NutriRAG：リトリーバル手法を用いた食品識別と分類のための大規模言語モデルの力を引き出す
カテゴリ：手術支援
公開日：2026年1月31日
タイトル：NutriRAG: unleashing the power of large language models for food identification and classification through retrieval methods.
雑誌名：J Am Med Inform Assoc. 2026 Jan 23; doi: 10.1093/jamia/ocag003. Epub 2026 Jan 23.
概 要：
本研究は、食事追跡アプリからの生テキスト入力を用いて、食品分類と食事分析を向上させるための高度な自然言語処理（NLP）技術の利用を探求しています。12週間のランダム化比較試験（RCT）から収集したデータを基に、NutriRAGという栄養に焦点を当てたリトリーバル拡張生成フレームワークを開発しました。このフレームワークは、ユーザーが記録した食品を事前定義されたカテゴリに分類するために、GPT-4などの大規模言語モデルを活用します。77人の肥満成人を対象にしたRCTデータに適用し、食事習慣の分析を行いました。
方 法：
この研究は、データ収集、フレームワーク開発、応用の3段階で実施されました。データは、myCircadianClockアプリを使用して自由形式で食事を記録した参加者から収集され、匿名化されたデータのみが使用されました。NutriRAGは、キュレーションされたデータベースから関連する例を取得し、ユーザーが記録した食品項目を分類するために大規模言語モデルを利用します。参加者は、時間制限食（TRE）、カロリー制限（CR）、制限なしの食事の3つの介入群に無作為に割り当てられました。
結 果：
NutriRAGは分類精度を大幅に向上させ、食事習慣の分析を助けました。リトリーバル拡張GPT-4モデルは、マイクロF1スコア82.24を達成しました。CR群はスナックや砂糖の摂取を減少させ、TRE群は夜間の食事を減少させるなど、両介入群で食事の変化が見られました。
結 論：
NutriRAGは、食品分類と栄養評価の食事分析において重要な進展を示しました。NLPの可能性を活用することで、個別化された栄養管理や食事関連の健康問題の管理が期待され、さらなる研究がこれらのモデルの拡張に向けて必要であることが示唆されました。