著者の所属・活動拠点の国は、マレーシアです。

掲載誌：Frontiers in Nutrition

ライセンス: CC BY　対象: 公開論文　確認元: OpenAlex

なぜ「食べる場面」からAIを見直すのか

子どもの栄養は、栄養素の量だけで決まるものではありません。家庭の経済状況、健康状態、保護者との関係、手に入る食べ物、食事の文化的な形が重なり合っています。さらに、保護者や友人、学校、メディア、商業的なプラットフォームが、何を食べられるか、何がおいしそうに見えるか、どの食べ物になじむかに影響します。世界では低栄養や微量栄養素の不足と、過体重とが同時に存在しており、この問題の複雑さが表れています。

こうした複雑さに対処する手段として、人工知能（AI）への期待が高まっています。小児栄養の分野では、栄養不良のリスク判定、臨床判断の支援、食事写真の分析、地域の栄養状態の予測、献立の個別化、行動変容を促すメッセージの配信などにAIが使われ始めています。

著者らは、この分野がモデルの性能を重視する一方で、AIが入り込む実際の食事の場面を十分に見ていないと指摘します。たとえば、栄養的には整っていても、子どもが見慣れない味や食感の料理は食べてもらえないかもしれません。もっともらしく見える提案が、栄養面で安全でなかったり、高すぎたり、宗教上ふさわしくなかったり、家族そろっての食事に合わなかったりすることもあります。

そこで本レビューは、子ども向けの栄養AIには二つの働きがあるという見方を示しました。一つは、栄養状態を測ったり予測したりする「栄養的知能」です。もう一つは、食べ物が選ばれ、調理され、示され、味わわれる過程に関わる「ガストロノミー的媒介」です。ここでいうガストロノミーとは、栄養の成分だけでなく、味や食感、調理、記憶、アイデンティティ、人間関係、食環境までを含めて食をとらえる考え方です。著者らは、AIの出力が実際の食生活にどうつながるのかを中心に、既存の研究を整理しました。

どのように文献を整理したか

著者らは、2026年7月29日までに発表された査読付き研究と権威ある指針を対象に、焦点を絞ったミニレビューを行いました。主要な文献データベースで、AIに関する語、子どもに関する語、栄養や食行動に関する語を組み合わせて検索しました。あわせて、近年のレビューの参考文献もたどりました。対象は英語の文献に限り、地域は限定していません。

18歳未満の子どもや家族、子ども向けの場を対象に、実際のAIシステムを扱った研究を直接的な証拠としました。一方、子どもの参加者がおらず、標準的な子どものプロフィールだけを使った研究は、技術的な検証として区別して扱いました。成人を対象とした実験や、AIを含まない子どもの行動研究は、仕組みや設計を考えるための間接的な証拠としています。そのうえで、「AIの出力は技術的・栄養的に信頼できるか」と「その出力は子どもの感覚、行動、家庭、文化、施設の文脈の中で機能するか」という二つの問いを立てて、文献を読み解きました。

レビューで見えてきたこと

まず、栄養的知能としての使い方です。家庭や人口に関するデータから5歳未満児の栄養不良を予測するモデルや、高頻度の観測データから急性栄養不良を予測するモデルが報告されています。環境や紛争の状況を早期の指標として組み込んだ例もあります。著者らは、こうした予測が意味を持つのは、行動を起こす基準、責任を負う機関、状況を変えられる介入と結びついたときだと述べています。また、ある調査や地域で学習したモデルは、別の地域や時期では当てはまらない可能性があると注意を促しています。

食事の記録にもAIが使われています。ベトナムの12〜18歳の女子36人を対象とした研究では、写真をもとに食事を記録するアプリが、食べ物の重さを量る記録と比べて、エネルギーやたんぱく質、脂質などについて10％の範囲内で同等と判定されました。一方で、食べた品目の記録漏れや、食べていない品目の誤記録もそれぞれ約21％ありました。著者らは、混ぜ合わせた料理、家庭料理、特定の文化の料理では認識の誤りが大きくなりうると指摘します。そのため、誤差を料理の種類や年齢、文化ごとに示さなければ、精度を過信させるおそれがあるとしています。

