在研究食物和饮食时，很难知道人们在吃什么——更不用说他们因饮食而导致疾病的风险了。

医生和研究人员通常会要求人们填写一份长期的食物频率问卷，估计热量摄入、食物类别和营养素。这取决于一个人的记忆，可能无法提供最准确的图片。

然而，由密歇根医学心脏病专家领导的一个研究小组发现了一种使用分子谱分析和机器学习来开发基于血液的饮食特征的方法，可以更准确地预测饮食以及心血管疾病和 2 型糖尿病的风险。结果发表在欧洲心脏杂志上。

“饮食不是一维的;它在不断变化，我们传统上评估它的方式并不完美，”资深作者 Venkatesh Murthy 医学博士、博士、密歇根大学健康弗兰克尔心血管中心的心脏病专家和副教授说UM医学院心脏病学教授。

“我们需要更可靠和精确的工具，同时也让每个人都易于使用。使用代谢物特征和数据科学，我们可以更好地了解人们实际摄入了多少，以及他们可能因心脏代谢而产生的风险影响数百万美国人的疾病，”Murthy 说。

研究人员在年轻人冠状动脉风险发展研究中跟踪了 2,200 多名白人和黑人成年人，使用血液样本和食物调查来确定饮食的代谢物特征和随后 25 年的疾病风险。通过机器学习模型，研究人员能够创建一个基于血液的饮食特征，可以更准确地预测一个人在 19 种食物组中的整个饮食，准确率提高 10-20%。

此外，基于血液的特征通常优于健康饮食指数，健康饮食指数是衡量饮食质量的标准，用于根据每个食物组确定谁更有可能患上糖尿病和心血管疾病。例如，当食物频率问卷表明吃红肉的人患糖尿病的风险增加 18% 时，基于血液的特征发现风险增加 55%。