영양 관리의 AI: 컴퓨터 비전으로 간소화하는 건강한 식습관

건강하게 먹고 건강을 유지하는 것은 많은 사람이 이루고자 노력하는 목표입니다. 한 설문조사에 따르면 더 건강해지고 싶어 하는 사람들이 70%에 달하며, 그중 50%에게는 더 건강하게 먹는 것이 최우선 과제입니다. 때로는 의사와 영양사의 조언에 의존하기도 합니다. 하지만 여기에는 시간이 많이 걸리고 진료 예약과 식사 기록이 필요할 수 있습니다. 특히 식사 기록은 번거롭고 실수가 발생하기 쉽습니다.

AI와 컴퓨터 비전을 활용하면 건강한 식생활을 더 간편하고 쉽게 실천할 수 있습니다. 무엇을 먹는지 분석하고, 영양 섭취를 추적하며, 건강 목표에 따라 레시피를 추천하는 데 도움을 받을 수 있습니다. 또한 이러한 기술은 알레르기 유발 물질을 식별하여 식이 제한이 있는 사람들이 식사 계획을 더 쉽고 안전하게 세울 수 있도록 지원합니다. 이 글에서는 영양 추적 및 레시피 추천과 같은 작업에 이러한 기술을 어떻게 활용할 수 있는지 자세히 살펴봅니다. 또한 영양 분야의 AI가 의료 산업에 어떤 영향을 미치는지도 알아봅니다. 지금부터 시작하겠습니다!

그림 1. AI를 사용하여 식사의 칼로리 수를 계산하는 모습입니다.

영양 추적 및 식품 분석에서의 컴퓨터 비전#

부적절한 영양 섭취는 다양한 건강 문제를 일으킬 수 있습니다. 연구자들은 특정 식품과 영양소를 너무 많이 또는 너무 적게 섭취하면 심장 질환과 뇌졸중 위험이 증가할 수 있다는 사실을 밝혀냈습니다. 따라서 영양 섭취량을 추적하는 것이 매우 중요합니다. 기존에는 섭취한 식품을 수동으로 기록하고, 섭취량을 추정하며, 영양 정보를 찾아보는 방식으로 영양 섭취량을 추적했는데, 이 과정에는 시간이 많이 걸리고 오차가 발생할 수 있습니다. 이제 AI와 컴퓨터 비전 기술을 활용하면 그 어느 때보다 쉽게 영양 섭취량을 추적할 수 있습니다.

식사를 위해 앉았을 때 그릇이나 접시를 촬영하면 컴퓨터 비전 모델이 이미지를 분석하여 다양한 식품을 식별할 수 있습니다. 그러면 AI 시스템이 섭취량을 추정하고 상세한 영양 정보를 제공합니다. 예를 들어 객체 감지를 사용하면 컴퓨터 비전 시스템이 접시 위의 식품을 정확하게 식별할 수 있습니다.

그림 2. 딸기를 감지하기 위해 Ultralytics YOLOv8 컴퓨터 비전 모델을 사용하는 모습입니다.

이렇게 식별된 식품은 대규모 영양 정보 데이터베이스와 매칭할 수 있습니다. 깊이 추정과 같은 고급 알고리즘을 사용하면 섭취량을 추정하는 데 도움이 됩니다. 식품을 식별하고 섭취량을 추정한 후에는 시스템이 칼로리, 다량 영양소(단백질, 지방, 탄수화물 등), 미량 영양소(비타민과 미네랄 등)를 계산하여 식사의 상세한 영양 분석 결과를 제공할 수 있습니다.

컴퓨터 비전으로 구동되는 식사 추적 앱#

식사 추적에서 컴퓨터 비전이 가장 널리 활용되는 분야 중 하나는 모바일 앱입니다. 흥미로운 AI 식사 추적 옵션 몇 가지를 간단히 살펴보겠습니다.

SnapCalorie는 사진을 통해 칼로리 함량과 다량 영양소를 추정하는 앱입니다. 5,000개의 식사 데이터로 학습되어 칼로리 추정 오차를 20% 미만으로 줄이며 대부분의 사람보다 뛰어난 성능을 보입니다. 결과는 식사 일지에 기록하거나 Apple Health와 같은 피트니스 플랫폼으로 내보낼 수 있습니다.

