基于机器学习的运动营养个性化推荐研究展望

【摘要】：良好的运动表现需要训练、康复、营养与心理4个方面的稳固支撑。训练仅是提高运动表现的开始,损伤后的康复,训练前后的营养策略,以及过硬的心理素质对提高运动表现来说同样具有重要性。传统的运动训练对营养恢复不够重视,易导致"疲劳积累—损伤—成绩下滑"的恶性循环。运动与营养的关系密不可分,无论是竞技体育,还是大众健身,都离不开运动营养。"吃什么,为什么吃,怎么吃"的界定是一个很复杂的问题,因为这涉及到食物或运动补剂摄入体内后的代谢变化,以及这些变化与运动表现的关系。传统运动补剂的服用方法,很大程度上忽略了个体差异性。在实践时,不同的个体服用的运动补剂剂量是相同的,或是仅根据训练内容以及个体的体重对所摄入的剂量进行差异化推荐。人体是一个复杂的系统,不同的个体的肠道菌群、激素分泌水平,甚至心理状态等方面均存在一定的差异,这些因素会对个体的营养获取与能量的调节过程产生影响,导致不同个体对相同剂量运动补剂的利用率不同,服用后所得到的运动表现收益自然也会存在差异。因此,对于运动营养的使用应该从客观化、系统化、多角度、多学科进行探索与研究,找出不同个体的个性化特点,并将其作为个性化运动补剂方案的推荐依据,使人食皆异。近年来,人工智能技术飞速发展,以人工神经网络为代表的机器学习算法在医疗领域已经得到了广泛的应用,例如:靶点药物研发、化合物筛选、药物挖掘、药物晶型预测,以及影像学诊断等。与传统的统计学方法相比,人工神经网络能够发现复杂指标之间的非线性关系,利于回归模型或分类模型的构建。从运动补剂经口腔进入体内开始,到其发挥功效(疲劳缓解,或体能恢复),中间会受到肠道菌群、激素、不同代谢通路,体力活动、甚至是心理等个性化因素的影响。我们应该从人工神经网络在医疗领域中的应用得到启发,采用机器学习算法,探寻补剂摄入量、运动表现,以及上述个性化因素之间的非线性关系,为运动补剂的个性化推荐提供依据,最终实现运动补剂的精准推荐,最大限度的促进疲劳消除与体能恢复,提高运动表现。