[论文解读] OBESEYE: Interpretable Diet Recommender for Obesity Management using Machine Learning and Explainable AI

Mrinmoy Roy, Srabonti Das+1 more|arXiv (Cornell University)|Aug 5, 2023

Nutritional Studies and Diet被引用 8

一句话总结

OBESEYE 提出一个可解释的饮食推荐系统，使用机器学习预测个体的营养需求（碳水化合物、蛋白质、脂肪和液体摄入量），在考虑合并症的同时支持肥胖管理。

ABSTRACT

Obesity, the leading cause of many non-communicable diseases, occurs mainly for eating more than our body requirements and lack of proper activity. So, being healthy requires heathy diet plans, especially for patients with comorbidities. But it is difficult to figure out the exact quantity of each nutrient because nutrients requirement varies based on physical and disease conditions. In our study we proposed a novel machine learning based system to predict the amount of nutrients one individual requires for being healthy. We applied different machine learning algorithms: linear regression, support vector machine (SVM), decision tree, random forest, XGBoost, LightGBM on fluid and 3 other major micronutrients: carbohydrate, protein, fat consumption prediction. We achieved high accuracy with low root mean square error (RMSE) by using linear regression in fluid prediction, random forest in carbohydrate prediction and LightGBM in protein and fat prediction. We believe our diet recommender system, OBESEYE, is the only of its kind which recommends diet with the consideration of comorbidities and physical conditions and promote encouragement to get rid of obesity.

研究动机与目标

• 在肥胖管理中，尤其是合并症患者，阐明个性化饮食计划的需求；
• 开发一个机器学习系统以预测个体营养需求（液体、碳水化合物、蛋白质、脂肪）
• 评估多种 ML 模型以确定每种营养预测的最佳模型
• 引入可解释性以支持临床决策和用户信任
• 推广考虑身体状况和合并症的饮食建议

提出的方法

• 应用多种 ML 算法（线性回归、SVM、决策树、随机森林、XGBoost、LightGBM）来预测液体、碳水化合物、蛋白质和脂肪的营养摄入
• 以 RMSE 作为准确度评估指标（RMSE 越低越好）
• 为每种营养找出表现最好的模型（如液体：线性回归，碳水化合物：随机森林，蛋白质和脂肪：LightGBM）
• 强调可解释性，使预测与临床相关性和饮食建议的可解释性保持一致

实验结果

研究问题

• RQ1 机器学习是否能够准确预测用于肥胖管理的个体营养需求？
• RQ2 哪种 ML 模型在预测液体、碳水化合物、蛋白质和脂肪摄入方面最有效？
• RQ3 将合并症和体格信息纳入饮食建议后，对推荐有何影响？
• RQ4 系统是否能够生成可解释的饮食建议，以支持临床决策？

主要发现

• 在所评估的模型中，线性回归在液体预测方面表现最好。
• 随机森林成为碳水化合物摄入的最佳预测模型。
• LightGBM 对蛋白质和脂肪摄入提供了最强的预测。
• 研究报告在所选营养素上具有高预测准确性和低 RMSE。
• OBESEYE 被呈现为一个独特的饮食推荐系统，饮食建议中包含合并症和体格状况信息。