Personalisierte Ernährung

Das Interesse an gesunder Ernährung ist sowohl im alltäglichen Leben als auch in der Wissenschaft sehr groß. Mit gesunder Ernährung können wir nicht nur unser Idealgewicht erreichen, sondern auch die Leistungsfähigkeit steigern, Krankheitsbilder verbessern und gesund altern. Lange Zeit gab es den Trend, allgemeingültige Aussagen über den Nutzen bestimmter Lebensmittel zu treffen. Inzwischen ist jedoch klar, dass die gleichen Lebensmittel auf unterschiedliche Personen auch eine unterschiedliche Wirkung zeigen können.

An der Schnittstelle zwischen der Ernährungsmedizin und der Medizininformatik erforschen wir in Kooperation mit der Perfood GmbH / MillionFriends Einflussfaktoren auf den Blutzucker. Zusätzlich zu detaillierten Informationen über die Ernährung erfassen wir auch individuelle Parameter der ProbandInnen (Phänotyp) und das Darmmikrobiom. Unter der Berücksichtigung ernährungsmedizinischen Wissens analysieren wir diese großen Datenbestände mithilfe von lernbasierten Methoden der Mustererkennung, um den Zusammenhang zwischen bedeutsamen Volkskrankheiten (z.B. Übergewicht, Diabetes mellitus Typ 2, Migräne) und der Ernährung besser zu verstehen. Dabei setzen wir komplexe Neuronale Netze sowie probabilistische Mustererkennungsverfahren ein.

Komplexe Machine Learning-Verfahren generieren jedoch Entscheidungen, die zwar auf ihre Richtigkeit geprüft, aber semantisch nicht nachvollzogen werden können (Black Box Algorithms). Ein wichtiges Ziel unserer Forschung im Bereich personalisierter Ernährung besteht deshalb darin, lernbasierte Mustererkennungsverfahren einzuführen, die trotz ihres hohen Komplexitätsgrades den Datenfluß vom Input bis zum Output verständlich gestalten (Explainable Machine Learning). Hierfür untersuchen wir u.a. hierarchische Architekturen der tiefen neuronalen Netze (Deep Neural Networks). Nur mit erklärbaren Verfahren der Künstlichen Intelligenz werden wir schließlich in der Lage sein, die Zusammenhänge zwischen den genannten Erkrankungen und der Ernährung verständlich zu machen.