영양 분야의 AI: 컴퓨터 비전으로 건강한 식생활 간소화

건강하게 먹고 건강을 유지하는 것은 많은 사람이 이루고자 하는 목표입니다. 설문조사에 따르면 사람들의 70%가 더 건강해지기를 원하며, 그중 50%에게는 건강한 식습관이 최우선 과제입니다. 때로는 의사와 영양사의 조언을 구할 수 있지만, 상담 예약과 식사 기록에 시간이 걸릴 수 있습니다. 특히 식사 기록은 번거롭고 오류가 발생하기 쉽습니다.

AI와 컴퓨터 비전은 건강한 식생활을 더 간편하고 쉽게 실천하도록 도울 수 있습니다. 섭취하는 음식을 분석하고 영양 섭취량을 추적하며 건강 목표에 맞는 레시피를 추천할 수 있습니다. 또한 알레르기 유발 물질을 식별하여 식이 제한이 있는 사람도 식단을 더 쉽고 안전하게 계획하도록 지원합니다. 이 글에서는 영양 섭취량 추적과 레시피 추천 같은 작업에 이러한 기술을 어떻게 활용할 수 있는지 자세히 살펴보겠습니다. 또한 영양 분야의 AI가 의료 산업에 어떤 영향을 미치는지도 알아보겠습니다.

그림 1. AI를 사용해 식사의 칼로리 계산.

영양 섭취 추적 및 음식 분석에서의 컴퓨터 비전#

영양 섭취가 부적절하면 다양한 건강 문제가 발생할 수 있습니다. 연구에 따르면 특정 식품과 영양소를 너무 많이 또는 너무 적게 섭취하면 심장 질환과 뇌졸중 위험이 높아질 수 있습니다. 따라서 영양 섭취량을 추적하는 일이 매우 중요합니다. 기존에는 섭취한 음식을 직접 기록하고, 1회 섭취량을 추정하며, 영양 정보를 찾아봐야 했습니다. 이 과정은 시간이 오래 걸리고 오차가 발생할 수 있습니다. AI와 컴퓨터 비전 기술을 활용하면 영양 섭취량을 훨씬 쉽게 추적할 수 있습니다.

식사를 시작할 때 그릇이나 접시를 사진으로 찍으면 컴퓨터 비전 모델이 이미지를 분석해 다양한 음식을 식별할 수 있습니다. 그런 다음 AI 시스템은 1회 섭취량을 추정하고 자세한 영양 정보를 제공할 수 있습니다. 예를 들어 컴퓨터 비전 시스템은 객체 감지를 활용해 접시 위의 음식 항목을 정확하게 식별할 수 있습니다. Food Recognition 2022와 같은 공개 데이터셋을 사용하면 이러한 모델을 학습시킬 수 있습니다.

그림 2. 딸기를 탐지하는 Ultralytics YOLOv8 컴퓨터 비전 모델.

식별된 음식 항목은 영양 정보가 담긴 대규모 데이터베이스와 대조할 수 있습니다. 깊이 추정과 같은 고급 알고리즘은 1회 섭취량을 추정하는 데 도움이 됩니다. 음식과 섭취량을 식별하고 추정한 다음 시스템은 칼로리와 다량 영양소(단백질, 지방, 탄수화물 등), 미량 영양소(비타민과 미네랄 등)를 계산해 식사의 영양 구성을 자세히 알려 줄 수 있습니다.

컴퓨터 비전을 활용한 식사 추적 앱#

식사 추적 분야에서 컴퓨터 비전을 활용하는 가장 인기 있는 방법 중 하나는 모바일 앱입니다. AI 기반 식사 추적 옵션 몇 가지를 간단히 살펴보겠습니다.

SnapCalorie는 사진을 바탕으로 칼로리와 다량 영양소 함량을 추정하는 컴퓨터 비전 앱입니다. 5,000개의 식사를 사용해 학습했으며 칼로리 추정 오차를 20% 미만으로 줄여 대부분의 사람보다 뛰어난 성능을 보입니다. 결과를 음식 일지에 기록하거나 Apple Health 같은 피트니스 플랫폼으로 내보낼 수 있습니다.

마찬가지로 AI 기반 영양 섭취 추적을 이끄는 흥미로운 혁신으로 LogMeal API가 있습니다. 대규모 음식 이미지 데이터셋으로 학습한 딥러닝 알고리즘을 사용해 음식을 정확하게 감지하고 인식합니다. LogMeal 모델은 1,300가지 요리에 걸쳐 93%의 정확도를 달성하며 상세한 영양 분석과 재료 감지, 1회 섭취량 추정 기능을 제공합니다. LogMeal API는 레스토랑과 셀프 주문 키오스크, 푸드테크 스타트업, 의료 서비스 제공자 및 기타 사용자를 위한 식사 추적 솔루션을 개발할 때 앱에 쉽게 통합할 수 있습니다.

그림 3. LogMeal을 사용한 음식 항목 식별.

AI를 활용한 레시피 추천#

AI는 주방에 있는 재료를 바탕으로 건강한 레시피를 추천할 수 있습니다. 분할과 같은 컴퓨터 비전 기법은 냉장고나 식료품 저장실 이미지에서 다양한 재료를 식별할 수 있습니다. 이를 바탕으로 ChatGPT와 같은 대규모 언어 모델(LLM)이 생성형 AI를 활용해 재료에 맞는 레시피를 추천할 수 있습니다. LLM에 프롬프트를 입력할 수 있으므로 비건이나 글루텐 프리, 저탄수화물 등 식이 제한 사항을 지정하면 AI 시스템이 기준에 맞는 레시피를 선별해 추천합니다.

그림 4. 컴퓨터 비전을 사용한 재료 인식.

