يتّبع صديقك حمية فينخفض وزنه، فتجرّبها ولا تحصل على النتيجة نفسها. لذا تتساءل: هل أخطأت في تطبيقها، أم أن جسمك يحتاج إلى شيء مختلف؟ وراء هذا السؤال اليومي مجال بحثي متنامٍ يحاول فهم اختلاف استجاباتنا للطعام، ويستعين بالذكاء الاصطناعي للبحث عن إجابات أكثر تخصيصاً.

تخيّل تطبيقاً يقترح وجباتك بعد تحليل عاداتك الغذائية، وبعض مؤشرات صحتك، بدلاً من إرسال القائمة نفسها إلى الجميع. وهذه الفكرة تُختبر بالفعل بأشكال مختلفة، لكن المسافة ما زالت قائمة بين توصية تبدو مصمّمة لك وتوصية ثبت أنها تحسّن صحتك.

فهل يقرّبنا الذكاء الاصطناعي من غذاء يناسب كل شخص، أم يضيف وعداً جديداً إلى سوق الحميات المزدحمة؟

أكثر من قائمة ممنوعات تنطلق «التغذية الشخصية» من أن احتياجات الناس وظروفهم ليست متطابقة، فالعمر، والحالة الصحية، والأدوية، والنشاط البدني، والعادات اليومية، كلها عوامل تؤثر في اختيار الغذاء المناسب. وتحاول الأبحاث إضافة معلومات أعمق -مثل الجينات، ومؤشرات الأيض، وميكروبات الأمعاء- إلى هذه الصورة.

ولا تعني الفكرة إلغاء مبادئ التغذية الصحية العامة، أو أن لكل إنسان حمية سِرّيّة تنتظر اكتشافها، فالتخصيص قد يكون بسيطاً: نصيحة تراعي مرضاً مزمناً، أو ميزانية الأسرة، أو الأطعمة المتاحة، أو قدرة الشخص على الالتزام.

السؤال المهم إذن: متى تضيف التحاليل والخوارزميات فائدة تستحق تكلفتها، وتعقيدها؟

ضيوف على مائدتنا داخل الأمعاء تعيش مجتمعات من الكائنات الدقيقة تُعرف باسم الميكروبيوم المعوي. وهي تشارك في معالجة مكونات غذائية، وتتفاعل مع الجسم، ويختلف تركيبها بين الأفراد. لكن قراءة هذه الاختلافات وتحويلها إلى نصائح نافعة ليست مهمة سهلة.

في دراسة نُشرت بمجلة «Nature Medicine» في 23 مارس (آذار) 2026، حلّل باحثون بيانات 10068 مشاركاً في «مشروع النمط الظاهري البشري»، وجمعوا بين سجلات الطعام عبر تطبيق وتحليل الميكروبيوم.

وجد الفريق ارتباطات بين تناول أطعمة معينة ووفرة أنواع من ميكروبات الأمعاء، كما ارتبطت الأنماط الغذائية -ومنها درجة تصنيع الطعام- بتنوع هذه المجتمعات، وتركيبها.

وطوّر الباحثون محاكاة لاستكشاف كيف قد تغيّر تعديلات غذائية شخصية الميكروبيوم. لكنها كانت توقعات بحثية؛ فلم تثبت الدراسة أن اتباع قوائم تقترحها الخوارزمية يحسّن الصحة فعلياً. وهذا فارق أساسي بين رسم طريق محتمل وتجربته.

ماذا تفعل الخوارزمية؟ يصعب على الإنسان اكتشاف العلاقات المتشابكة داخل آلاف السجلات الغذائية، والقياسات الصحية. هنا تستطيع خوارزميات التعلّم الآلي البحث عن أنماط، وبناء نماذج تتنبأ باستجابات محتملة، أو تقترح خيارات تستحق الاختبار.

لكن التنبؤ يتأثر بالبيانات التي تعلّم منها النظام. فإذا كانت سجلات الطعام ناقصة، أو كان المشاركون لا يمثّلون المستخدمين الجدد، فقد تقل دقته. كما أن اكتشاف ارتباط بين طعام وميكروب لا يكفي لإثبات أن تغيير ذلك الطعام سيمنع مرضاً، أو يعالجه.

لذلك لا تُقاس جودة التوصية بمدى تفصيلها، أو جاذبية التطبيق، بل بما يحدث لمن.....

لقراءة المقال بالكامل، يرجى الضغط على زر "إقرأ على الموقع الرسمي" أدناه

هذا المحتوى مقدم من صحيفة الشرق الأوسط