人工智能在炎癥性腸病患者營養管理中應用的范圍綜述

【中圖分類號】 R 574 【文獻標識碼】 ADOI： 10.12114/j.issn.1007-9572.2024.0276

Application of Artificial Intelligence in Nutritional Management of Patients with Inflammatory BowelDisease：a Scoping Review

LI Yiting TUWenjing YINTingting MEI Ziqi" ZHANGSumin WANGMeng XUGuihual

1.School ofNursing，NanjingUniversityofChinese Medicine，NanjinglOo23，China

2.ColorectalDiseaseCenter，NanjingHospitalofChineseMedicineAfliatedtoNanjing UniversityofChineseMedicine，Nanjing

210022，China

Corsponding author：XUGuihua，Profesor/Doctoral supervisor；E-mail：7115@njucm.edu.cn

LI Yiting andTU Wenjing are co-first authors

【Abstract】BackgroundDietplaysacritical role in the development，progresionand prognosisof inflammatory boweldisease（IBD）.Given that specific nutritional guidelinesare limited，nutritional management forpatients with IBD remainschalengingandfraughtwithuncertainty.Althoughpreviousstudieshavedemonstratedthatartificialintellgence（AI） showspromisingapplicationsinthenutritionalmanagementofpatientswithchronicdiseases，researchspecifcallfocusedonits applicationinthenutritionalmanagementofpatients withIBDremainslimited.ObjectiveToconductascopingreviewofstudies onAI in nutritionmanagementof patients with IBD.MethodsFollowingthemethodologyofscopingreviews，thedatabases of PubMed，Webof Science，Embase，CochraneLibrary，CINAHL，IEEE Xplore，Associationfor Computing Machinery DigitalLibrary，SinoMed，CNKI，Wanfang Data，and VIPweresystematicallysearched frominceptionto March2024 for studiesontheapplicationofAIinthenutritionalmanagementof patients withIBD.Acording tothestablished inclusionand exclusioncriteria，twoinvestigatorsindependentlysrenedtheliterature，andthebasiccharacteristicsoftheselectedstudies

wereextracted.ResultsAtotalof15studies wereincluded.TheaplicationsofAinthisfieldincludeexplorngtherelatioship betweendietandIBD，asisting innutritionalassssment，andaiding nutritionalinterventions.The majorityofutilizationAI technologies in the included studies are machine learning，with some also employing aditional techniques such as natural language processng anddeepneural networks.ConclusionAIisbeneficial forexploringhealthydietary patternsforpatients with IBDandproviding personalizednutritional guidance.However，itsapplicationinthefieldof nutritional managementin patientswithIBDisstillinitsinfancy.Futurefortsshouldfocusonstrengthenngmultidisiplinaycollaboation，empasiing theintegrationofccalidelins，andassssng tetivenessofapicatiosincinalseings tehancetigond accuracy of the results.

【Key words】Inflammatory bowel disease；Artificial intelligence；Nutrition；Scoping review

炎癥性腸?。╥nflammatorybowel disease，IBD）主要包括克羅恩病（Crohn'sdisease，CD）和潰瘍性結腸炎（ulcerativecolitis，UC），是一組以腹痛、腹瀉、黏液血便為主要癥狀的慢性非特異性炎癥性疾病。近30年，我國IBD患者增加了91.1萬，且自前發病率仍未達峰值，未來疾病負擔將進一步加重。IBD病因尚不明確，飲食作為重要的環境因素，與IBD的發生、發展及預后密切相關[2」。由于證據有限，現有指南尚未形成適合IBD 患者的膳食模式［3-5］。因此，IBD 患者普遍關心的問題“吃什么、怎么吃”，目前尚無確切答案。在缺乏具體飲食建議的前提下，IBD患者的營養管理充滿挑戰和不確定性[6-7]，部分患者甚至產生進食恐懼[8]。此外，由于專業指導不足、非專業化信息干擾等原因，IBD患者存在諸如營養攝入不足、回避限制性飲食行為及盲目遵循飲食模式等諸多營養問題[9-10]。這些營養問題會使患者營養不良風險增加，進而造成并發癥和手術風險增加、住院時間延長及免疫力降低等不良健康結局[1]。隨著人工智能（artificial intelligence）在醫學領域的快速發展，其在營養管理領域展示出了良好的應用前景一一不僅能夠為患者提供營養評估、營養診斷、營養相關風險篩查及預測［12]，還能根據患者營養狀況、身體狀況提供個性化營養建議，實現自動化、科學的營養管理[13-14]。檢索國內外人工智能在IBD 患者營養管理中的應用研究，發現目前人工智能在該領域的應用包括營養評估［15］、飲食模式探索［16]及飲食指導［17]等，但對這些人工智能技術進行分類和應用效果總結的研究較少。范圍綜述側重于探索某一類研究的范圍和程度，對現有研究進行知識匯總并指出不足之處，相較于傳統研究方法其證據水平更高且適用于新興領域[18]。因此，本研究以范圍綜述研究方法[9］為指導，對人工智能在IBD患者營養管理中的應用進行匯總分析，以期為醫護人員開展相關研究提供參考。

