Viime vuosina on uutisoitu kiihtyvään tahtiin tutkimuksista, joiden mukaan sama ruoka vaikuttaa eri tavoin eri ihmisiin. Ilmiön taustalla on muun muassa ihmisten erilainen geeniperimä, joka saa aikaan esimerkiksi sen, että kananmunan keltuaisen sisältämä kolesteroli saa toisilla veren haitallisen kolesterolin kohoamaan, kun taas toisilla sillä ei ole suurtakaan vaikutusta.

Analytiikka personoidun ruokavalion perustana

Työskentelen CGI:llä data-analyytikkona ja intohimonani on luoda tiedosta palveluita. Teen väitöstutkimusta Itä-Suomen yliopistossa siitä, miten eroja ihmisten reagointitavoissa ravintoon voidaan mallintaa ja ennustaa ilman kalliita geenitestejä, vain ruokailutietojen ja helposti saatavien testien perusteella.

Mallinnuksen avulla on tavoitteena löytää ruoka-aineita, joiden vaikutuksissa on merkittäviä henkilökohtaisia eroja. Menetelmälläni voidaan tarkastella vaikutuksia niin suuren ryhmän kuin yksittäisen henkilönkin tasolla, ja koostaa niistä toisiinsa vaikuttavien asioiden verkko. Tämä auttaa ymmärtämään monimutkaista kokonaisuutta. Valmis ennustemalli kykenee vastaamaan kysymyksiin tästä aihealueesta. Esimerkiksi millainen olisi ruokavalio, jolla yksittäisen henkilön veriarvot saataisiin parempaan suuntaan?

Millainen olisi ruokavalio, jolla yksittäisen henkilön veriarvot saataisiin parempaan suuntaan?

Henkilökohtaisesti räätälöity ruokavalio olisi erityisen tärkeä monilla potilasryhmillä, kuten munuaisten vajaatoiminnasta kärsivillä, joiden ruokavalio on nykyisellään hyvin tiukka. Kun yksittäisen henkilön reagointitapa ravintoon kyetään ennustamaan, niin ruokavaliota voidaan joiltakin osin väljentää ilman, että hoitotasapaino heikkenee.

 

Tutkimuksesta konkreettiset hyödyt kehitystyöhön

Tämän tutkimuksen tuloksia tullaan hyödyntämään CGI:n Aromi-tuotteen kehityksessä. Tavoitteenamme on toteuttaa ravitsemusohjauksen asiantuntijajärjestelmä ravitsemusterapeutin avuksi. Järjestelmä toimii Aromissa ravitsemusterapeutin työpöydällä, antaen tietoja ravinnon ennakoiduista vaikutuksista sekä personoituja ruokavaliosuosituksia perustuen potilaan taustatietoihin ja hänen ennustettuun reagointitapaan. Järjestelmä pystyy perustelemaan kaikki tekemänsä suositukset. Viime kädessä kuitenkin asiantuntija päättää, miten toimitaan. Jos asiantuntija päättää korjata järjestelmän tekemiä suosituksia, niin kone oppii myös tästä.

Tämä tutkimus ja toteutettava toiminnallisuus ovat hyviä esimerkkejä siitä, kuinka moderni data-analytiikka ja koneoppiminen mahdollistavat aivan uusia toiminnallisuuksia nykyisiin ohjelmistoihin. Lisäksi analytiikan sovellukset eivät ole enää vain suositteluja verkkokaupoissa vaan niillä saadaan myös merkittäviä terveydellisiä vaikutuksia.

Kirjoittaja toimii data-analyytikkona CGI:llä, ja tekee väitöstutkimusta Itä-Suomen yliopistossa. Jarin tavoitat osoitteesta jari.turkia@cgi.com


Lataa Ruokapalvelupäällikön opas: Näin johdat ruokapalvelua tehokkaasti tiedon pohjalta. Ota selvää, miten Aromi vastaa ruokapalvelutoimialan tulevaisuuden haasteisiin.

Kirjoittajasta

Picture of Jari Turkia

Jari Turkia

Data-analyytikko

Olen Jari Turkia ja toimin CGI:llä data-analyytikkona. Minulla on kahdenkymmenen vuoden kokemus digitaalisista palveluista ja niiden arkkitehtuureista. Opastan teitä mielelläni kokonaisratkaisuissa, jotka alkavat tarpeiden ymmärtämisestä ja tietojen analysoinnista, päätyen Big Data-ratkaisun ja integraatioiden kautta helppokäyttöisiksi ja visuaalisesti näyttäviksi palveluiksi.

Kirjoita kommentti

Comment editor

  • No HTML tags allowed.
  • Lines and paragraphs break automatically.
Blogi-kommentoinnin ohjeet ja käyttöehdot