【中圖分類號(hào)】 R 574 【文獻(xiàn)標(biāo)識(shí)碼】 ADOI： 10.12114/j.issn.1007-9572.2024.0276

Application of Artificial Intelligence in Nutritional Management of Patients with Inflammatory BowelDisease：a Scoping Review

LI Yiting TUWenjing YINTingting MEI Ziqi" ZHANGSumin WANGMeng XUGuihual

1.School ofNursing，NanjingUniversityofChinese Medicine，NanjinglOo23，China

2.ColorectalDiseaseCenter，NanjingHospitalofChineseMedicineAfliatedtoNanjing UniversityofChineseMedicine，Nanjing

210022，China

Corsponding author：XUGuihua，Profesor/Doctoral supervisor；E-mail：7115@njucm.edu.cn

LI Yiting andTU Wenjing are co-first authors

【Abstract】BackgroundDietplaysacritical role in the development，progresionand prognosisof inflammatory boweldisease（IBD）.Given that specific nutritional guidelinesare limited，nutritional management forpatients with IBD remainschalengingandfraughtwithuncertainty.Althoughpreviousstudieshavedemonstratedthatartificialintellgence（AI） showspromisingapplicationsinthenutritionalmanagementofpatientswithchronicdiseases，researchspecifcallfocusedonits applicationinthenutritionalmanagementofpatients withIBDremainslimited.ObjectiveToconductascopingreviewofstudies onAI in nutritionmanagementof patients with IBD.MethodsFollowingthemethodologyofscopingreviews，thedatabases of PubMed，Webof Science，Embase，CochraneLibrary，CINAHL，IEEE Xplore，Associationfor Computing Machinery DigitalLibrary，SinoMed，CNKI，Wanfang Data，and VIPweresystematicallysearched frominceptionto March2024 for studiesontheapplicationofAIinthenutritionalmanagementof patients withIBD.Acording tothestablished inclusionand exclusioncriteria，twoinvestigatorsindependentlysrenedtheliterature，andthebasiccharacteristicsoftheselectedstudies

wereextracted.ResultsAtotalof15studies wereincluded.TheaplicationsofAinthisfieldincludeexplorngtherelatioship betweendietandIBD，asisting innutritionalassssment，andaiding nutritionalinterventions.The majorityofutilizationAI technologies in the included studies are machine learning，with some also employing aditional techniques such as natural language processng anddeepneural networks.ConclusionAIisbeneficial forexploringhealthydietary patternsforpatients with IBDandproviding personalizednutritional guidance.However，itsapplicationinthefieldof nutritional managementin patientswithIBDisstillinitsinfancy.Futurefortsshouldfocusonstrengthenngmultidisiplinaycollaboation，empasiing theintegrationofccalidelins，andassssng tetivenessofapicatiosincinalseings tehancetigond accuracy of the results.

【Key words】Inflammatory bowel disease；Artificial intelligence；Nutrition；Scoping review

炎癥性腸病（inflammatorybowel disease，IBD）主要包括克羅恩?。–rohn'sdisease，CD）和潰瘍性結(jié)腸炎（ulcerativecolitis，UC），是一組以腹痛、腹瀉、黏液血便為主要癥狀的慢性非特異性炎癥性疾病。近30年，我國(guó)IBD患者增加了91.1萬(wàn)，且自前發(fā)病率仍未達(dá)峰值，未來(lái)疾病負(fù)擔(dān)將進(jìn)一步加重。IBD病因尚不明確，飲食作為重要的環(huán)境因素，與IBD的發(fā)生、發(fā)展及預(yù)后密切相關(guān)[2」。由于證據(jù)有限，現(xiàn)有指南尚未形成適合IBD 患者的膳食模式［3-5］。因此，IBD 患者普遍關(guān)心的問(wèn)題“吃什么、怎么吃”，目前尚無(wú)確切答案。在缺乏具體飲食建議的前提下，IBD患者的營(yíng)養(yǎng)管理充滿挑戰(zhàn)和不確定性[6-7]，部分患者甚至產(chǎn)生進(jìn)食恐懼[8]。此外，由于專業(yè)指導(dǎo)不足、非專業(yè)化信息干擾等原因，IBD患者存在諸如營(yíng)養(yǎng)攝入不足、回避限制性飲食行為及盲目遵循飲食模式等諸多營(yíng)養(yǎng)問(wèn)題[9-10]。這些營(yíng)養(yǎng)問(wèn)題會(huì)使患者營(yíng)養(yǎng)不良風(fēng)險(xiǎn)增加，進(jìn)而造成并發(fā)癥和手術(shù)風(fēng)險(xiǎn)增加、住院時(shí)間延長(zhǎng)及免疫力降低等不良健康結(jié)局[1]。隨著人工智能（artificial intelligence）在醫(yī)學(xué)領(lǐng)域的快速發(fā)展，其在營(yíng)養(yǎng)管理領(lǐng)域展示出了良好的應(yīng)用前景一一不僅能夠?yàn)榛颊咛峁I(yíng)養(yǎng)評(píng)估、營(yíng)養(yǎng)診斷、營(yíng)養(yǎng)相關(guān)風(fēng)險(xiǎn)篩查及預(yù)測(cè)［12]，還能根據(jù)患者營(yíng)養(yǎng)狀況、身體狀況提供個(gè)性化營(yíng)養(yǎng)建議，實(shí)現(xiàn)自動(dòng)化、科學(xué)的營(yíng)養(yǎng)管理[13-14]。檢索國(guó)內(nèi)外人工智能在IBD 患者營(yíng)養(yǎng)管理中的應(yīng)用研究，發(fā)現(xiàn)目前人工智能在該領(lǐng)域的應(yīng)用包括營(yíng)養(yǎng)評(píng)估［15］、飲食模式探索［16]及飲食指導(dǎo)［17]等，但對(duì)這些人工智能技術(shù)進(jìn)行分類和應(yīng)用效果總結(jié)的研究較少。范圍綜述側(cè)重于探索某一類研究的范圍和程度，對(duì)現(xiàn)有研究進(jìn)行知識(shí)匯總并指出不足之處，相較于傳統(tǒng)研究方法其證據(jù)水平更高且適用于新興領(lǐng)域[18]。因此，本研究以范圍綜述研究方法[9］為指導(dǎo)，對(duì)人工智能在IBD患者營(yíng)養(yǎng)管理中的應(yīng)用進(jìn)行匯總分析，以期為醫(yī)護(hù)人員開(kāi)展相關(guān)研究提供參考。

