DOI:10.12301/spxb202600346
中图分类号:TS201
精准营养视角下食物营养健康产业的创新与发展
王志宏
| 【作者机构】 | 中国疾病预防控制中心营养与健康所； 国家市场监督管理总局重点实验室(食品营养与健康评价技术) |
| 【分 类 号】 | TS201 |
| 【基 金】 | 国家自然科学基金地区科学基金项目(72561147285)。 |
全文
参考文献
出版信息
精准营养视角下食物营养健康产业的创新与发展
“国以民为本,民以食为天,健康以营养为先。”随着健康中国战略进入攻坚阶段,国民营养与健康已不再仅仅是公共卫生问题,而是关乎国家竞争力与社会可持续发展的核心基石。《中国食物与营养发展纲要(2025—2030年)》明确指出,要构建以营养需求为导向的现代食物产业体系[1]。这标志着我国居民饮食需求已从单纯追求“吃得饱、吃得好”向“吃得美味营养、吃得精准、吃得健康”跃迁,营养健康已从民生指标上升为国家战略的核心议题。
当前,我国居民营养健康问题呈现膳食结构不合理、微量营养素缺乏与肥胖并存的复合特征[2]。传统膳食指南为公众提供了普适性的健康原则,但人群内部在遗传背景、代谢特征、肠道菌群、生活方式及食物可及性等方面存在差异;同一种食物在不同个体或同一个体的不同生理状态下,也可能引起不同的餐后代谢反应。精准营养(precision nutrition)由此成为群体膳食指导的重要补充,其目标不是替代膳食指南,而是在共同健康原则基础上提高风险识别和干预匹配程度[3]。
精准营养不仅涉及营养学研究工具的升级,也会影响食品产业的产品设计、生产加工、流通服务和消费反馈。产业端需要对标营养健康需求,优化食品配方、加工工艺和服务模式,并以可验证的健康证据支撑产品开发。本文拟从精准营养的科学内涵出发,阐述其核心技术体系,讨论其在食品工业及慢病防控领域的应用路径,梳理产业转化面临的主要挑战并展望未来方向,旨在为我国食物营养健康产业的高质量发展提供一定的参考。
1 我国居民膳食营养状况变迁
我国居民营养健康问题主要表现为膳食结构失衡、营养不足、微量营养素缺乏和肥胖并存、慢性病与代谢负担上升。现实挑战依然严峻且错综复杂。
1.1 膳食结构失衡与隐性饥饿问题
我国居民总体能量摄入已基本满足需要,但膳食结构仍不合理,主要表现为蔬菜、水果、奶类、大豆及坚果摄入不足,而烹调盐和烹调油摄入偏高。2022—2023年中国十省(自治区)成年居民调查显示,蔬菜、水果、奶类、大豆和坚果平均摄入量分别为231.8、42.5、28.7、9.9、3.3 g/d,烹调盐和烹调油摄入量分别为8.6、41.1 g/d[4]。与《中国居民膳食指南(2022)》建议的蔬菜(300～500 g/d)、水果(200～350 g/d)、奶及奶制品(300～500 g/d)、大豆及坚果(25～35 g/d)、食盐(不超过5 g/d)和烹调油(25～30 g/d)摄入量相比,上述地区居民蔬果奶豆等食物摄入明显不足,油盐摄入仍然偏高[5]。即使能量摄入充足,长期存在的食物结构失衡仍可能增加钙、膳食纤维、优质蛋白质以及多种维生素和矿物质摄入不足的风险,成为“隐性饥饿”的重要膳食基础;油盐摄入偏高则不利于心血管和代谢健康[2,6]。因此,当前居民营养改善不仅需要保障食物供给,还应更加重视优化食物结构、提高膳食质量,并关注不同地区和人群的营养摄入不足风险。
1.2 慢性病高发与代谢负担
心血管病仍是我国城乡居民首位死亡原因,与糖尿病、高血压等代谢性疾病共同构成主要慢性病负担[7]。这些疾病不仅给个人或家庭带来沉重的经济负担,也消耗了大量本就紧张的医疗资源,形成了“因病致贫、因病返贫”的恶性循环。从长期变化看,不合理膳食结构与体重异常、血压和糖脂代谢负担相互交织。基于中国健康与营养调查数据的分析显示,2000—2023年我国十省成年人超重肥胖和中心性肥胖总体呈上升趋势,且不同性别、年龄及城乡人群的变化幅度并不一致[8]。基于中国居民营养与健康状况调查数据分析表明,膳食质量不佳所关联的心血管病和2型糖尿病死亡负担仍然较重,高钠、低水果和水产n-3脂肪酸摄入不足是重要膳食因素[9]。这些证据提示,慢性病防控不能单纯控制总能量摄入,还应同步优化食物结构、优选健康烹调方式和形成良好的饮食行为[10-12]。