1資料與方法

本研究以ARKSEY等［19]提出的范圍綜述為指導，遵循范圍綜述報告的PRISMA擴展版清單（PRISMAextension for scoping review，PRISMA-ScR）進行報告[20]研究方案已在開放科學框架（Open ScienceFramework，OSF）平臺進行注冊（https：//doi.org/10.17605/OSF.I0/6SJDQ）。

1.1 人工智能定義

人工智能是一個廣義術語，尚未形成統一的概念定義。本文中人工智能主要指通過計算機算法來模擬、延伸和擴展人類智能的理論、方法、技術及其應用系統，進而使計算機能夠實現推理問題、執行任務、自主反映等一系列智能活動[21]。在醫學領域中，機器學習（machinelearning）、計算機視覺（computervision）、自然語言處理（natural language processing）等人工智能技術應用較為廣泛。其中，機器學習主要運用于處理結構化醫療數據，自然語言處理運用于臨床記錄、電子病歷等非結構化數據［22]，而計算機視覺在處理醫學影像等圖像數據具有獨特優勢[23］。本研究涉及人工智能是指由人類設計的軟件或硬件系統，根據人類設定的目標及收集到的結構化或非結構化數據，能夠模擬人類的意識和思維過程，做出與人類類似的反應和行為[24]

1.2 明確研究問題

本范圍綜述提出的研究問題主要為：（1）人工智能在IBD患者營養管理中應用的技術包括什么？（2）人工智能在IBD患者營養管理中應用的場景有哪些？（3）如何評價人工智能在IBD患者營養管理中的應用效果？

1.3檢索策略

系統檢 索PubMed、Web of Science、Embase、CochraneLibrary、CINAHL、IEEEXplore、AssociationforComputingMachineryDigitalLibrary、中國生物醫學文獻數據庫（SinoMed）、中國知網（CNKI）、萬方數據知識服務平臺（WanfangData）及維普網（VIP）等中文數據庫，篩選關于人工智能在IBD患者營養管理中應用的研究，檢索時限為建庫至2024年3月。中文檢索式以萬方數據知識服務平臺為例：（炎癥性腸病OR炎性腸疾病OR炎性腸病OR潰瘍性結腸炎OR克羅恩?。゛nd（食物OR營養OR食譜OR飲食OR菜）and（人工智能OR機器智能OR數據挖掘OR模糊算法OR神經網絡OR貝葉斯網絡OR文本挖掘OR模糊邏輯OR知識表達OR機器學習OR深度學習OR自然語言處理OR非自然語言處理OR隨機森林OR支持向量機OR算法）。英文檢索式以PubMed為例，具體檢索式見表1。

1.4文獻納入與排除標準

納入標準根據PCC原則[25]，即研究對象（participants）、概念（concept）、情景（context）確定標準。納入標準：（1）研究對象包括確診為IBD的患者；（2）研究內容涉及人工智能在IBD患者飲食管理領域中的應用；（3）包括算法或模型構建、可用性評價或應用研究。排除標準：（1）綜述類研究；（2）無全文的會議摘要；（3）非中英文文獻。