ChatGPT를 맞춤 설정한 버전인 "Sous Chef"가 이 기술의 한 사례입니다. 가지고 있는 재료를 바탕으로 레시피를 추천할 수 있습니다. 재료를 프롬프트에 입력하거나 냉장고에 있는 재료의 이미지를 업로드하면 됩니다.

이러한 시스템이 정말 필요한지 궁금할 수도 있습니다. AI 레시피 추천 시스템은 보유한 재료를 효과적으로 활용해 음식물 쓰레기를 줄이고, 고급 요리를 통해 식사의 다양성을 높이는 등 여러 이점을 제공합니다. 균형 잡힌 식단을 유지하는 데에도 도움이 됩니다. 예를 들어, AI 레시피 생성기가 추천하는 맞춤형 식단 계획은 피트니스 목표 달성에 도움이 될 수 있습니다. 또한 이러한 시스템은 요리를 훨씬 더 즐겁고 창의적으로 만들어 줍니다.

영양 산업에서 AI 혁신을 주도하는 스타트업#

식품 및 영양 산업에서는 AI와 관련해 흥미로운 연구와 개발이 활발히 진행되고 있습니다. 매일 먹는 음식에 AI를 통합하는 스타트업 몇 곳을 살펴보겠습니다.

미국에 기반을 둔 스타트업 Journey Foods는 새로운 포장 식품을 개발하고 출시할 수 있도록 원료 인텔리전스를 제공합니다. 데이터 과학 플랫폼 JourneyAI는 수백만 가지 원료와 공급망 데이터를 분석해 각 제품에 적합한 원료를 찾습니다. 최적의 식품 제품 배합을 만들기 위해 화학 물질과 영양소에 관한 방대한 데이터를 수집하고 저장합니다. 또한 이 플랫폼을 통해 포장 식품 제조 기업은 데이터 기반 식품 탐색을 바탕으로 제품의 전체 수명 주기를 더 효과적으로 관리할 수 있습니다.

영양 산업의 또 다른 혁신적인 스타트업은 Viome입니다. Viome은 인공지능과 mRNA 시퀀싱 기술을 활용해 맞춤형 영양 및 웰니스 권장 사항을 제공합니다. 가정에서 실시할 수 있는 검사를 제공하며, 이 검사는 마이크로바이옴과 유전자 발현을 분석해 개인의 건강 상태를 정확하게 파악합니다. 이러한 분석 결과는 미생물 불균형과 염증의 근본 원인을 찾는 데 도움이 됩니다. Viome은 이 정보를 바탕으로 각 개인의 고유한 생화학적 특성에 맞춘 맞춤형 보충제와 식단을 처방합니다. 만성 질환 예방과 근본적인 건강 문제 해결에 중점을 두어, Viome은 고도화된 건강 관리를 누구나 개인 맞춤형으로 이용할 수 있도록 합니다.

그림 5. AI와 유전체 시퀀싱을 바탕으로 한 식품 추천.

AI 영양사의 단점 살펴보기#

AI 기반 영양 시스템은 많은 이점을 제공하지만, 몇 가지 단점도 이해해야 합니다. 주요 문제 중 하나는 데이터 개인정보 보호와 보안입니다. 이러한 시스템은 민감한 개인 건강 정보와 식이 정보를 이용해야 합니다. 이 데이터가 제대로 보호되지 않으면 오용되거나 도난당할 수 있습니다.

또한 AI 알고리즘의 편향에 대한 우려도 있습니다. 학습 데이터가 충분히 다양하지 않으면 일부 집단에 부정확한 권장 사항을 제공해 부적절한 조언으로 이어질 수 있습니다. 기술에 지나치게 의존하게 될 위험도 있습니다. 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 바꿀 것입니다. 또한 영양 섭취에 관한 조언을 구할 때 대중이 선택할 수 있는 방법도 늘어납니다. 약 40%의 사람들은 일상에 보충제를 추가하기 전에 의사와 상담할 필요가 없다고 생각합니다. AI를 활용하면 전문가의 의견을 더욱 쉽게 구할 수 있으며, 영양 섭취를 바꾸기 전에 더 많은 의견을 구하도록 대중을 유도할 수 있습니다.

AI는 영양 및 식이 관리 방식을 근본적으로 바꿀 수 있습니다. 뉴욕주 웨스트체스터에 있는 Core Nutrition의 영양사 겸 영양학자인 Alexandra Kaplan은 "AI가 정확하다고 가정하면, 접시에 담긴 음식의 정확한 양과 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."라고 말합니다.

AI는 사람인 영양사를 대체하기보다 영양사의 전문성을 보완하는 강력한 도구로 활용될 수 있습니다. AI는 임상 의사결정을 지원하는 데이터 기반 인사이트를 제공하여 영양사가 더욱 효과적인 치료 계획을 세우도록 도울 수 있습니다. 예를 들어, AI는 환자의 식습관에서 만성 질환에 기여하는 패턴을 파악하고, 영양사가 더 이른 시점에 더욱 효과적으로 개입하도록 지원할 수 있습니다.

영양 분야 AI 핵심 정리#

컴퓨터 비전과 AI는 식습관을 훨씬 쉽게 추적하도록 돕고 개인 영양사 역할까지 할 수 있습니다. 이러한 기술은 정확한 모니터링과 맞춤형 식단 계획을 제공해 환자의 건강을 개선하는 동시에, 복잡한 영양사 업무 대부분을 효율화해 의료 비용을 낮출 수 있습니다. AI에는 정확도 문제와 인간적인 접촉의 부족 등 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 바꾸고 있습니다.

함께 혁신을 만들어 갑시다! GitHub 저장소에서 AI 분야의 기여 내용을 확인해 보세요. 제조업과 의료 등 여러 산업에서 AI를 어떻게 적용하고 있는지 알아보세요.