1.3 区域性差异与干预策略局限
在部分欠发达地区,营养缺乏风险仍未完全消除;与此同时,城市化、收入增长和食物环境变化推动肥胖及相关慢性病持续增加[6]。肥胖与营养不足、微量营养素缺乏并存的现象,加剧了公共卫生干预策略制定的复杂性和挑战性。研究显示,不同地区和城乡居民的谷物、蔬菜、畜禽肉、奶类及油盐摄入存在差异,膳食结构区域性差异提示单纯“千人一方”的干预方式难以适应真实需求[4,13]。农村居民可能同时面临食物可及性不足和高油高盐烹调习惯等问题,城市居民则更易受到外卖、加工食品和久坐生活方式影响。因而,营养改善既要坚持普适性膳食指南的指导原则,也应根据地区食物供给、支付能力、文化习惯和主要健康风险实施分层分类干预,为后续精准营养从人群细分走向个体决策提供现实依据。
2 精准营养的内涵与技术体系
精准营养的思想雏形可追溯至传统中医食疗的“辨证施食”理念和现代的分子营养学理论。随着高通量测序技术的普及和人工智能算力的爆发,精准营养具备了落地的科学基础和实现路径。
2.1 精准营养的核心范式转变
精准营养是以个体或具有共同特征的亚群体为对象,综合膳食、临床、遗传、多组学、行为和环境信息,识别其营养需求与膳食反应差异,设计、评估和动态调整营养干预的研究与实践框架[3]。
精准营养的核心范式转变在于从“千人一方”迈向“一人一策”。传统的营养干预基于人群的平均值,旨在降低群体的平均风险;而精准营养则聚焦于个体差异,通过绘制动态的“个体健康图谱”,生成定制化的营养处方。精准营养不再仅仅关注宏观的“吃什么”,而是深入微观的“谁,在什么生理状态下,何时吃,吃多少,以及身体会产生何种代谢反应”的决策层面。这种转变有望提高干预的针对性和可执行性,但实际效果会受到干预内容、反馈频率、用户依从性和研究人群等因素影响[14-16]。
2.2 全周期精准营养架构
精准营养的实施并非单点技术的突破,而是一个涵盖从数据采集到服务落地的完整闭环系统。
2.2.1 精准监测
开展动态精准监测,综合使用规范化膳食调查、实验室检测、可穿戴设备、连续血糖监测和食物图像识别等工具,获取相对稳定的遗传信息、动态生理指标、饮食与运动行为以及环境暴露和社会因素信息。数据采集环节应记录数据质量、设备校准、缺失情况和知情同意,为后续多模态分析提供可比较的数据基础[17]。
2.2.2 精准评估
基于海量多维数据,利用算法模型评估个体的营养状况、代谢风险阈值及疾病易感性。这一阶段需要建立复杂的生物信息学模型,将多源异构的原始数据转化为可读、可评价的健康指标与风险预警。
2.2.3 精准干预
根据评估结果,对标营养健康需求,制定个性化的膳食指导方案、运动处方及营养补充策略。干预方案的设计必须充分考虑到个体的口味偏好、地域文化背景和经济支付能力,以确保方案的可行性与高依从性。
2.2.4 精准服务
数字化健康管理平台可用于持续追踪、反馈和方案调整,并将新的膳食记录、生理指标与执行情况纳入再次评估,形成“监测—评估—干预—反馈”的迭代闭环。一项为期18周的随机对照试验显示,基于应用程序的个性化营养方案可改善膳食质量及甘油三酯、体重、腰围和糖化血红蛋白等部分心血管代谢指标,且干预效果在依从性较高的参与者中更为明显[15]。数字平台干预效果受干预持续时间、专业指导力度和用户依从性等因素影响,自动化指导建议应作为专业营养服务的辅助工具,而不能完全替代专业营养干预。
3 精准营养与产业创新发展的关键支撑技术
精准营养的实现依赖于多组学、新型生物标志物与动态监测、人工智能和大数据分析、数智循证医学核心技术的协同发力。
3.1 多组学技术
多组学技术为解释精准营养中个体膳食反应差异提供了重要的生物学和方法学基础[18]。基因组学可识别部分与营养素吸收、代谢及耐受性相关的遗传变异;代谢组学可表征特定采样时间点或膳食干预前后的代谢状态;宏基因组学则可分析肠道微生物的组成及其功能潜力[19]。然而,宿主遗传、肠道菌群、代谢物、膳食组成和生活方式之间存在复杂交互作用,单一组学指标通常不足以直接形成可靠的营养处方。近年来,研究者尝试整合基线菌群、代谢物、临床表型和生活方式信息,预测餐后代谢反应或膳食干预后的代谢物变化,为精准营养模型开发提供了方法学依据;但模型在不同种族、膳食文化、疾病状态及检测平台间的泛化能力仍需独立验证[20]。