1.5文獻篩選和資料提取及偏倚風險評估

導人NoteExpress去除重復文獻，由2名經過培訓的研究者獨立閱讀標題和摘要對文章進行初篩，對初篩文獻閱讀全文后再次篩選；若有分歧，則與第3名研究者進行討論決定最終是否納入。對納入文獻進行資料提取，內容主要包括第一作者、發表年份、國家及倫理情況、數據來源、人工智能技術、構建方法、應用效果、研究對象、樣本量、評價方法及技術階段。

2結果

2.1文獻篩選結果

檢索獲得文獻2150篇，經去重、閱讀題目和摘要 及全文，最終納入15篇文獻[15-17，26-37]。文獻篩選流 程及結果見圖1。

2.2納入文獻基本特征

15篇文獻發表時間為2015—2023年。研究區域分布中北美洲6篇[16-17，26-27，30，32]、亞洲5篇28，31，33．35，37]、歐洲4篇[15，29，34，36]；研究內容包括數據分析研究3篇[16，28，30]、文本分析研究3篇[26，33.35]、可用性驗證研究3篇[17，31，37]；模型構建研究1篇[15]；算法/模型構建與驗證研究4篇[29.32.34，36]。多數研究（13/15，86.7% ）使用單一人工智能方法（非混合），其余（2/15，13.3% ）使用混合人工智能方法。常用的方法是機器學習（9/15， 60.0% ）。納入文獻的基本特征見表2、3。

2.3 人工智能應用現狀

2.3.1探索飲食與疾病間的關系：5項研究[16，27-28，30-31]使用人工智能技術探索飲食與疾病的關系。隨機森林、貝葉斯網絡、K-means聚類算法等機器學習算法用于分析復雜的臨床和飲食營養數據。PAN等［28]利用隨機森林算法和Logistic回歸探索了869名確診為CD患者中L4型CD的臨床特征及其與營養狀況的相關性，結果發現L4型CD患者在確診時常伴有較高的體質量和 BMI、血清白蛋白升高和低血清鐵含量。JONES等[27]利用132份接受純腸內營養（exclusive enteralnutrition，EEN）治療的CD患兒的糞便樣本檢測數據和臨床數據構建隨機森林模型，用于預測接受EEN治療的患兒是否達到維持緩解期，該模型曲線下面積（AUC）為0.9，預測效能較佳。

KAPLAN等[16]進行了系列單病例對照研究，比較特殊碳水化合物飲食（specificcarbohydratediet，SCD）、改良的SCD與正常飲食改善炎癥狀態的效果，使用貝葉斯廣義線性模型（GeneralizeLinearModel，GLM）和廣義線性混合模型（GeneralizedLinearMixedModel，GLMM）分別對個體化療效和整體化療效進行分析，發現SCD和改良的SCD具有改善炎癥的效果，但存在較大個體差異。LIMKETKAI等[30]利用K-Means聚類對IBD患者攝入食物進行分類，得出5種常見的飲食模式，進一步分析后發現增加水、蔬菜、水果攝入并減少肉類和甜食攝人有利于降低炎癥風險。HE等[31]基于人工智能程序分析與飲食治療相關文獻發現該領域的研究熱點集中在不同飲食模式對IBD的益處和其與腸道菌群的關系。

2.3.2協助營養評估：人工智能在IBD患者營養評估方面的應用可大致分為兩類：分析患者對營養的態度和評估患者營養狀況并給予反饋。3項研究使用自然語言處理、潛在狄利克雷分配（LatentDirichletAllocation，LDA）對IBD患者在公共論壇發布的帖子進行主題分析[26，33.35]。RUBIN等[26]收集6個UC論壇中發布的帖子，使用人工智能文本分析軟件和NLP軟件篩選與復發相關的帖子并進行文本分析，發現情緒及飲食是UC患者最常提及的復發誘因。SUN等[35］收集“克羅恩病吧”的帖子和回復，使用LDA模型并結合扎根理論方法進行文本分析，發現飲食與營養是患者最常討論的話題。STEMMER等「33發現當推文提及刺激腸道癥狀飲食時，患者負性情緒較高。此外，該研究使用前期自制的IBD患者篩選器，篩選出IBD患者在Twitter中發布的推文并在此基礎上進行文本分析，有利于提高研究數據的可靠性和準確性。

