EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

A Narrative Review of Integrating Artificial Intelligence and Omics in Food Science and Nutrition: Current Uses, Issues, and Future Perspectives

Narrative Übersichtsarbeit zur Integration von künstlicher Intelligenz und Omics in der Lebensmittelwissenschaft und Ernährungsforschung: aktuelle Anwendungen, Probleme und Zukunftsperspektiven

Taiki Miyazawa iD, Masako Toda, Nozomu Hatakeyama, Ryosuke Sogame, Chun-Yung Huang, Toshiaki Yoshioka, Yosuke Nakano, Daisuke Maejima, Satoshi Ohta, Tomohiro Tsuda, Jun Iimura, Kinya Ashida und 9 weitere

Nutrition Reviews · 07.10.2026

DOI: 10.1093/nutrit/nuag143 ↗

Auf einen Blick

Die Übersichtsarbeit beschreibt Anwendungen von KI und Omics in der Lebensmittelwissenschaft und Ernährungsforschung. Genannt werden zugleich food- und ernährungsspezifische Grenzen für die verlässliche Übertragung in die Praxis.

Fragestellung

Wie werden künstliche Intelligenz und Omics in Food Science und Nutrition eingesetzt, und welche spezifischen Limitationen und Herausforderungen bestehen?

Methode

Narrative Review; Literaturrecherche in PubMed, Google Scholar und Web of Science; Publikationen wurden von den Autor:innen unabhängig bewertet und diskutiert.

Ergebnisse

Genannt werden Anwendungen für Datenintegration, Feature-Selektion, Vorhersagemodelle, Netzwerkanalyse, Clusterung, Interpretation, Aroma- und Geschmacksdesign, bioaktive Inhaltsstoffe, funktionelle Lebensmittel und diätetische Reaktionen.

Einschränkungen

Teilweise beobachtbare Lebensmittelzusammensetzung, Veränderungen durch Verarbeitung und Kochen, kurze Messungen vs. langfristige Outcomes, nichtlineare Dosis-Wirkungs-Beziehungen, interindividuelle Variation.

Schlussfolgerung der Autor:innen

Die Integration von KI und Omics erweitert die Analyse komplexer Daten in Food Science und Nutrition, für die verlässliche Translation werden aber angepasste Methoden für die dynamische, nur teilweise beobachtbare Natur von Lebensmitteln und Diäten benötigt.

Kernaussagen

  • KI und Omics werden für mehrere Analyse- und Vorhersageaufgaben eingesetzt.
  • Lebensmittel- und ernährungsspezifische Probleme erschweren die Modellierung.
  • Standardisierung, Expositionsbewertung, Validierung und Interpretierbarkeit sind zentral.

Deutsche Zusammenfassung: KI-gestützt aus dem Original-Abstract erstellt; alle Zahlen wurden automatisch mit dem Original abgeglichen. Maßgeblich ist der Original-Abstract.

Kurz gefasst

Fachartikel in der Zeitschrift Nutrition Reviews, online erschienen am 07.10.2026. Verfasst von Taiki Miyazawa und 20 weiteren Autor:innen. Beteiligte Einrichtung: New Industry Creation Hatchery Center (NICHe), Tohoku University, Sendai, 980-8579, Miyagi, Japan. Die Arbeit nennt 136 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: the Tohoku University Fund, Tohoku University, Sendai, Japan.

Auf einen BlickAbstractSchlagwörterBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

