2 (en) Generating personalized nutritional recommendations using predicted values of biomarkers
US11183080B2 (en) Generating predicted values of biomarkers for scoring food
US11688505B2 (en) Methods and systems for generating a supplement instruction set using artificial intelligence
US20200066181A1 (en) Generating Personalized Food Recommendations from Different Food Sources
US11322255B2 (en) Methods and systems for self-fulfillment of an alimentary instruction set based on vibrant constitutional guidance
US10990884B1 (en) Methods and systems for identifying compatible meal options
US11984199B2 (en) Methods and systems for generating compatible substance instruction sets using artificial intelligence
US20210158918A1 (en) Methods and systems for identifying compatible meal options
US12073942B2 (en) Methods and systems for dynamic constitutional guidance using artificial intelligence
US11443424B2 (en) Artificial intelligence methods and systems for analyzing imagery
WO2021091430A1 (ru) Отслеживание рациона и формирование заключения о качестве питания
US11830588B2 (en) Methods and systems for a physiologically informed virtual support network
US20200321113A1 (en) Systems and methods for generating alimentary instruction sets based on vibrant constitutional guidance
US20240212144A1 (en) Apparatus and method of determining a conditional profile adjustment datum
US11545250B2 (en) Methods and systems for generating lifestyle change recommendations based on biological extractions
RU2724498C1 (ru) Способ и система генерации индивидуальных рекомендаций по диете на основании анализа состава микробиоты
US11887735B2 (en) Methods and systems for customizing treatments
US20220398730A1 (en) Artificial intelligence methods and systems for analyzing imagery
EP4055530B1 (en) Systems and methods for classifying media according to user negative propensities
US20230113316A1 (en) Methods and systems for identifying compatible meal options
US12094590B2 (en) Methods and systems for identifying compatible meal options
US20240304304A1 (en) Methods and systems for determining a compatible substance
US20240006051A1 (en) Systems and methods to predict an individuals microbiome status and provide personalized recommendations to maintain or improve the microbiome status
US11823786B1 (en) Apparatus and method for adjusting a user nourishment selection based on nutrient diversity

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20885470

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2020885470

Country of ref document: EP

Effective date: 20220607