3項研究［15，34，36]采用智能算法對IBD 患者飲食攝入量及核心營養素精準評估并反饋。BLAJOVAN等［15]使用深度神經網絡（deepneutralnetwork，DNN）構建食物圖像識別模型，通過匹配食物營養數據和胃腸疾病特殊營養要求，從而模擬出營養師計算飲食營養價值的過程并給出避免/推薦建議。STAWISKI等［34]利用機器學習方法構建了根據患者營養攝入量預測飲食相關身體變化的模型，在4例IBD/腸易激綜合征（IBS）患者中初步應用后，其預測值的 95% 置信區間能夠包括實際值，預測效果良好。BROEKSTRA等［36」構建的學習算法能夠將患者記錄的飲食記錄與荷蘭營養指南進行對比，并生成個性化反饋及飲食調整建議，對使用者訪談后發現盡管能夠改善飲食質量，但存在易用性差、飲食建議與專業人員的建議沖突等不足。

2.3.3輔助營養干預：3項研究[29，32.37]使用人工智能技術協助監測IBD患者飲食攝入情況。JACTEL等［32]使用有監督機器學習對文獻回顧獲得的246種常見誘發食物與患者臨床數據進行標記，實現在輸入患者臨床特征后為患者預測21種高風險食物，以指導活動期IBD患者實施排除飲食，經驗證后在改善癥狀、疾病知識和生活質量等方面具有較好效果。陳玉萍等[37]將智能腸鳴音監測工具用于CD術后患者，結果發現監測組患者的首次排氣時間、開始口服營養補充（oralnutritionalsupplements，ONS）時間、吻合口瘺及術后住院時間均較對照組短。JATKOWSKA等［29］將遵循不同程度EEN依從性的健康人糞便檢測數據用于構建純腸內營養依從性的決策樹模型，將所得的2個模型應用于30例CD患兒后，篩選出的模型在區分EEN和非EEN的CD患兒中具有較好效果，有利于對EEN治療依從性進行篩查。SAMAAN等[17]研究收集88例IBD患者提出的營養問題，用于評估ChatGPT4對這些問題回答情況，結果發現，其在正確率、全面性和可重復性方面表現良好，但部分問題的回答有錯誤或過時現象。

3討論

3.1人工智能在IBD營養管理領域的應用尚處于起步階段

納入的15項研究在時間、地區、人工智能應用范疇、研究類型上分布不均。人工智能在IBD飲食管理領域起步較晚，多在2023年和2022年發表（ 86.7% ）；美國發表數量最多，共發表5篇[16-17，26.30，32]，其次是中國，共發表4篇[28，31，35，37]；人工智能應用范疇以數據分析為主，共發表7篇[16，26，28，30.33，35-36]，其次為模型構建與驗證研究，共發表3篇[29.32.34]；納入文獻中以回顧性研究和隊列研究為主。研究內容以探索飲食與疾病關系和營養評估為主，僅5篇[29，32.34，36-37]文獻驗證了人工智能在營養預測及營養干預中的臨床應用效果。可見，人工智能在IBD營養管理領域中的應用仍處于起步階段。然而，智能化飲食評估系統、食物推薦系統、可穿戴設備等已在糖尿病、肥胖等慢性非傳染性疾?。?8-42]中廣泛應用的技術，在IBD飲食管理領域的應用較少。此外，人工智能在營養領域的效果評價主要通過準確性、特異性、陽性預測值、陰性預測值等模型評價指標呈現，而這些指標不一定是臨床適用性的最佳指標［43］。因此，未來研究仍需加強人工智能在IBD營養管理中的應用并納入其在臨床實際應用的效果，以綜合評價人工智能的應用效果。