1資料與方法

本研究以ARKSEY等［19]提出的范圍綜述為指導(dǎo)，遵循范圍綜述報(bào)告的PRISMA擴(kuò)展版清單（PRISMAextension for scoping review，PRISMA-ScR）進(jìn)行報(bào)告[20]研究方案已在開(kāi)放科學(xué)框架（Open ScienceFramework，OSF）平臺(tái)進(jìn)行注冊(cè)（https：//doi.org/10.17605/OSF.I0/6SJDQ）。

1.1 人工智能定義

人工智能是一個(gè)廣義術(shù)語(yǔ)，尚未形成統(tǒng)一的概念定義。本文中人工智能主要指通過(guò)計(jì)算機(jī)算法來(lái)模擬、延伸和擴(kuò)展人類智能的理論、方法、技術(shù)及其應(yīng)用系統(tǒng)，進(jìn)而使計(jì)算機(jī)能夠?qū)崿F(xiàn)推理問(wèn)題、執(zhí)行任務(wù)、自主反映等一系列智能活動(dòng)[21]。在醫(yī)學(xué)領(lǐng)域中，機(jī)器學(xué)習(xí)（machinelearning）、計(jì)算機(jī)視覺(jué)（computervision）、自然語(yǔ)言處理（natural language processing）等人工智能技術(shù)應(yīng)用較為廣泛。其中，機(jī)器學(xué)習(xí)主要運(yùn)用于處理結(jié)構(gòu)化醫(yī)療數(shù)據(jù)，自然語(yǔ)言處理運(yùn)用于臨床記錄、電子病歷等非結(jié)構(gòu)化數(shù)據(jù)［22]，而計(jì)算機(jī)視覺(jué)在處理醫(yī)學(xué)影像等圖像數(shù)據(jù)具有獨(dú)特優(yōu)勢(shì)[23］。本研究涉及人工智能是指由人類設(shè)計(jì)的軟件或硬件系統(tǒng)，根據(jù)人類設(shè)定的目標(biāo)及收集到的結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)，能夠模擬人類的意識(shí)和思維過(guò)程，做出與人類類似的反應(yīng)和行為[24]

1.2 明確研究問(wèn)題

本范圍綜述提出的研究問(wèn)題主要為：（1）人工智能在IBD患者營(yíng)養(yǎng)管理中應(yīng)用的技術(shù)包括什么？（2）人工智能在IBD患者營(yíng)養(yǎng)管理中應(yīng)用的場(chǎng)景有哪些？（3）如何評(píng)價(jià)人工智能在IBD患者營(yíng)養(yǎng)管理中的應(yīng)用效果？

1.3檢索策略

系統(tǒng)檢 索PubMed、Web of Science、Embase、CochraneLibrary、CINAHL、IEEEXplore、AssociationforComputingMachineryDigitalLibrary、中國(guó)生物醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫(kù)（SinoMed）、中國(guó)知網(wǎng)（CNKI）、萬(wàn)方數(shù)據(jù)知識(shí)服務(wù)平臺(tái)（WanfangData）及維普網(wǎng)（VIP）等中文數(shù)據(jù)庫(kù)，篩選關(guān)于人工智能在IBD患者營(yíng)養(yǎng)管理中應(yīng)用的研究，檢索時(shí)限為建庫(kù)至2024年3月。中文檢索式以萬(wàn)方數(shù)據(jù)知識(shí)服務(wù)平臺(tái)為例：（炎癥性腸病OR炎性腸疾病OR炎性腸病OR潰瘍性結(jié)腸炎OR克羅恩?。゛nd（食物OR營(yíng)養(yǎng)OR食譜OR飲食OR菜）and（人工智能OR機(jī)器智能OR數(shù)據(jù)挖掘OR模糊算法OR神經(jīng)網(wǎng)絡(luò)OR貝葉斯網(wǎng)絡(luò)OR文本挖掘OR模糊邏輯OR知識(shí)表達(dá)OR機(jī)器學(xué)習(xí)OR深度學(xué)習(xí)OR自然語(yǔ)言處理OR非自然語(yǔ)言處理OR隨機(jī)森林OR支持向量機(jī)OR算法）。英文檢索式以PubMed為例，具體檢索式見(jiàn)表1。

1.4文獻(xiàn)納入與排除標(biāo)準(zhǔn)