This narrative review examines how artificial intelligence (AI) and omics are being integrated in food science and nutrition, with particular attention to current applications, practical limitations, and challenges that are specific to foods and dietary exposure. Foods are complex, multicomponent matrices whose composition and biological effects can change during processing, cooking, storage, and consumption. Dietary exposure also varies over time and across individuals. These features make food and nutrition fundamentally more difficult to model than many domains in which AI has advanced rapidly. Relevant literature was identified through searches of PubMed, Google Scholar, and Web of Science. For studies applying AI to foods, reports published in 2023 or later were preferentially selected unless suitable recent studies were unavailable. Selected publications were independently evaluated by the authors and subsequently discussed. The integration of AI and omics approaches are being applied to data integration, feature selection, predictive modeling, network analysis, clustering, interpretation, flavor and taste design, discovery of bioactive ingredients, functional food development, and prediction of dietary responses involving metabolites and the gut microbiome. Across these applications, food- and nutrition-specific difficulties emerged repeatedly, including the partial observability of food composition, changes caused by processing and cooking, mismatches between short-term measurements and long-term health outcomes, nonlinear dose–response relationships, and inter-individual variation. These challenges add to general issues such as data quality, multi-omics integration, model interpretability, and external validation. The integration of AI and omics is expanding the capacity to analyze complex data in food science and nutrition, but reliable translation will require methods adapted to the dynamic and partly observable nature of foods and diets. Improved standardization, exposure assessment, validation, study design, and interpretability will be essential for future research and practical application.

Schlagwörter

Stichwörter der Autor:innen

artificial intelligencedeep learningdietary assessmentgut microbiotaindustry 4.0machine learningmulti omics

Autor:innen und Institutionen

  • New Industry Creation Hatchery Center (NICHe), Tohoku University, Sendai, 980-8579, Miyagi, Japan.
  • Graduate School of Agricultural Science, Tohoku University, Sendai, 980-8572, Miyagi, Japan.
  • International Life Sciences Institute (ILSI) Japan, Tokyo, 135-0004, Japan.
  • Asahi Quality & Innovations, Ltd., Moriya, Ibaraki, 302-0106, Japan.
  • Advanced Research Institutes, Bourbon Corp., Kashiwazaki, Niigata, 945-8611, Japan.
  • Fuji Oil Holdings Inc., Tsukubamirai, Ibaraki, 300-2497, Japan.

ORCID-Profile: Taiki Miyazawa, Hiroshi Ochi, Teruo Miyazawa

Förderung

  • the Tohoku University Fund, Tohoku University, Sendai, Japan

Zitieren

APA

Miyazawa, T., Toda, M., Hatakeyama, N., Sogame, R., Huang, C. Y., Yoshioka, T., Nakano, Y., Maejima, D., Ohta, S., Tsuda, T., Iimura, J., Ashida, K., Omae, Y., Ochi, H., Nakada, H., Kusama, K., Matsuda, T., Hattori, K., Aida, T., …, & Miyazawa, T. (2026). A Narrative Review of Integrating Artificial Intelligence and Omics in Food Science and Nutrition: Current Uses, Issues, and Future Perspectives. Nutrition Reviews. https://doi.org/10.1093/nutrit/nuag143

Vancouver

Miyazawa T, Toda M, Hatakeyama N, Sogame R, Huang CY, Yoshioka T, et al. A Narrative Review of Integrating Artificial Intelligence and Omics in Food Science and Nutrition: Current Uses, Issues, and Future Perspectives. Nutrition Reviews. 2026. doi:10.1093/nutrit/nuag143

BibTeX
@article{Miyazawa2026,
  author = {Miyazawa, Taiki and Toda, Masako and Hatakeyama, Nozomu and Sogame, Ryosuke and Huang, Chun-Yung and Yoshioka, Toshiaki and Nakano, Yosuke and Maejima, Daisuke and Ohta, Satoshi and Tsuda, Tomohiro and Iimura, Jun and Ashida, Kinya and Omae, Yusuke and Ochi, Hiroshi and Nakada, Hajime and Kusama, Kanta and Matsuda, Takahiro and Hattori, Kazuki and Aida, Tsutomu and Sugimoto, Katsutoshi and Miyazawa, Teruo},
  title = {A Narrative Review of Integrating Artificial Intelligence and Omics in Food Science and Nutrition: Current Uses, Issues, and Future Perspectives},
  journal = {Nutrition Reviews},
  year = {2026},
  doi = {10.1093/nutrit/nuag143}
}
Kostenlos starten →