3.2人工智能在處理營養相關數據及臨床數據方面展現出強大優勢

隨著數字信息技術和大數據的飛速發展，人工智能依靠其強大的數據處理能力，在IBD營養管理領域展示了獨特的優勢。相較于傳統統計學方法，人工智能能夠根據研究目的處理日益復雜的學習任務并提取數據特征［44]，因此適用于分析大樣本回顧性數據、隨訪數據中飲食與疾病間的復雜關系，促進對IBD患者有益的飲食模式的探索[16，30-31]。此外，利用機器學習算法基于患者糞便檢測、腸道微生物、血液檢測等數據構建預測模型，在幫助臨床醫務人員監測IBD患者EEN治療依從性「27，29]、指導患者合理避免誘發癥狀食物[32]具有良好的應用前景。IBD患者常用的營養評估方法為飲食日記法，但結果受到依從性和準確性限制［45］，而基于深度神經網絡的食物圖像識別系統則能夠客觀、快速評估 IBD 患者食物和相關營養素的攝入量[15]。ChatGPT是一項基于大語言模型（LargeLanguageModels，LLMs）的技術，不僅能夠提供優于人類水平的高質量回復，還能夠根據上下文互動，在醫學領域得到廣泛應用［46-47]。SAMAAN等[17]的研究驗證了ChatGPT在回答IBD患者常見的飲食問題中正確率、可重復性均較為理想，未來或可輔助醫務人員向患者提供飲食營養教育，提高患者營養素養。

3.3 對未來研究的啟示

人工智能在IBD營養管理領域應用較少，且尚處于起步階段。研究多處于設計、開發和構建階段，缺少對臨床應用實際效果的研究。未來可從以下3個方面進行深入探析：（1）加強人工智能與IBD營養管理領域的交叉融合：該研究領域的現有研究大多應用機器學習完成，自然語言處理、計算機視覺等人工智能技術的應用較為缺乏，未來研究可組建醫學、護理學、計算機科學等領域專家領域開展跨學科研究，共同致力于人工智能在IBD營養管理領域的應用。（2）提高飲食攝入評估精確度：本研究中納入的文獻使用的數據以回顧性研究為主，數據的時效性和準確性等問題仍亟待解決。此外，大部分使用患者報告結局（patient-reported outcomes，PRO）作為數據來源，受到測評工具、患者配合程度、霍桑效應等的影響，數據的真實性、準確性較難保障。數據作為人工智能的基石，不真實、不準確的臨床數據在很大程度上會削弱算法的可靠性。相較于傳統食物評估方法，食物圖像識別輔助系統有利于提高食物評估的準確度，然而其在IBD營養管理領域應用較少，未來研究可加強其在IBD領域的應用。（3）建立IBD患者食物推薦系統：排除飲食、FODMAP飲食、SCD飲食在IBD患者營養管理領域中的作用已被大量研究證實，未來研究可基于現有膳食營養指南，建立適用于IBD患者的食物推薦系統，促進IBD患者營養管理。（4）注重倫理及隱私保護：隨著數據挖掘、數據采集等技術的不斷發展，患者隱私和知情同意權的保障面臨極大風險。未來研究應注重個人數據的隱私和安全，確保合乎倫理和法律法規。

4小結

本研究對人工智能在IBD患者營養管理領域中的相關研究進行了分析，總結了人工智能應用于IBD患者營養管理領域的人工智能技術、應用方法、應用效果及評價指標等。總體來說，人工智能已經應用到IBD患者營養管理領域的多個方面，顯示出良好的結果和廣泛的應用前景，但其在多學科交叉融合、數據質量評估、應用效果評價等方面仍存在不足，今后研究應科學運用人工智能技術，進一步擴展其在該領域中的應用。

作者貢獻：李伊婷、徒文靜負責論文的構思與設計、撰寫與修訂；尹婷婷、梅紫琦、王萌負責文獻的收集與整理;張蘇閩負責論文的可行性分析；徐桂華負責論文的質量控制及校審，并對論文整體負責，監督管理；李伊婷負責論文的英文修訂；所有作者確認了論文的最終稿。

本文無利益沖突。

李伊婷D https：//orcid.org/0000-0003-0344-1066

徐桂華D https：//orcid.org/0009-0002-2623-4991

參考文獻

[1]SHAOBL，YANGWJ，CAOQ.Landscape and predictions ofinflammatory bowel disease in China：Chinawill enter the compoundingprevalence stage around 2O3O［J].Front Public Health，2022，10：1032679.D0I：10.3389/fpubh.2022.1032679.