納入標(biāo)準(zhǔn)根據(jù)PCC原則[25]，即研究對(duì)象（participants）、概念（concept）、情景（context）確定標(biāo)準(zhǔn)。納入標(biāo)準(zhǔn)：（1）研究對(duì)象包括確診為IBD的患者；（2）研究?jī)?nèi)容涉及人工智能在IBD患者飲食管理領(lǐng)域中的應(yīng)用；（3）包括算法或模型構(gòu)建、可用性評(píng)價(jià)或應(yīng)用研究。排除標(biāo)準(zhǔn)：（1）綜述類研究；（2）無(wú)全文的會(huì)議摘要；（3）非中英文文獻(xiàn)。

1.5文獻(xiàn)篩選和資料提取及偏倚風(fēng)險(xiǎn)評(píng)估

導(dǎo)人NoteExpress去除重復(fù)文獻(xiàn)，由2名經(jīng)過(guò)培訓(xùn)的研究者獨(dú)立閱讀標(biāo)題和摘要對(duì)文章進(jìn)行初篩，對(duì)初篩文獻(xiàn)閱讀全文后再次篩選；若有分歧，則與第3名研究者進(jìn)行討論決定最終是否納入。對(duì)納入文獻(xiàn)進(jìn)行資料提取，內(nèi)容主要包括第一作者、發(fā)表年份、國(guó)家及倫理情況、數(shù)據(jù)來(lái)源、人工智能技術(shù)、構(gòu)建方法、應(yīng)用效果、研究對(duì)象、樣本量、評(píng)價(jià)方法及技術(shù)階段。

2結(jié)果

2.1文獻(xiàn)篩選結(jié)果

檢索獲得文獻(xiàn)2150篇，經(jīng)去重、閱讀題目和摘要 及全文，最終納入15篇文獻(xiàn)[15-17，26-37]。文獻(xiàn)篩選流 程及結(jié)果見(jiàn)圖1。

2.2納入文獻(xiàn)基本特征

15篇文獻(xiàn)發(fā)表時(shí)間為2015—2023年。研究區(qū)域分布中北美洲6篇[16-17，26-27，30，32]、亞洲5篇28，31，33．35，37]、歐洲4篇[15，29，34，36]；研究?jī)?nèi)容包括數(shù)據(jù)分析研究3篇[16，28，30]、文本分析研究3篇[26，33.35]、可用性驗(yàn)證研究3篇[17，31，37]；模型構(gòu)建研究1篇[15]；算法/模型構(gòu)建與驗(yàn)證研究4篇[29.32.34，36]。多數(shù)研究（13/15，86.7% ）使用單一人工智能方法（非混合），其余（2/15，13.3% ）使用混合人工智能方法。常用的方法是機(jī)器學(xué)習(xí)（9/15， 60.0% ）。納入文獻(xiàn)的基本特征見(jiàn)表2、3。

2.3 人工智能應(yīng)用現(xiàn)狀

2.3.1探索飲食與疾病間的關(guān)系：5項(xiàng)研究[16，27-28，30-31]使用人工智能技術(shù)探索飲食與疾病的關(guān)系。隨機(jī)森林、貝葉斯網(wǎng)絡(luò)、K-means聚類算法等機(jī)器學(xué)習(xí)算法用于分析復(fù)雜的臨床和飲食營(yíng)養(yǎng)數(shù)據(jù)。PAN等［28]利用隨機(jī)森林算法和Logistic回歸探索了869名確診為CD患者中L4型CD的臨床特征及其與營(yíng)養(yǎng)狀況的相關(guān)性，結(jié)果發(fā)現(xiàn)L4型CD患者在確診時(shí)常伴有較高的體質(zhì)量和 BMI、血清白蛋白升高和低血清鐵含量。JONES等[27]利用132份接受純腸內(nèi)營(yíng)養(yǎng)（exclusive enteralnutrition，EEN）治療的CD患兒的糞便樣本檢測(cè)數(shù)據(jù)和臨床數(shù)據(jù)構(gòu)建隨機(jī)森林模型，用于預(yù)測(cè)接受EEN治療的患兒是否達(dá)到維持緩解期，該模型曲線下面積（AUC）為0.9，預(yù)測(cè)效能較佳。

KAPLAN等[16]進(jìn)行了系列單病例對(duì)照研究，比較特殊碳水化合物飲食（specificcarbohydratediet，SCD）、改良的SCD與正常飲食改善炎癥狀態(tài)的效果，使用貝葉斯廣義線性模型（GeneralizeLinearModel，GLM）和廣義線性混合模型（GeneralizedLinearMixedModel，GLMM）分別對(duì)個(gè)體化療效和整體化療效進(jìn)行分析，發(fā)現(xiàn)SCD和改良的SCD具有改善炎癥的效果，但存在較大個(gè)體差異。LIMKETKAI等[30]利用K-Means聚類對(duì)IBD患者攝入食物進(jìn)行分類，得出5種常見(jiàn)的飲食模式，進(jìn)一步分析后發(fā)現(xiàn)增加水、蔬菜、水果攝入并減少肉類和甜食攝人有利于降低炎癥風(fēng)險(xiǎn)。HE等[31]基于人工智能程序分析與飲食治療相關(guān)文獻(xiàn)發(fā)現(xiàn)該領(lǐng)域的研究熱點(diǎn)集中在不同飲食模式對(duì)IBD的益處和其與腸道菌群的關(guān)系。

