영양 분야의 AI: 컴퓨터 비전으로 건강한 식습관 간소화

건강한 식습관을 유지하고 staying fit하는 것은 우리 중 많은 사람들이 달성하고자 노력하는 목표입니다. 한 조사에 따르면, people want to be healthier를 원하는 사람들이 70%에 달하며, 이 중 50%에게는 건강한 식단 관리가 최우선 과제입니다. 때로는 의사나 영양사의 조언에 의존하기도 합니다. 하지만 이는 시간이 오래 걸리고 예약과 식단 기록 과정을 거쳐야 합니다. 특히 식단 기록은 번거롭고 실수하기 쉽습니다.

AI와 computer vision을 활용하면 건강한 식단을 더 간단하고 쉽게 접할 수 있습니다. 섭취한 음식을 분석하고, 영양을 추적하며, 건강 목표에 맞는 레시피를 추천해 줄 수 있습니다. 또한 이러한 기술은 알레르기 유발 물질을 식별하여 식이 제한이 있는 사람들이 더 쉽고 안전하게 식단을 계획할 수 있도록 돕습니다. 본 글에서는 이러한 기술이 영양 추적 및 레시피 추천 등의 작업에 어떻게 활용되는지 자세히 살펴보겠습니다. 아울러 영양 분야의 AI가 healthcare 산업에 미치는 영향도 함께 알아보겠습니다. 시작하겠습니다!

Fig 1. AI를 사용하여 식사의 칼로리 계산하기.

영양 추적 및 식품 분석에서의 컴퓨터 비전#

부적절한 영양 섭취는 다양한 건강 문제를 야기할 수 있습니다. 연구원들은 특정 음식과 영양소를 너무 많이 또는 너무 적게 섭취하는 것이 심장 질환 및 뇌졸중의 위험을 증가시킬 수 있다는 사실을 밝혀냈습니다. 그렇기 때문에 영양 섭취량을 추적하는 것이 매우 중요합니다. 전통적으로 영양 섭취 추적은 섭취한 음식을 수동으로 기록하고, 1인분 크기를 추정하며, 영양 정보를 찾아보는 방식이었는데, 이는 시간이 많이 걸리고 오차 범위가 존재할 수 있습니다. 이제 AI와 컴퓨터 비전 기술을 통해 그 어느 때보다 쉽게 영양을 추적할 수 있습니다.

식탁에 앉아 그릇이나 접시의 사진을 찍으면 computer vision models이 이미지를 분석하여 다양한 음식을 식별할 수 있습니다. 그 후 AI 시스템은 1회 제공량을 추정하고 상세한 영양 정보를 제공합니다. 예를 들어, object detection 기술을 활용하여 컴퓨터 비전 시스템은 접시 위의 음식 항목을 정확하게 식별할 수 있습니다.

그림 2. Ultralytics YOLOv8 컴퓨터 비전 모델을 사용하여 딸기 감지하기.

식별된 음식 항목은 방대한 영양 정보 데이터베이스와 대조될 수 있습니다. 깊이 추정과 같은 고급 알고리즘은 1인분 크기를 추정하는 데 도움을 줍니다. 음식이 식별되고 1인분 크기가 추정되면, 시스템은 칼로리, 다량 영양소(단백질, 지방, 탄수화물 등) 및 미량 영양소(비타민 및 무기질 등)를 계산하여 식사에 대한 상세한 영양 분석 결과를 제공합니다.

컴퓨터 비전으로 구동되는 식단 추적 앱#

식단 추적에서 컴퓨터 비전의 가장 인기 있는 응용 분야 중 하나는 모바일 앱입니다. 흥미로운 몇 가지 AI 식단 추적 옵션을 간단히 살펴보겠습니다.

SnapCalorie는 사진을 기반으로 칼로리 함량과 다량 영양소를 추정하는 컴퓨터 비전 활용 앱입니다. 5,000개의 식단 데이터를 학습하여 칼로리 추정 오차를 20% 미만으로 줄였으며 대부분의 인간보다 뛰어난 성능을 보여줍니다. 결과는 음식 일지에 기록하거나 Apple Health 같은 피트니스 플랫폼으로 내보낼 수 있습니다.