献立を提案するAIでは、栄養の数値と、料理としての成り立ちとのずれが浮かび上がりました。3〜5歳児向けの献立をAIで作成した研究では、専門家に栄養情報だけを見せた場合はAIの献立が好意的に評価されました。しかし、料理名を示して実際の組み合わせが分かると、人が作った献立のほうが好意的に評価されました。また、標準的な思春期のプロフィールに対して、5つの汎用AIが作った3日分の献立60件を管理栄養士の献立と比べた研究があります。そこでは、AIの献立がエネルギーを平均で約695kcal少なく見積もり、炭水化物の割合も推奨範囲を下回っていました。

子どもが実際に食べ物と出会う場面については、次のような報告が紹介されています。7,890人の思春期の若者を対象とした無作為化試験では、SMSを使ったチャットボットのプログラムに割り当てられた人の約63％が参加しました。しかし、割り当て通りに全員を比べる主要な解析では、食事の質やBMIの推移に改善は見られませんでした。届けることができても、それだけで効果が出るわけではないことを示す結果です。また、学校給食向けにニンジンの皮を使ったパイのレシピを、子ども、給食調理員、ChatGPTがそれぞれ考えて比べた研究があります。子どもと調理員のレシピは受け入れられましたが、AIのレシピは受け入れられず、なじみのない味や食感が理由として挙げられました。

デジタルの食環境も重要な論点です。80本の論文をまとめたメタ分析では、食品の広告やマーケティングが子どもの摂取量、選択、好みの増加と関連していました。ただし、証拠の確実性は「非常に低い」から「中程度」にとどまります。AIは、ソーシャルメディアやゲームに紛れ込んだ不健康な食品の宣伝を大規模に見つけるのに役立つ可能性があります。一方で、同じ技術は個人に狙いを定めた宣伝にも使えます。そのため著者らは、AIが何を目的に最適化されているかに注目する必要があると述べています。

技術の正しさから、食べられる食事へ

これらを踏まえ、著者らは、子どもの栄養AIが実際に役立つまでに通るべき五つの「関門」を提案しています。一つ目は、予測や認識が正確かという技術的妥当性です。二つ目は、年齢に応じた栄養やアレルギーへの安全性という栄養的妥当性です。三つ目は、味や使いやすさ、子どもの自主性への配慮といった行動面での受容性です。四つ目は、食文化、費用、手に入りやすさ、家庭の習慣に合っているかという文脈上の正当性です。五つ目は、継続的な効果と現場への定着です。著者らによれば、今回取り上げた研究の多くは最初の関門を評価しており、二つ目まで扱ったものは一部にとどまっていました。

さらに著者らは、用途の危険度に応じて監督の強さを変える三段階の考え方も示しています。乳児の授乳・食事、アレルギー、摂食障害、病気の食事療法などは高リスクに位置づけられ、医師や管理栄養士の承認、確実な安全ルール、人による判断への引き継ぎが必要だとしています。ただし、この区分も五つの関門も、直接・間接の証拠をもとに概念的に組み立てたものです。子どもを対象に十分検証されたものではない、と著者らは明記しています。また、レビュー自体に文献選択の偏りがありうることや、英語文献に限っていることも限界として挙げています。

レビューの結論として、AIは評価、予測、監視など範囲が限定された役割では有望さが示されている一方、AIが自律的に献立を勧めることについては、子どもでの成果を示す証拠が不十分だとされました。栄養目標を満たすことや、もっともらしい提案、大規模に届けられること、高い技術性能は、それだけでは安全で受け入れられる食事を保証しません。子ども、保護者、調理する人、専門家が意味のある決定権を持ち続ける設計であれば、AIは子どもが食べることを学ぶ人と人との関係を支えうる。これが本レビューの示す見通しです。

原著論文の著者・所属：Lu Xing（School of Education, Faculty of Social Sciences and Leisure Management, Taylor’s University; School of Preschool Education, Changsha Normal University）、Xueqi Wu（Taylor’s Culinary Institute, Faculty of Social Sciences and Leisure Management, Taylor’s University）

※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）：Lu Xing, Xueqi Wu. Artificial intelligence in child nutrition and eating behavior: from prediction to gastronomic mediation. Frontiers in Nutrition 2026-08-24. DOI: 10.3389/fnut.2026.1952364. 原著ライセンス：CC BY.