Nutrients：老人吃饭难、营养差？AI 聊天机器人+传感器来解决

随着全球老龄人口预计于2050年达到21亿，老年群体面临着诸多健康挑战，尤其是营养不良的风险显著增加。生理功能退化如新陈代谢减缓、味觉下降及咀嚼困难，常导致营养摄入不足，进而引发慢性疾病和生活质量下降。传统营养干预方法难以满足老年人多样化、个性化的需求。近年，人工智能（AI）因其强大的数据分析、个性化推荐和适应性调整能力，成为支持老年健康饮食的重要工具。AI技术涵盖了从智能传感器到对话式聊天机器人、图像识别以及机器人辅助喂食等多种形式，能够帮助老年人科学监控饮食、改善饮食习惯和预防营养相关疾病。

本文系统回顾了2015年至2025年间关于利用AI促进老年人健康饮食和营养的30项研究，涵盖机器学习、自然语言处理、推荐系统等多种AI技术。研究不仅系统评估了这些技术在个性化饮食干预中的应用和效果，也探讨了现存的技术局限性、伦理隐患及未来科研方向，为AI在老年营养健康领域的应用提供了全面指南。

本综述严格遵循PRISMA 2020指南，检索了七大数据库（包括ACM、IEEE Xplore、ScienceDirect、PsycINFO、CINAHL、PubMed和Scopus）中2015年至2025年间发表的相关文献。纳入标准为：涉及60岁及以上老年人群的AI营养干预的实证研究，涵盖定性、定量及混合方法研究。通过双重独立评价确保文献筛选的科学性和一致性，数据提取涵盖研究设计、AI技术类型、干预内容、评估指标及伦理考量。采用定量统计和定性内容分析相结合的方法，对干预效果、技术应用趋势及存在问题进行全面分析。

研究趋势与理论基础

近年发表数量显著增加，特别是2020年以后，显示出学界对AI技术在老年营养领域的高度关注。研究中采用了多种行为科学理论（如自我揭示理论、女性主义理论、技术接受模型）指导用户交互设计，以及机器学习、深度学习、知识图谱和优化算法等技术模型来实现个性化饮食推荐和行为预测。 

图：文章中采用的人工智能技术分布情况

饮食行为监测

多数研究关注老年人三餐（早餐、午餐、晚餐）及零食的全面跟踪，结合智能传感器（如惯性测量单元、接触传感器）、图像识别和语音交互，精准捕捉饮食时间、食物种类及摄入量。部分研究还关注进食节奏、咀嚼次数及咽下安全性，尤其针对吞咽障碍风险进行监测，但相关应用仍较少。

AI技术应用

传感器技术最为普遍，辅助饮食行为识别和营养状况监测。聊天机器人用于交互式营养指导，推荐系统结合用户健康数据实现个性化餐单规划。机器学习算法提高了食物识别和营养风险评估的准确性。机器人辅助技术针对运动障碍或失能老年人提供喂食支持。计算机视觉则在食物图像分析中表现优异。相较之下，专家系统、眼动追踪和语音助手应用较少。

干预效果

大部分AI干预表现良好，机器学习模型准确率高达94%，情绪识别和手势感知的F1分数超过0.90。多项研究报告干预后老年人体重、饮食质量及营养多样性显著改善，如一项研究中治疗组体重平均下降5.8公斤，41%参与者体重减少超5%。用户满意度普遍较高，语音交互系统尤其受老年人欢迎。

局限性与伦理问题

多数研究处于原型或实验室阶段，样本量偏小，缺乏长期和大规模真实场景验证。缺少代表性样本导致结论推广受限。部分研究忽视文化差异和数字素养差异，可能影响技术普及。数据隐私保护、算法透明度及用户自主权保障不足，存在伦理风险。临床相关性不强，尤其在吞咽障碍等高风险领域应用有限。

未来展望

研究建议推动AI营养干预的真实环境部署，融合可穿戴设备与健康系统，实现连续多模态数据收集。强调多样化、包容性设计，支持老年人多样交互方式（语音、手势、触摸），并加强隐私保护和伦理框架建设。推动跨学科合作，确保临床指导和实际需求的紧密结合，同时关注吞咽安全和饮食纹理调整等专业领域。

结论

人工智能技术在促进老年人健康饮食和营养方面展现出巨大潜力，能够实现个性化、动态适应和规模化干预，改善老年人的营养状况和生活质量。然而，当前研究仍处于起步阶段，存在样本代表性不足、临床验证缺乏及伦理风险等问题。未来应加强真实环境的长效验证，提升系统可用性和包容性，并严格遵守伦理规范，以保障老年人安全和权益。跨学科合作及临床深度参与将是实现AI技术广泛应用的关键。

原始出处

Kalu, K.; Ataguba, G.; Onifade, O.; Orji, F.; Giweli, N.; Orji, R. Application of Artificial Intelligence Technologies as an Intervention for Promoting Healthy Eating and Nutrition in Older Adults: A Systematic Literature Review. Nutrients 2025, 17, 3223. https://doi.org/10.3390/nu17203223

本文相关学术信息由梅斯医学提供，基于自主研发的人工智能学术机器人完成翻译后邀请临床医师进行再次校对。如有内容上的不准确请留言给我们。