마찬가지로, AI 영양 추적을 주도하는 흥미로운 혁신 기술 중 하나는 LogMeal API입니다. 이 기술은 대규모 음식 이미지 datasets로 학습된 딥러닝 알고리즘을 사용하여 음식을 정확하게 감지하고 인식합니다. LogMeal의 모델은 1,300개의 요리에서 93%의 정확도를 달성하며, 상세한 영양 분석, 재료 감지 및 1회 제공량 추정 기능을 제공합니다. LogMeal API는 앱에 손쉽게 통합되어 레스토랑, 셀프 주문 키오스크, 푸드테크 스타트업, healthcare providers 및 기타 소비자를 위한 식단 추적 솔루션을 구축할 수 있습니다.

그림 3. Logmeal을 사용하여 음식 항목 식별하기.

AI를 활용한 레시피 제안#

AI는 주방에 있는 재료를 바탕으로 건강한 레시피를 추천할 수 있습니다. 냉장고나 팬트리 내부 사진에서 segmentation 같은 컴퓨터 비전 기법을 통해 다양한 재료를 식별할 수 있습니다. 이를 바탕으로 ChatGPT와 같은 거대 언어 모델(LLM)이 generative AI를 활용해 레시피를 제안합니다. LLM에 프롬프트를 입력할 수 있으므로 비건, 글루텐 프리, 저탄수화물 등의 식이 제한 사항을 지정할 수 있으며, AI 시스템이 사용자의 조건에 맞는 레시피 추천을 선별해 줍니다.

Fig 4. 컴퓨터 비전을 활용한 재료 인식.

ChatGPT의 맞춤형 버전인 "Sous Chef"가 이 기술의 훌륭한 예시입니다. 이 서비스는 가지고 있는 재료를 기반으로 레시피를 제안할 수 있습니다. 재료를 프롬프트로 입력하거나 냉장고 안에 있는 재료의 사진을 업로드할 수 있습니다.

이런 시스템이 정말 필요한지 궁금할 수 있습니다. AI 레시피 제안 시스템은 가용한 재료를 잘 활용하여 음식물 쓰레기를 줄이고, 고급 요리로 식단의 다양성을 높이는 등 많은 이점을 제공합니다. 또한 균형 잡힌 식단을 유지하도록 도울 수 있습니다. 예를 들어, AI 레시피 생성기가 제안하는 개인 맞춤형 식단 계획은 피트니스 목표를 달성하는 데 도움이 될 수 있습니다. 이러한 시스템은 요리를 훨씬 더 즐겁고 창의적인 활동으로 만들어 줄 수 있습니다.

영양 산업에서 AI로 혁신하는 스타트업#

식품 및 영양 산업에서 AI와 관련하여 매우 흥미로운 작업들이 많이 진행되고 있습니다. 매일 섭취하는 음식에 AI를 통합하고 있는 몇몇 스타트업을 살펴보겠습니다.

미국 기반의 스타트업 Journey Foods는 신규 포장 식품 제품의 개발 및 출시를 위한 재료 인텔리전스를 제공합니다. 이들의 데이터 과학 플랫폼인 JourneyAI는 수백만 개의 재료와 공급망 데이터를 분석하여 각 제품에 이상적인 재료를 찾아냅니다. 화학 물질과 영양소에 관한 방대한 데이터를 수집 및 저장하여 식품의 최적 배합을 만들어냅니다. 또한 이 플랫폼을 통해 포장 식품 제조 기업은 데이터 기반의 식품 발굴을 통해 전체 product life cycles을 더 효과적으로 관리할 수 있습니다.

영양 산업에서 주목받는 또 다른 혁신 스타트업은 Viome입니다. Viome은 인공지능과 mRNA 시퀀싱 기술을 활용하여 맞춤형 영양 및 웰니스 권장 사항을 제공합니다. 마이크로바이옴과 유전자 발현을 분석하는 자가 진단 키트를 제공하여 개인의 건강 상태에 대한 정밀한 인사이트를 도출합니다. 이러한 인사이트는 미생물 불균형과 염증의 근본 원인을 파악하는 데 도움을 줍니다. 이 정보를 바탕으로 Viome은 각 개인의 고유한 생화학적 특성에 맞춘 맞춤형 보충제와 식이 요법을 처방합니다. 만성 질환 예방과 근본적인 건강 문제 해결에 초점을 맞춤으로써 Viome은 고급 건강 관리를 누구나 쉽고 개인화된 방식으로 이용할 수 있도록 만듭니다.

