KI-basierte Vorhersage von Nährwertangaben bei Rezepten für Patienten mit Krebserkrankungen

Einleitung: Betroffene von Tumorerkrankungen leiden häufig unter Appetitlosigkeit, was zu ungewolltem Gewichts- und Muskelverlust und daraus resultierender Verschlechterung des Algemeinzustandes. Eine frühzeitige ernährungstherapeutische Intervention erfordert verlässliche Angaben zu Kalorien- und Makronährstoffgehalten. Die manuelle Berechnung durch Fachpersonal ist jedoch zeit- und ressourcenintensiv. Große Sprachmodelle (Large Language Models, LLMs) könnten diese Aufgabe automatisieren, sofern ihre Genauigkeit ausreichend hoch ist.

Ziele: Evaluation der Eignung eines LLMs zur automatisierten Schätzung von Kalorien und Makronährstoffen (Kohlenhydrate, Proteine, Fett, Ballaststoffe) in Rezepten im Vergleich zur manuellen Berechnung durch Di.

Methodik: Für 125 Rezepte der Plattform was-essen-bei-krebs.de wurden die tatsächlichen Nährwerte in Form von Kalorien, Kohlenhydraten, Proteingehalt, Fettmenge und Ballaststoffen pro 100 g bestimmt. ChatGPT o1 wurde mit einem hierfür entwickelten Prompt verwendet, um eine Schätzung der Makronährstoffe je Zutat einschließlich Aggregation auf die Gesamtmenge durchzuführen. Für jedes Rezept wurde der gleiche Prompt fünfmal wiederholt. Der absolute Fehler (AE) wurde als |Schätzung – Referenz| berechnet und pro 100 g normiert. Analog zu Angaberichtlinien bei abgepackten Lebensmitteln in der EU wurde ein Fehler von 20% als akzeptabel vordefiniert. Als primären Endpunkt wurde die Anzahl als akzeptabel ermittelter Schätzungen über alle Kategorien definiert.

Ergebnis: Das LLM lieferte bei allen 625 durchgeführten Prompts zu den 125 auf Krebs-Betroffene abgestimmten Rezepten ein auswertbares Ergebnis zurück.

Bei den durch das LLM bestimmten Kalorienwerten lagen 74,3% in einem akzeptablen Intervall von±20%, Proteingehalt wurde in 64,2%, Kohlenhydrate in 50,4% der Fettgehalt in 58,1% akzeptabel geschätzt. Der durchschnittliche absolute Fehler bei der Kalorienbestimmung lag bei 20,5 Kalorien pro 100 g.

Schlussfolgerung: Die vorläufigen Daten deuten darauf hin, dass ChatGPT o1 bereits in der Lage ist, Nährwertschätzungen in hoher Qualität auszugeben. LLMs haben das Potenzial, die derzeit noch manuell stattfindenden Berechnungen des Nährwertgehaltes zu automatisieren.

 

MissingLinkText

Publication History

Article published online:
04 September 2025