2.3.2協(xié)助營(yíng)養(yǎng)評(píng)估：人工智能在IBD患者營(yíng)養(yǎng)評(píng)估方面的應(yīng)用可大致分為兩類：分析患者對(duì)營(yíng)養(yǎng)的態(tài)度和評(píng)估患者營(yíng)養(yǎng)狀況并給予反饋。3項(xiàng)研究使用自然語(yǔ)言處理、潛在狄利克雷分配（LatentDirichletAllocation，LDA）對(duì)IBD患者在公共論壇發(fā)布的帖子進(jìn)行主題分析[26，33.35]。RUBIN等[26]收集6個(gè)UC論壇中發(fā)布的帖子，使用人工智能文本分析軟件和NLP軟件篩選與復(fù)發(fā)相關(guān)的帖子并進(jìn)行文本分析，發(fā)現(xiàn)情緒及飲食是UC患者最常提及的復(fù)發(fā)誘因。SUN等[35］收集“克羅恩病吧”的帖子和回復(fù)，使用LDA模型并結(jié)合扎根理論方法進(jìn)行文本分析，發(fā)現(xiàn)飲食與營(yíng)養(yǎng)是患者最常討論的話題。STEMMER等「33發(fā)現(xiàn)當(dāng)推文提及刺激腸道癥狀飲食時(shí)，患者負(fù)性情緒較高。此外，該研究使用前期自制的IBD患者篩選器，篩選出IBD患者在Twitter中發(fā)布的推文并在此基礎(chǔ)上進(jìn)行文本分析，有利于提高研究數(shù)據(jù)的可靠性和準(zhǔn)確性。

3項(xiàng)研究［15，34，36]采用智能算法對(duì)IBD 患者飲食攝入量及核心營(yíng)養(yǎng)素精準(zhǔn)評(píng)估并反饋。BLAJOVAN等［15]使用深度神經(jīng)網(wǎng)絡(luò)（deepneutralnetwork，DNN）構(gòu)建食物圖像識(shí)別模型，通過(guò)匹配食物營(yíng)養(yǎng)數(shù)據(jù)和胃腸疾病特殊營(yíng)養(yǎng)要求，從而模擬出營(yíng)養(yǎng)師計(jì)算飲食營(yíng)養(yǎng)價(jià)值的過(guò)程并給出避免/推薦建議。STAWISKI等［34]利用機(jī)器學(xué)習(xí)方法構(gòu)建了根據(jù)患者營(yíng)養(yǎng)攝入量預(yù)測(cè)飲食相關(guān)身體變化的模型，在4例IBD/腸易激綜合征（IBS）患者中初步應(yīng)用后，其預(yù)測(cè)值的 95% 置信區(qū)間能夠包括實(shí)際值，預(yù)測(cè)效果良好。BROEKSTRA等［36」構(gòu)建的學(xué)習(xí)算法能夠?qū)⒒颊哂涗浀娘嬍秤涗浥c荷蘭營(yíng)養(yǎng)指南進(jìn)行對(duì)比，并生成個(gè)性化反饋及飲食調(diào)整建議，對(duì)使用者訪談后發(fā)現(xiàn)盡管能夠改善飲食質(zhì)量，但存在易用性差、飲食建議與專業(yè)人員的建議沖突等不足。

2.3.3輔助營(yíng)養(yǎng)干預(yù)：3項(xiàng)研究[29，32.37]使用人工智能技術(shù)協(xié)助監(jiān)測(cè)IBD患者飲食攝入情況。JACTEL等［32]使用有監(jiān)督機(jī)器學(xué)習(xí)對(duì)文獻(xiàn)回顧獲得的246種常見(jiàn)誘發(fā)食物與患者臨床數(shù)據(jù)進(jìn)行標(biāo)記，實(shí)現(xiàn)在輸入患者臨床特征后為患者預(yù)測(cè)21種高風(fēng)險(xiǎn)食物，以指導(dǎo)活動(dòng)期IBD患者實(shí)施排除飲食，經(jīng)驗(yàn)證后在改善癥狀、疾病知識(shí)和生活質(zhì)量等方面具有較好效果。陳玉萍等[37]將智能腸鳴音監(jiān)測(cè)工具用于CD術(shù)后患者，結(jié)果發(fā)現(xiàn)監(jiān)測(cè)組患者的首次排氣時(shí)間、開(kāi)始口服營(yíng)養(yǎng)補(bǔ)充（oralnutritionalsupplements，ONS）時(shí)間、吻合口瘺及術(shù)后住院時(shí)間均較對(duì)照組短。JATKOWSKA等［29］將遵循不同程度EEN依從性的健康人糞便檢測(cè)數(shù)據(jù)用于構(gòu)建純腸內(nèi)營(yíng)養(yǎng)依從性的決策樹(shù)模型，將所得的2個(gè)模型應(yīng)用于30例CD患兒后，篩選出的模型在區(qū)分EEN和非EEN的CD患兒中具有較好效果，有利于對(duì)EEN治療依從性進(jìn)行篩查。SAMAAN等[17]研究收集88例IBD患者提出的營(yíng)養(yǎng)問(wèn)題，用于評(píng)估ChatGPT4對(duì)這些問(wèn)題回答情況，結(jié)果發(fā)現(xiàn)，其在正確率、全面性和可重復(fù)性方面表現(xiàn)良好，但部分問(wèn)題的回答有錯(cuò)誤或過(guò)時(shí)現(xiàn)象。