[2]ADOLPHTE，ZHANGJW.Diet fuellinginflammatory bowel diseases：preclinical and clinical concepts[J].Gut，2022， 71（12）： 2574-2586.DOI： 10.1136/gutjnl-2021-326575.

[3］李明松，石漢平，楊樺.中國炎癥性腸病飲食管理專家建議[J]. 中華消化病與影像雜志（電子版），2021，11（3）：97-105. DOI：10.3877/cma.j.issn.2095-2015.2021.03.001.

[4]BISCHOFF SC，BAGERP，ESCHERJ，et al. ESPEN guideline onclinical nutritionininflammatory bowel disease[J].Clin Nutr， 2023，42（3）：352-379.DOI：10.1016/j.clnu.2022.12.004.

[5]SOOD A，AHUJAV，KEDIA S，et al. Diet and inflammatory bowel disease：the Asian Working Group guidelines[J] . Indian J Gastroenterol，2019，38（3）：220-246.D0I：10.1007/s12664- 019-00976-1.

[6]LIYT，TUWJ，YINTT，et al.Food doesn't control me anymore！' psychosocial experiences during dietary management in adults with inflammatory bowel disease：a qualitative study [J].JClin Nurs， 2024.DOI：10.1111/jocn.17327.

[7]RINES J，DALEY K，LOO S，et al. A patient-led， peer-topeer qualitative study on the psychosocial relationship between young adults with inflammatory bowel disease and food［J]. Health Expect，2022，25（4）：1486-1497.D01：10.1111/hex.13488.

[8]ZICKGRAFHF，LOFTUSP，GIBBONSB，et al.“IfIcould survive without eating，it would bea huge relief”：development and initial validation of the Fear of Food Questionnaire[J].Appetite， 2022，169：105808.D0I：10.1016/jappet.2021.105808.

[9]尹婷婷，徒文靜，張蘇閩，等.炎癥性腸病患者食物素 養與避免/限制性食物攝入障礙的相關性研究［J］.中國 全科醫學，2024，27（12）：1445-1451.D0I：10.12114/ j.issn.1007-9572.2023.0503.

[10]DAY A S，YAO C K，COSTELLO S P，et al. Food avoidance， restrictive eating behaviour and association with quality of life in adults with inflammatory bowel disease： a systematic scoping review［J].Appetite，2021，167：105650.D0I：10.1016/ j.appet.2021.105650.

[11］ JABLONSKA B，MROWIEC S.Nutritional status and its detection in patients with inflammatory bowel diseases[J].Nutrients， 2023，15（8）：1991.D0I：10.3390/nu15081991.

[12]ZEEVID，KOREM T，ZMORA N，et al.Personalized nutrition by prediction of glycemic responses[J].Cell，2015，163（5）： 1079-1094. DOI： 10.1016/j.cell.2015.11.001.

[13] STEFANIDIS K，TSATSOU D，KONSTANTINIDIS D，et al. PROTEIN AI advisor： a knowledge-based recommendation framework using expert-validated meals for healthy diets[J]. Nutrients，2022，14（20）：4435.D0I：10.3390/nu14204435.

[14]KARAKAN T，GUNDOGDU A，ALAGOZLU H，et al. Artificial intelligence-based personalized diet：a pilot clinical study for irritable bowel syndrome[J].Gut Microbes，2022，14（1）： 2138672.D0I： 10.1080/19490976.2022.2138672.

[15] BLAJOVAN B L，CHIRILA O S，STANESCU D，et al. FoodMedicine-android-based food recognition app for guiding patients with nutritional diseases [C]/2O23 27th International Conference on System Theory， Control and Computing（ICSTCC）. Timisoara，Romania.IEEE，2023：167-172.

