日本主導：この研究は、筆頭著者・責任著者、または著者の主要所属が日本の研究機関である研究です。

掲載誌：Food and Humanity

ライセンス: CC BY　対象: 公開論文　確認元: OpenAlex

研究の目的：成分表の空白を埋める

日本で食品の栄養成分を調べる際の基本資料に「日本食品標準成分表」があります。著者らによると、この成分表には糖類の量（総糖類）が載っていない食品があり、情報が不十分なため、日本人がどれだけ糖類をとっているかを見積もるのは難しいとされてきました。

そこで研究チームは機械学習モデルを使い、成分表で総糖類が記載されていない食品について、その含有量を予測することを目指しました。

何を調べたか：日米のデータで学習させて比較

研究チームは、日本の食品標準成分表、または米国の食事調査用食品・栄養素データベース（FNDDS）に収められた10種類の栄養素のデータを使いました。予測の手がかり（特徴量）には、各栄養素が予測にどれだけ寄与しているかを示す「SHAP値」という指標をもとに、寄与の大きい上位10の栄養素を選んでいます。

さらに日本の成分表のデータについては、学習に使う10栄養素の特徴が似た食品同士をグループに分ける「クラスタリング」を行い、データを人工的に増やす「データ拡張」を施したうえで、グループごとに別々のモデルを作りました。

比較した手法は、サポートベクター回帰、ランダムフォレスト、エクストラツリー、多層パーセプトロン回帰といった機械学習モデルの回帰版です。予測の当てはまりは「決定係数（R²）」で評価しました。R²は1に近いほど、予測値が実際の値の変動をよく説明していることを表します。

主な結果：日本のデータで学習したモデルが優位

論文によると、手法の中ではエクストラツリーのモデルが最も高いR²を示しました。日本の成分表で学習させた場合は0.850、米国のFNDDSで学習させた場合は0.573でした。

すべてのモデルの中で最も高かったのは、クラスタリングした日本の成分表データで学習させたエクストラツリーのモデルで、R²は0.983に達したと報告されています。

また全体として、日本の成分表で学習させたモデルは、米国のデータベースで学習させたモデルよりも高いR²を示しました。

この研究が示すこと

著者らは、機械学習モデルによって総糖類の含有量を精度よく予測できることが示されたとし、日本における糖類摂取量を推定するための新しい方法になると述べています。成分表の記載がない部分を、既知の栄養素の情報から補う道筋を示した研究といえます。

原著論文の著者・所属：Koki Torami（Center of Nutritional Epidemiology and Policy Research, National Institute of Health and Nutrition, National Institutes of Biomedical Innovation, Health and Nutrition, 3-17 Senriokashimmachi, Settsu, Osaka 566-0002, Japan）、Chika Okada（Center of Nutritional Epidemiology and Policy Research, National Institute of Health and Nutrition, National Institutes of Biomedical Innovation, Health and Nutrition, 3-17 Senriokashimmachi, Settsu, Osaka 566-0002, Japan）、Michihiro Araki（Artificial Intelligence Center for Health and Biomedical Research, National Institutes of Biomedical Innovation, Health and Nutrition, 3-17 Senriokashimmachi, Settsu, Osaka 566-0002, Japan）、Mieko Nakamura（Center of Nutritional Epidemiology and Policy Research, National Institute of Health and Nutrition, National Institutes of Biomedical Innovation, Health and Nutrition, 3-17 Senriokashimmachi, Settsu, Osaka 566-0002, Japan）

※本記事は原著論文をもとに、日本語で要約・説明を加えた研究紹介です。 出典（原著論文）：Koki Torami, Chika Okada, Michihiro Araki, et al. Predicting unlisted total sugars in the food-composition tables of Japan using machine-learning models trained on known nutrients in Japan or the United States. Food and Humanity 2026-07-30. DOI: 10.1016/j.foohum.2026.101409. 原著ライセンス：CC BY.