3討論

3.1人工智能在IBD營(yíng)養(yǎng)管理領(lǐng)域的應(yīng)用尚處于起步階段

納入的15項(xiàng)研究在時(shí)間、地區(qū)、人工智能應(yīng)用范疇、研究類型上分布不均。人工智能在IBD飲食管理領(lǐng)域起步較晚，多在2023年和2022年發(fā)表（ 86.7% ）；美國(guó)發(fā)表數(shù)量最多，共發(fā)表5篇[16-17，26.30，32]，其次是中國(guó)，共發(fā)表4篇[28，31，35，37]；人工智能應(yīng)用范疇以數(shù)據(jù)分析為主，共發(fā)表7篇[16，26，28，30.33，35-36]，其次為模型構(gòu)建與驗(yàn)證研究，共發(fā)表3篇[29.32.34]；納入文獻(xiàn)中以回顧性研究和隊(duì)列研究為主。研究?jī)?nèi)容以探索飲食與疾病關(guān)系和營(yíng)養(yǎng)評(píng)估為主，僅5篇[29，32.34，36-37]文獻(xiàn)驗(yàn)證了人工智能在營(yíng)養(yǎng)預(yù)測(cè)及營(yíng)養(yǎng)干預(yù)中的臨床應(yīng)用效果?？梢?jiàn)，人工智能在IBD營(yíng)養(yǎng)管理領(lǐng)域中的應(yīng)用仍處于起步階段。然而，智能化飲食評(píng)估系統(tǒng)、食物推薦系統(tǒng)、可穿戴設(shè)備等已在糖尿病、肥胖等慢性非傳染性疾病［38-42]中廣泛應(yīng)用的技術(shù)，在IBD飲食管理領(lǐng)域的應(yīng)用較少。此外，人工智能在營(yíng)養(yǎng)領(lǐng)域的效果評(píng)價(jià)主要通過(guò)準(zhǔn)確性、特異性、陽(yáng)性預(yù)測(cè)值、陰性預(yù)測(cè)值等模型評(píng)價(jià)指標(biāo)呈現(xiàn)，而這些指標(biāo)不一定是臨床適用性的最佳指標(biāo)［43］。因此，未來(lái)研究仍需加強(qiáng)人工智能在IBD營(yíng)養(yǎng)管理中的應(yīng)用并納入其在臨床實(shí)際應(yīng)用的效果，以綜合評(píng)價(jià)人工智能的應(yīng)用效果。

3.2人工智能在處理營(yíng)養(yǎng)相關(guān)數(shù)據(jù)及臨床數(shù)據(jù)方面展現(xiàn)出強(qiáng)大優(yōu)勢(shì)

隨著數(shù)字信息技術(shù)和大數(shù)據(jù)的飛速發(fā)展，人工智能依靠其強(qiáng)大的數(shù)據(jù)處理能力，在IBD營(yíng)養(yǎng)管理領(lǐng)域展示了獨(dú)特的優(yōu)勢(shì)。相較于傳統(tǒng)統(tǒng)計(jì)學(xué)方法，人工智能能夠根據(jù)研究目的處理日益復(fù)雜的學(xué)習(xí)任務(wù)并提取數(shù)據(jù)特征［44]，因此適用于分析大樣本回顧性數(shù)據(jù)、隨訪數(shù)據(jù)中飲食與疾病間的復(fù)雜關(guān)系，促進(jìn)對(duì)IBD患者有益的飲食模式的探索[16，30-31]。此外，利用機(jī)器學(xué)習(xí)算法基于患者糞便檢測(cè)、腸道微生物、血液檢測(cè)等數(shù)據(jù)構(gòu)建預(yù)測(cè)模型，在幫助臨床醫(yī)務(wù)人員監(jiān)測(cè)IBD患者EEN治療依從性「27，29]、指導(dǎo)患者合理避免誘發(fā)癥狀食物[32]具有良好的應(yīng)用前景。IBD患者常用的營(yíng)養(yǎng)評(píng)估方法為飲食日記法，但結(jié)果受到依從性和準(zhǔn)確性限制［45］，而基于深度神經(jīng)網(wǎng)絡(luò)的食物圖像識(shí)別系統(tǒng)則能夠客觀、快速評(píng)估 IBD 患者食物和相關(guān)營(yíng)養(yǎng)素的攝入量[15]。ChatGPT是一項(xiàng)基于大語(yǔ)言模型（LargeLanguageModels，LLMs）的技術(shù)，不僅能夠提供優(yōu)于人類水平的高質(zhì)量回復(fù)，還能夠根據(jù)上下文互動(dòng)，在醫(yī)學(xué)領(lǐng)域得到廣泛應(yīng)用［46-47]。SAMAAN等[17]的研究驗(yàn)證了ChatGPT在回答IBD患者常見(jiàn)的飲食問(wèn)題中正確率、可重復(fù)性均較為理想，未來(lái)或可輔助醫(yī)務(wù)人員向患者提供飲食營(yíng)養(yǎng)教育，提高患者營(yíng)養(yǎng)素養(yǎng)。