[16]KAPLANHC，OPIPARI-ARRIGANL，YANGJB， et al.Personalized research on diet in ulcerative colitisand Crohn's disease：a series of N-of-1 diet trials[J]. Am J Gastroenterol，2022，117（6）：902-917.D0I：10.14309/ ajg.000000000001800.

[17]SAMAAN I S.ISSOKSON K.FELDMANE.et al.Artificial intelligence and patient education： examining the accuracy and reproducibility of responses to nutrition questions related to inflammatory bowel disease by GPT-4[Z].2023.

[18]BRIEN SE，LORENZETTID L，LEWIS S，et al. Overview of a formal scoping review on health system report cards[J]. Implement Sci，2010，5： 2. D0I： 10.1186/1748-5908-5-2.

[19] ARKSEY H， O'MALLEY L. Scoping studies： towards a methodological framework[J].IntJSoc ResMethodol，2005， 8（1）：19-32.D0I：10.1080/1364557032000119616.

[20]TRICCOAC，LILLIEE，ZARINW，etal.PRISMA extension for scoping reviews（PRISMA-ScR）：checklist and explanation［J].AnnInternMed，2018，169（7）：467-473. DOI：10.7326/M18-0850.

[21] SOSA-HOLWERDA A，PARK O H，ALBRACHT-SCHULTE K，et al. The role of artificial intelligence in nutrition research a scoping review[J].Nutrients，2024，16（13）：2066.DOI： 10.3390/nu16132066.

［22］曾華堂，柯夏童，伍麗群，等．人工智能在醫療質量管理中應 用現狀和效果范圍綜述［J].中國醫院管理，2023，43（8）： 21-26.

[23] CHEN X X，WANG X M， ZHANG K，et al. Recent advances and clinical applications of deep learning in medical image analysis[J].Med Image Anal，2022，79：102444.DOI： 10.1016/j.media.2022.102444.

[24]The Lancet.Artificial intellgence in healthcare：within touching distance［J].Lancet，2017，390（10114）：2739.DOI： 10.1016/S0140-6736（17） 31540-4.

[25]LOCKWOOD C，DOS SANTOS K B，PAP R. Practical guidance forknowledge synthesis：scoping review methods[J].Asian Nurs Res，2019，13（5）：287-294.D01：10.1016/j.anr.2019.11.002.

[26]RUBIN D T，TORRESJ，DOTAN I，et al.An insight into patients' perspectives of ulcerative colitis flares via analysis of online public forum posts［J].Inflamm Bowel Dis，2023：izad247. DOI： 10.1093/ibd/izad247.

[27] JONES C MA，CONNORSJ，DUNNKA，et al.Bacterial taxa andfunctions are predictive of sustained remision folowing exclusive enteral nutrition in pediatric Crohn's disease [J]. InflammBowelDis，2020，26（7）：1026-1037.DOI：10.1093/ ibd/izaa001.

[28]PANJF，FUDN，LIY，et al.Body weight，serum albumin and food intolerance were linked to upper gastrointestinal Crohn's disease：a 7-year retrospective analysis[J].Ann Transl Med， 2020，8（21）：1370.D0I：10.21037/atm-20-2212.

[29]JATKOWSKAA，WHITEB，NICHOLSB，et al.Development and validation of the Glasgow exclusive enteral nutrition index of compliance［J].JCrohns Colitis，2023，17（9）：1426-1435. DOI：10.1093/ecco-jcc/jad063.

[30] LIMKETKAI B N，HAMIDEH M， SHAH R，et al. Dietary patterns and their association with symptoms activity in inflammatory bowel diseases[J].Inflamm Bowel Dis，2022，28（11）： 1627-1636. DOI： 10.1093/ibd/izab335.

[31]HE HD，LIU C，CHEN M L，et al. Effect of dietary patterns on inflammatory bowel disease：amachine learning bibliometric and visualization analysis[J].Nutrients，2023，15（15）：3442. DOI：10.3390/nu15153442.