이와 유사하게 AI 영양 추적을 이끄는 흥미로운 혁신으로 LogMeal API가 있습니다. LogMeal API는 대규모 식품 이미지 데이터셋으로 학습한 딥러닝 알고리즘을 사용하여 식품을 정확하게 감지하고 인식합니다. LogMeal의 모델은 1,300가지 요리에서 93%의 정확도를 달성하며, 상세한 영양 분석, 재료 감지, 섭취량 추정 기능을 제공합니다. LogMeal API는 앱에 쉽게 통합할 수 있어 레스토랑, 셀프 주문 키오스크, 푸드테크 스타트업, 의료 서비스 제공자 및 기타 소비자를 위한 식사 추적 솔루션을 구축할 수 있습니다.

그림 3. Logmeal을 사용하여 식품을 식별하는 모습입니다.

AI를 사용하여 레시피 추천하기#

AI는 주방에 있는 식재료를 바탕으로 건강한 레시피를 추천할 수 있습니다. 세그멘테이션과 같은 컴퓨터 비전 기술을 사용하면 냉장고나 식료품 저장실 이미지에서 다양한 재료를 식별할 수 있습니다. 이를 바탕으로 ChatGPT와 같은 대규모 언어 모델(LLM)이 생성형 AI를 사용하여 레시피를 추천할 수 있습니다. LLM에 프롬프트를 입력할 수 있으므로 비건, 글루텐 프리, 저탄수화물 등 식이 제한도 지정할 수 있으며, AI 시스템은 기준에 맞는 레시피를 선별하여 추천합니다.

그림 4. 컴퓨터 비전을 사용하여 재료를 인식하는 모습입니다.

ChatGPT를 맞춤 구성한 버전인 "Sous Chef"는 이 기술의 훌륭한 예입니다. 보유한 식재료를 바탕으로 레시피를 추천할 수 있습니다. 재료를 프롬프트에 입력하거나 냉장고에 있는 식재료 사진을 업로드할 수 있습니다.

이러한 시스템이 정말 필요한지 궁금할 수 있습니다. AI 레시피 추천 시스템은 보유한 식재료를 효율적으로 활용하여 음식물 쓰레기를 줄이고, 고급 요리로 식사의 다양성을 높이는 등 많은 이점을 제공합니다. 또한 균형 잡힌 식단을 유지하는 데도 도움을 줄 수 있습니다. 예를 들어 AI 레시피 생성기가 추천하는 맞춤형 식사 계획은 피트니스 목표를 달성하는 데 도움이 될 수 있습니다. 이러한 시스템은 요리를 훨씬 더 재미있고 창의적으로 만들어 주기도 합니다.

영양 산업에서 AI로 혁신하는 스타트업#

식품 및 영양 산업에서는 AI와 관련하여 매우 흥미로운 작업이 많이 진행되고 있습니다. AI를 우리가 매일 먹는 식품에 통합하고 있는 스타트업 몇 곳을 살펴보겠습니다.

미국 기반 스타트업인 Journey Foods는 새로운 포장 식품을 개발하고 출시할 수 있도록 식재료 인텔리전스를 제공합니다. 데이터 과학 플랫폼인 JourneyAI는 수백만 개의 식재료와 공급망 데이터를 분석하여 각 제품에 적합한 식재료를 찾습니다. 또한 화학 물질과 영양소에 관한 방대한 데이터를 수집하고 저장하여 최적의 식품 제품 배합을 개발합니다. 이 플랫폼은 포장 식품 제조 기업이 데이터 기반 식품 탐색을 통해 전체 제품 수명 주기를 더 효과적으로 관리할 수 있도록 지원합니다.

영양 산업의 또 다른 혁신적인 스타트업으로 Viome이 있습니다. Viome은 인공지능과 mRNA 시퀀싱 기술을 사용하여 개인 맞춤형 영양 및 웰니스 권장 사항을 제공합니다. 가정에서 실시할 수 있는 검사를 제공하며, 이를 통해 마이크로바이옴과 유전자 발현을 분석하여 개인의 건강 상태에 대한 정확한 인사이트를 얻을 수 있습니다. 이러한 인사이트는 미생물 불균형과 염증의 근본 원인을 파악하는 데 도움이 됩니다. Viome은 이 정보를 바탕으로 각 사람의 고유한 생화학적 특성에 맞춘 맞춤형 보충제와 식이 권장 사항을 처방합니다. 만성 질환 예방과 근본적인 건강 문제 해결에 중점을 둠으로써 Viome은 고급 건강 관리를 누구나 이용할 수 있는 개인 맞춤형 서비스로 제공합니다.