3.3 對(duì)未來(lái)研究的啟示

人工智能在IBD營(yíng)養(yǎng)管理領(lǐng)域應(yīng)用較少，且尚處于起步階段。研究多處于設(shè)計(jì)、開(kāi)發(fā)和構(gòu)建階段，缺少對(duì)臨床應(yīng)用實(shí)際效果的研究。未來(lái)可從以下3個(gè)方面進(jìn)行深入探析：（1）加強(qiáng)人工智能與IBD營(yíng)養(yǎng)管理領(lǐng)域的交叉融合：該研究領(lǐng)域的現(xiàn)有研究大多應(yīng)用機(jī)器學(xué)習(xí)完成，自然語(yǔ)言處理、計(jì)算機(jī)視覺(jué)等人工智能技術(shù)的應(yīng)用較為缺乏，未來(lái)研究可組建醫(yī)學(xué)、護(hù)理學(xué)、計(jì)算機(jī)科學(xué)等領(lǐng)域?qū)＜翌I(lǐng)域開(kāi)展跨學(xué)科研究，共同致力于人工智能在IBD營(yíng)養(yǎng)管理領(lǐng)域的應(yīng)用。（2）提高飲食攝入評(píng)估精確度：本研究中納入的文獻(xiàn)使用的數(shù)據(jù)以回顧性研究為主，數(shù)據(jù)的時(shí)效性和準(zhǔn)確性等問(wèn)題仍亟待解決。此外，大部分使用患者報(bào)告結(jié)局（patient-reported outcomes，PRO）作為數(shù)據(jù)來(lái)源，受到測(cè)評(píng)工具、患者配合程度、霍桑效應(yīng)等的影響，數(shù)據(jù)的真實(shí)性、準(zhǔn)確性較難保障。數(shù)據(jù)作為人工智能的基石，不真實(shí)、不準(zhǔn)確的臨床數(shù)據(jù)在很大程度上會(huì)削弱算法的可靠性。相較于傳統(tǒng)食物評(píng)估方法，食物圖像識(shí)別輔助系統(tǒng)有利于提高食物評(píng)估的準(zhǔn)確度，然而其在IBD營(yíng)養(yǎng)管理領(lǐng)域應(yīng)用較少，未來(lái)研究可加強(qiáng)其在IBD領(lǐng)域的應(yīng)用。（3）建立IBD患者食物推薦系統(tǒng)：排除飲食、FODMAP飲食、SCD飲食在IBD患者營(yíng)養(yǎng)管理領(lǐng)域中的作用已被大量研究證實(shí)，未來(lái)研究可基于現(xiàn)有膳食營(yíng)養(yǎng)指南，建立適用于IBD患者的食物推薦系統(tǒng)，促進(jìn)IBD患者營(yíng)養(yǎng)管理。（4）注重倫理及隱私保護(hù)：隨著數(shù)據(jù)挖掘、數(shù)據(jù)采集等技術(shù)的不斷發(fā)展，患者隱私和知情同意權(quán)的保障面臨極大風(fēng)險(xiǎn)。未來(lái)研究應(yīng)注重個(gè)人數(shù)據(jù)的隱私和安全，確保合乎倫理和法律法規(guī)。

4小結(jié)

本研究對(duì)人工智能在IBD患者營(yíng)養(yǎng)管理領(lǐng)域中的相關(guān)研究進(jìn)行了分析，總結(jié)了人工智能應(yīng)用于IBD患者營(yíng)養(yǎng)管理領(lǐng)域的人工智能技術(shù)、應(yīng)用方法、應(yīng)用效果及評(píng)價(jià)指標(biāo)等?？傮w來(lái)說(shuō)，人工智能已經(jīng)應(yīng)用到IBD患者營(yíng)養(yǎng)管理領(lǐng)域的多個(gè)方面，顯示出良好的結(jié)果和廣泛的應(yīng)用前景，但其在多學(xué)科交叉融合、數(shù)據(jù)質(zhì)量評(píng)估、應(yīng)用效果評(píng)價(jià)等方面仍存在不足，今后研究應(yīng)科學(xué)運(yùn)用人工智能技術(shù)，進(jìn)一步擴(kuò)展其在該領(lǐng)域中的應(yīng)用。

作者貢獻(xiàn)：李伊婷、徒文靜負(fù)責(zé)論文的構(gòu)思與設(shè)計(jì)、撰寫(xiě)與修訂；尹婷婷、梅紫琦、王萌負(fù)責(zé)文獻(xiàn)的收集與整理;張?zhí)K閩負(fù)責(zé)論文的可行性分析；徐桂華負(fù)責(zé)論文的質(zhì)量控制及校審，并對(duì)論文整體負(fù)責(zé)，監(jiān)督管理；李伊婷負(fù)責(zé)論文的英文修訂；所有作者確認(rèn)了論文的最終稿。

本文無(wú)利益沖突。

李伊婷D https：//orcid.org/0000-0003-0344-1066

徐桂華D https：//orcid.org/0009-0002-2623-4991

參考文獻(xiàn)

[1]SHAOBL，YANGWJ，CAOQ.Landscape and predictions ofinflammatory bowel disease in China：Chinawill enter the compoundingprevalence stage around 2O3O［J].Front Public Health，2022，10：1032679.D0I：10.3389/fpubh.2022.1032679.

[2]ADOLPHTE，ZHANGJW.Diet fuellinginflammatory bowel diseases：preclinical and clinical concepts[J].Gut，2022， 71（12）： 2574-2586.DOI： 10.1136/gutjnl-2021-326575.

[3］李明松，石漢平，楊樺.中國(guó)炎癥性腸病飲食管理專家建議[J]. 中華消化病與影像雜志（電子版），2021，11（3）：97-105. DOI：10.3877/cma.j.issn.2095-2015.2021.03.001.

[4]BISCHOFF SC，BAGERP，ESCHERJ，et al. ESPEN guideline onclinical nutritionininflammatory bowel disease[J].Clin Nutr， 2023，42（3）：352-379.DOI：10.1016/j.clnu.2022.12.004.

[5]SOOD A，AHUJAV，KEDIA S，et al. Diet and inflammatory bowel disease：the Asian Working Group guidelines[J] . Indian J Gastroenterol，2019，38（3）：220-246.D0I：10.1007/s12664- 019-00976-1.