Fig 5. AI 및 유전체 시퀀싱을 기반으로 한 식품 추천.

AI 영양사의 단점 고려하기#

AI 강화 영양 시스템은 많은 이점을 제공하지만, 몇 가지 단점도 이해해야 합니다. 주요 문제 중 하나는 데이터 프라이버시와 보안입니다. 이러한 시스템은 민감한 개인 건강 및 식단 정보에 접근해야 합니다. 이 데이터가 제대로 보호되지 않으면 오용되거나 도난당할 수 있습니다.

또한 bias in AI algorithms 문제도 존재합니다. 학습 데이터가 충분히 다양하지 않을 경우 추천 결과가 모든 사람에게 정확하지 않을 수 있으며, 특정 그룹에게는 잘못된 조언으로 이어질 수 있습니다. 또 다른 문제는 기술에 대한 과도한 의존 위험입니다. AI는 유용한 인사이트를 제공할 수 있지만, 인간 영양사와 의료 전문가의 전문성을 대체해서는 안 됩니다.

의료 산업에 미치는 영향#

AI 기반 영양 추적 및 영양사 시스템은 의료 산업을 재편하며 인간 영양사와 healthcare 전문가의 역할을 변화시킬 것입니다. 또한 대중이 영양 섭취에 관한 조언을 구할 때 더 많은 선택지를 제공합니다. 약 40%의 사람들은 일상 식단에 보충제를 추가하기 전에 의사와 상담할 필요가 없다고 생각합니다. AI를 활용하면 전문가의 의견을 더 쉽게 얻을 수 있으며, 대중이 영양 섭취에 변화를 주기 전에 더 많은 의견을 수렴하도록 장려할 수 있습니다.

AI 전환은 영양 및 식이 관리 방식을 근본적으로 바꿀 가능성이 높습니다. 뉴욕주 웨스트체스터에 위치한 Core Nutrition의 영양사 겸 식이 전문가인 Alexandra Kaplan은 다음과 같이 말합니다. "AI가 정확하다고 가정할 때, 접시에 있는 것과 음식에 포함된 성분의 정확한 양을 파악하는 데 도움이 되므로 환자들이 해당 식사에서 무엇을 먹고 있는지 알 수 있도록 매우 유용할 것입니다."

인간 영양사를 대체하기보다 AI는 그들의 전문성을 보완하는 강력한 도구로 사용될 수 있습니다. AI는 임상적 의사결정을 지원할 수 있는 데이터 기반의 통찰력을 제공하여 영양사가 더 효과적인 치료 계획을 개발하도록 돕습니다. 예를 들어, AI는 만성 질환에 기여하는 환자의 식습관 패턴을 식별하여 영양사가 더 일찍, 더 효과적으로 개입할 수 있도록 합니다.

영양학에서의 AI에 관한 요약#

컴퓨터 비전과 AI는 우리가 무엇을 먹는지 추적하는 것을 훨씬 더 쉽게 만들 수 있으며, 개인 영양사 역할을 할 수도 있습니다. 이러한 기술은 정확한 모니터링과 맞춤형 식단 계획을 제공하여 환자의 건강을 개선하고, 대부분의 복잡한 영양사 프로세스를 효율적으로 만들어 헬스케어 비용을 절감하는 데 사용될 수 있습니다. AI가 정확성 문제나 개인적인 인간미 부족과 같은 몇 가지 한계를 가지고 있지만, AI 혁신은 인간의 전문성을 보완하고 전반적인 영양 케어를 향상시킬 수 있습니다. 아직 스타트렉의 음식 복제기까지는 갈 길이 멀지 모르지만, 영양학에서의 AI는 미래를 재편하고 있습니다.

함께 혁신을 만들어 갑니다! AI 분야에 대한 당사의 기여를 확인하려면 GitHub repository를 살펴보세요. 최첨단 AI 기술을 통해 manufacturing 및 healthcare와 같은 산업을 어떻게 재정의하고 있는지 확인해 보세요. 🚀