[32]JACTELSN，OLSONJM，WOLINKY，etal.Efficacyofa digital personalized elimination dietfor the self-management of irritablebowelsyndromeand comorbidirritablebowel syndrome andinflammatory bowel disease[J].Clin Transl Gastroenterol， 2023，14（1）：e00545.D0I：10.14309/ctg.0000000000000545.

[33]STEMMER M，PARMETY，RAVID G. Identifying patients with inflammatorybowel disease ontwitter and learning from their personal experience：retrospective cohort study[J].JMed InternetRes，2022，24（8）：e29186.D0I：10.2196/29186.

[34]STAWISKIK，STRZALKAA，PULA，etal.PancreApp：an innovativeapproach tocomputational individualizationofnutritional therapy inchronic gastrointestinal disorders[J].Stud Health Technol Inform，2015，216：325-328.

[35]SUN SP，HUYH，LIH，et al.Patients′perspectives on， experience with and concerns about Crohn's disease：insights from Chinese social media［J].BMC Gastroenterol，2023，23（1）： 105.DOI： 10.1186/s12876-023-02747-x.

[36]BROEKSTRAR，CAMPMANS-KUIJPERSMJE，DIJKSTRA G，etal.Personal health record forpersonalizing research and care trajectories：aproof of concept pilot with dietininflammatorybowel diseases［J].JPersMed，2023，13（4）：601.

［37］陳玉萍，徐海利，戴益，等.人工智能腸鳴音監測在克羅恩病 患者術后進食時機判斷的應用研究［J］.中華普通外科雜志， 2023，38（8）：595-599.

[38]MOYEN A，RAPPAPORT AI， FLEURENT-GREGOIREC，et al. Relative validation of an artificial intelligence-enhanced，imageassisted mobile app for dietary assessment in adults：randomized crossover study[J].JMed InternetRes，2022，24（11）： e40449.D0I： 10.2196/40449.

[39]YERAR，ALZAHRANI AA，MARTINEZ L，et al.A systematic review on food recommender systems for diabetic patients[J]. Int JEnviron Res Public Health，2023，20（5）：4248.DOI： 10.3390/ijerph20054248.

[40]AHMED A，AZIZ S，ABD-ALRAZAQ A，et al. Overview of artificial intelligence-driven wearable devices for diabetes：scoping review[J].JMedInternetRes，2022，24（8）：e36010. DOI：10.2196/36010.

[41] CHEWHSJ，ANGWHD，LAU Y. The potential of artificial intelligence in enhancing adult weight loss：a scoping review[J]. PublicHealthNutr，2021，24（8）：1993-2020.DOI：10.1017/ S1368980021000598.

[42]YANGL，HSIEHCK，YANGH，etal. Yum-me：a personalized nutrient-based meal recommender system[J].ACMTrans Inf Syst，2017，36（1）：7.D0I：10.1145/3072614.

[43]VONGERICHH，MOENH，BLOCKLJ，etal.Artificial intelligence-based technologies in nursing：a scoping literature review of the evidence[J].IntJNurs Stud，2022，127：104153. DOI：10.1016/j.ijnurstu.2021.104153.

[44]HUNTERDJ，HOLMES C.Where medical statistics meets artificial intelligence[J].NEnglJMed，2023，389（13）：1211-1219. DOI：10.1056/NEJMra2212850.

[45]熊歡.炎癥性腸病病人飲食限制行為研究進展［J].護 理研究，2022，36（11）：1963-1966.D0I：10.12102/ j.issn.1009-6493.2022.11.014.

[46]YEOYH，SAMAANJS，NGWH，etal.Assessing the performance of ChatGPT in answering questions regarding cirhosis and hepatocellularcarcinoma[J].ClinMolHepatol，2023， 29（3）： 721-732.D0I： 10.3350/cmh.2023.0089.

[47]DAVET，ATHALURI SA，SINGH S.ChatGPT in medicine： anoverview of itsapplications，advantages，limitations，future prospects，and ethical considerations[J].Front Artif Intell， 2023，6：1169595.DOI：10.3389/frai.2023.1169595.

（收稿日期：2024-06-10；修回日期：2024-08-13） （本文編輯：賈萌萌）