[6]LIYT，TUWJ，YINTT，et al.Food doesn't control me anymore！' psychosocial experiences during dietary management in adults with inflammatory bowel disease：a qualitative study [J].JClin Nurs， 2024.DOI：10.1111/jocn.17327.

[7]RINES J，DALEY K，LOO S，et al. A patient-led， peer-topeer qualitative study on the psychosocial relationship between young adults with inflammatory bowel disease and food［J]. Health Expect，2022，25（4）：1486-1497.D01：10.1111/hex.13488.

[8]ZICKGRAFHF，LOFTUSP，GIBBONSB，et al.“IfIcould survive without eating，it would bea huge relief”：development and initial validation of the Fear of Food Questionnaire[J].Appetite， 2022，169：105808.D0I：10.1016/jappet.2021.105808.

[9]尹婷婷，徒文靜，張?zhí)K閩，等.炎癥性腸病患者食物素 養(yǎng)與避免/限制性食物攝入障礙的相關(guān)性研究［J］.中國(guó) 全科醫(yī)學(xué)，2024，27（12）：1445-1451.D0I：10.12114/ j.issn.1007-9572.2023.0503.

[10]DAY A S，YAO C K，COSTELLO S P，et al. Food avoidance， restrictive eating behaviour and association with quality of life in adults with inflammatory bowel disease： a systematic scoping review［J].Appetite，2021，167：105650.D0I：10.1016/ j.appet.2021.105650.

[11］ JABLONSKA B，MROWIEC S.Nutritional status and its detection in patients with inflammatory bowel diseases[J].Nutrients， 2023，15（8）：1991.D0I：10.3390/nu15081991.

[12]ZEEVID，KOREM T，ZMORA N，et al.Personalized nutrition by prediction of glycemic responses[J].Cell，2015，163（5）： 1079-1094. DOI： 10.1016/j.cell.2015.11.001.

[13] STEFANIDIS K，TSATSOU D，KONSTANTINIDIS D，et al. PROTEIN AI advisor： a knowledge-based recommendation framework using expert-validated meals for healthy diets[J]. Nutrients，2022，14（20）：4435.D0I：10.3390/nu14204435.

[14]KARAKAN T，GUNDOGDU A，ALAGOZLU H，et al. Artificial intelligence-based personalized diet：a pilot clinical study for irritable bowel syndrome[J].Gut Microbes，2022，14（1）： 2138672.D0I： 10.1080/19490976.2022.2138672.

[15] BLAJOVAN B L，CHIRILA O S，STANESCU D，et al. FoodMedicine-android-based food recognition app for guiding patients with nutritional diseases [C]/2O23 27th International Conference on System Theory， Control and Computing（ICSTCC）. Timisoara，Romania.IEEE，2023：167-172.

[16]KAPLANHC，OPIPARI-ARRIGANL，YANGJB， et al.Personalized research on diet in ulcerative colitisand Crohn's disease：a series of N-of-1 diet trials[J]. Am J Gastroenterol，2022，117（6）：902-917.D0I：10.14309/ ajg.000000000001800.

[17]SAMAAN I S.ISSOKSON K.FELDMANE.et al.Artificial intelligence and patient education： examining the accuracy and reproducibility of responses to nutrition questions related to inflammatory bowel disease by GPT-4[Z].2023.

[18]BRIEN SE，LORENZETTID L，LEWIS S，et al. Overview of a formal scoping review on health system report cards[J]. Implement Sci，2010，5： 2. D0I： 10.1186/1748-5908-5-2.

[19] ARKSEY H， O'MALLEY L. Scoping studies： towards a methodological framework[J].IntJSoc ResMethodol，2005， 8（1）：19-32.D0I：10.1080/1364557032000119616.

[20]TRICCOAC，LILLIEE，ZARINW，etal.PRISMA extension for scoping reviews（PRISMA-ScR）：checklist and explanation［J].AnnInternMed，2018，169（7）：467-473. DOI：10.7326/M18-0850.

[21] SOSA-HOLWERDA A，PARK O H，ALBRACHT-SCHULTE K，et al. The role of artificial intelligence in nutrition research a scoping review[J].Nutrients，2024，16（13）：2066.DOI： 10.3390/nu16132066.

［22］曾華堂，柯夏童，伍麗群，等．人工智能在醫(yī)療質(zhì)量管理中應(yīng) 用現(xiàn)狀和效果范圍綜述［J].中國(guó)醫(yī)院管理，2023，43（8）： 21-26.

[23] CHEN X X，WANG X M， ZHANG K，et al. Recent advances and clinical applications of deep learning in medical image analysis[J].Med Image Anal，2022，79：102444.DOI： 10.1016/j.media.2022.102444.

[24]The Lancet.Artificial intellgence in healthcare：within touching distance［J].Lancet，2017，390（10114）：2739.DOI： 10.1016/S0140-6736（17） 31540-4.

[25]LOCKWOOD C，DOS SANTOS K B，PAP R. Practical guidance forknowledge synthesis：scoping review methods[J].Asian Nurs Res，2019，13（5）：287-294.D01：10.1016/j.anr.2019.11.002.

[26]RUBIN D T，TORRESJ，DOTAN I，et al.An insight into patients' perspectives of ulcerative colitis flares via analysis of online public forum posts［J].Inflamm Bowel Dis，2023：izad247. DOI： 10.1093/ibd/izad247.