그림 5. AI와 유전체 시퀀싱을 기반으로 한 식품 추천입니다.

AI 영양사의 단점 살펴보기#

AI로 강화된 영양 시스템은 많은 이점을 제공하지만, 몇 가지 단점도 이해해야 합니다. 주요 문제 중 하나는 데이터 개인정보 보호와 보안입니다. 이러한 시스템은 민감한 개인 건강 및 식이 정보에 접근해야 합니다. 이 데이터가 제대로 보호되지 않으면 오용되거나 도난당할 수 있습니다.

또한 AI 알고리즘의 편향에 대한 우려도 있습니다. 학습 데이터가 충분히 다양하지 않으면 추천 결과가 모든 사람에게 정확하지 않을 수 있으며, 특정 집단에 부적절한 조언을 제공할 가능성이 있습니다. 또 다른 문제는 기술에 지나치게 의존하게 될 위험입니다. AI는 유용한 인사이트를 제공할 수 있지만, 인간 영양사와 의료 서비스 제공자의 전문성을 대체해서는 안 됩니다.

의료 산업에 미치는 영향#

AI 기반 영양 추적 및 영양사 시스템은 의료 산업을 재편하고 인간 영양사와 의료 전문가의 역할을 변화시킬 전망입니다. 또한 영양 섭취에 관한 조언을 얻을 때 대중에게 더 많은 선택지를 제공합니다. 약 40%의 사람들은 일상에 보충제를 추가하기 전에 의사와 상담할 필요가 없다고 생각합니다. AI를 활용하면 전문가의 의견을 더 쉽게 얻을 수 있으며, 영양 섭취를 변경하기 전에 대중이 더 많은 정보를 참고하도록 장려할 수 있습니다.

AI를 통한 변화가 영양 및 식이 관리를 근본적으로 바꿀 가능성이 높습니다. 뉴욕주 웨스트체스터에 위치한 Core Nutrition의 영양사인 Alexandra Kaplan은 다음과 같이 말합니다. "AI가 정확하다고 가정하면, 접시에 담긴 음식의 정확한 양과 그 음식에 무엇이 들어 있는지 파악하는 데 도움이 되므로 매우 유용할 수 있습니다. 따라서 환자가 해당 식사에서 무엇을 먹고 있는지 아는 데 도움이 될 수 있습니다."

AI는 인간 영양사를 대체하기보다는 전문성을 보완하는 강력한 도구로 활용될 수 있습니다. AI는 임상 의사 결정을 지원하는 데이터 기반 인사이트를 제공하여 영양사가 더 효과적인 치료 계획을 수립하도록 도울 수 있습니다. 예를 들어 AI는 환자의 식습관 중 만성 질환에 기여하는 패턴을 식별하여 영양사가 더 이르고 효과적으로 개입할 수 있도록 합니다.

영양 분야 AI 요약#

컴퓨터 비전과 AI를 활용하면 무엇을 먹는지 훨씬 쉽게 추적할 수 있으며, 개인 영양사 역할까지 수행할 수 있습니다. 이러한 기술은 정확한 모니터링과 맞춤형 식단 계획을 제공하여 환자의 건강을 개선하는 동시에, 복잡한 영양사 업무 대부분을 더 효율적으로 처리해 의료 비용을 절감하는 데 활용할 수 있습니다. AI에는 정확도 문제와 인간적인 개별 접촉의 부족과 같은 한계가 있지만, AI 혁신은 인간의 전문성을 보완하고 전반적인 영양 관리를 향상할 수 있습니다. 아직 Star Trek에 등장하는 식품 복제기까지는 갈 길이 멀지만, 영양 분야의 AI는 미래를 재편하고 있습니다.

함께 혁신해 보세요! GitHub 저장소를 방문하여 AI에 대한 저희의 기여를 확인해 보세요. 최첨단 AI 기술로 제조 및 의료와 같은 산업을 어떻게 재정의하고 있는지 알아보세요. 🚀