[27] JONES C MA，CONNORSJ，DUNNKA，et al.Bacterial taxa andfunctions are predictive of sustained remision folowing exclusive enteral nutrition in pediatric Crohn's disease [J]. InflammBowelDis，2020，26（7）：1026-1037.DOI：10.1093/ ibd/izaa001.

[28]PANJF，F(xiàn)UDN，LIY，et al.Body weight，serum albumin and food intolerance were linked to upper gastrointestinal Crohn's disease：a 7-year retrospective analysis[J].Ann Transl Med， 2020，8（21）：1370.D0I：10.21037/atm-20-2212.

[29]JATKOWSKAA，WHITEB，NICHOLSB，et al.Development and validation of the Glasgow exclusive enteral nutrition index of compliance［J].JCrohns Colitis，2023，17（9）：1426-1435. DOI：10.1093/ecco-jcc/jad063.

[30] LIMKETKAI B N，HAMIDEH M， SHAH R，et al. Dietary patterns and their association with symptoms activity in inflammatory bowel diseases[J].Inflamm Bowel Dis，2022，28（11）： 1627-1636. DOI： 10.1093/ibd/izab335.

[31]HE HD，LIU C，CHEN M L，et al. Effect of dietary patterns on inflammatory bowel disease：amachine learning bibliometric and visualization analysis[J].Nutrients，2023，15（15）：3442. DOI：10.3390/nu15153442.

[32]JACTELSN，OLSONJM，WOLINKY，etal.Efficacyofa digital personalized elimination dietfor the self-management of irritablebowelsyndromeand comorbidirritablebowel syndrome andinflammatory bowel disease[J].Clin Transl Gastroenterol， 2023，14（1）：e00545.D0I：10.14309/ctg.0000000000000545.

[33]STEMMER M，PARMETY，RAVID G. Identifying patients with inflammatorybowel disease ontwitter and learning from their personal experience：retrospective cohort study[J].JMed InternetRes，2022，24（8）：e29186.D0I：10.2196/29186.

[34]STAWISKIK，STRZALKAA，PULA，etal.PancreApp：an innovativeapproach tocomputational individualizationofnutritional therapy inchronic gastrointestinal disorders[J].Stud Health Technol Inform，2015，216：325-328.

[35]SUN SP，HUYH，LIH，et al.Patients′perspectives on， experience with and concerns about Crohn's disease：insights from Chinese social media［J].BMC Gastroenterol，2023，23（1）： 105.DOI： 10.1186/s12876-023-02747-x.

[36]BROEKSTRAR，CAMPMANS-KUIJPERSMJE，DIJKSTRA G，etal.Personal health record forpersonalizing research and care trajectories：aproof of concept pilot with dietininflammatorybowel diseases［J].JPersMed，2023，13（4）：601.

［37］陳玉萍，徐海利，戴益，等.人工智能腸鳴音監(jiān)測(cè)在克羅恩病 患者術(shù)后進(jìn)食時(shí)機(jī)判斷的應(yīng)用研究［J］.中華普通外科雜志， 2023，38（8）：595-599.

[38]MOYEN A，RAPPAPORT AI， FLEURENT-GREGOIREC，et al. Relative validation of an artificial intelligence-enhanced，imageassisted mobile app for dietary assessment in adults：randomized crossover study[J].JMed InternetRes，2022，24（11）： e40449.D0I： 10.2196/40449.

[39]YERAR，ALZAHRANI AA，MARTINEZ L，et al.A systematic review on food recommender systems for diabetic patients[J]. Int JEnviron Res Public Health，2023，20（5）：4248.DOI： 10.3390/ijerph20054248.

[40]AHMED A，AZIZ S，ABD-ALRAZAQ A，et al. Overview of artificial intelligence-driven wearable devices for diabetes：scoping review[J].JMedInternetRes，2022，24（8）：e36010. DOI：10.2196/36010.

[41] CHEWHSJ，ANGWHD，LAU Y. The potential of artificial intelligence in enhancing adult weight loss：a scoping review[J]. PublicHealthNutr，2021，24（8）：1993-2020.DOI：10.1017/ S1368980021000598.

[42]YANGL，HSIEHCK，YANGH，etal. Yum-me：a personalized nutrient-based meal recommender system[J].ACMTrans Inf Syst，2017，36（1）：7.D0I：10.1145/3072614.

[43]VONGERICHH，MOENH，BLOCKLJ，etal.Artificial intelligence-based technologies in nursing：a scoping literature review of the evidence[J].IntJNurs Stud，2022，127：104153. DOI：10.1016/j.ijnurstu.2021.104153.

[44]HUNTERDJ，HOLMES C.Where medical statistics meets artificial intelligence[J].NEnglJMed，2023，389（13）：1211-1219. DOI：10.1056/NEJMra2212850.

[45]熊歡.炎癥性腸病病人飲食限制行為研究進(jìn)展［J].護(hù) 理研究，2022，36（11）：1963-1966.D0I：10.12102/ j.issn.1009-6493.2022.11.014.

[46]YEOYH，SAMAANJS，NGWH，etal.Assessing the performance of ChatGPT in answering questions regarding cirhosis and hepatocellularcarcinoma[J].ClinMolHepatol，2023， 29（3）： 721-732.D0I： 10.3350/cmh.2023.0089.

[47]DAVET，ATHALURI SA，SINGH S.ChatGPT in medicine： anoverview of itsapplications，advantages，limitations，future prospects，and ethical considerations[J].Front Artif Intell， 2023，6：1169595.DOI：10.3389/frai.2023.1169595.

（收稿日期：2024-06-10；修回日期：2024-08-13） （本文編輯：賈萌萌）