3.2 新型生物标志物与动态监测技术
传统的体检指标往往是机体静态的快照,只能反映某一时间点的身体状况,而精准营养强调新型生物标志物的发掘和动态连续监测的实现。连续血糖监测技术的普及,可以实时观察餐后血糖的波动曲线,从而精准量化特定食物对个体的代谢冲击[21]。此外,个体化血糖敏感指数等新型功能性标志物,能比传统的口服葡萄糖耐量试验更精准地预测个体对复杂膳食的反应[22]。这些动态指标能够捕捉身体的细微代谢异常,实现疾病的超早期预警。
3.3 人工智能与大数据分析技术
面对海量的多源异构数据(基因序列数据、图像化饮食记录、运动轨迹数据、医疗影像等),传统分析方法难以处理其中的非线性复杂关系。人工智能,特别是机器学习和深度学习算法,可用于食物图像识别、特征筛选、反应预测和推荐模型构建,挖掘隐藏在数据背后的复杂模式与关联[23]。例如,基于卷积神经网络的食物图像识别技术,可以自动识别食物种类并估算能量与营养素构成;基于通过长短期记忆网络的分析时序生理数据分析模型,可以实现未来的健康风险趋势预测[24]。人工智能技术的引入,极大地提高了数据分析的效率和预测的准确性[25]。
3.4 数字化循证与决策支持技术
数字技术正在拓展精准营养证据的采集、整合和应用方式。通过整合膳食记录、临床指标、组学信息、可穿戴设备数据及既有研究证据,可探索建立涵盖模型开发、内部与外部验证、前瞻性干预试验和真实世界监测的连续评价路径。借助智能化手段,可建立从模型开发、干预试验到真实世界评价的连续证据链,将传统的基于群体“平均效应”的宏观证据,转化为基于个体特征的微观决策支持,从而营养干预不仅有据可依,还能适应个体的动态变化。
4 政策导向下的食品产业营养健康转型
精准营养从实验室走向千家万户,离不开宏观政策的顶层设计引导和产业生态的商业化支撑。自2015年我国首次提出“健康中国建设”以来,国家层面密集出台了一系列政策,为食品产业的健康转型指明了方向。
4.1 政策战略指引
从《“健康中国2030”规划纲要》的宏观布局,到《国民营养计划(2017—2030年)》和《健康中国行动(2019—2030年)》的逐步落实,再到2025年发布的《中国食物与营养发展纲要(2025—2030年)》,我国政策支持性环境不断增强[1,26-27]。在政策导向下,我国食品产业营养健康转型呈现以下核心方向。
4.1.1 树立大食物观
向耕地、草原、森林、海洋以及植物、动物和微生物拓展食物资源,有助于丰富优质蛋白质和多样化食物供给[28]。这一观念拓宽了食品产业的原料和技术边界,为发酵蛋白、合成生物制造及其他新食品资源研发指明了方向;相关产品的商业化仍需经过安全性、营养价值、成本和消费者接受度评价。
4.1.2 发展营养健康产业
着力发展保健食品、营养强化食品、双蛋白食物等营养健康产品,推动企业围绕不同人群的营养需求开展配方和工艺创新。产品开发应遵循现行法规和标准,以充分的安全性、营养和功能评价证据支持标签标识及健康声称。
4.1.3 推进食品加工营养化转型
围绕加工食品中的油、盐和糖开展阶段性、指导性控制,推动食品加工工艺和配方的营养化改造。企业可根据产品特性采用营养素保留、减盐减糖、质构优化和适宜保藏等技术,同时评估加工过程对营养价值、食品安全和感官品质的综合影响。
4.1.4 深化临床营养与慢病防控管理
《中国食物与营养发展纲要(2025—2030年)》从提升食物供给能力、优化食物结构和推动营养健康消费等方面部署6项重点任务,并强调增加优质蛋白质和富含膳食纤维食物供给、发展营养型加工食品[1]。
2025年发布的《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》提出推进人工智能在卫生健康领域规范应用,为营养健康数据治理、辅助决策和服务创新提供了政策依据[29]。产业应用仍需遵循医疗卫生、食品、个人信息保护和健康声称等相关监管要求,不能将政策导向等同于产品有效性证明。
4.2 精准营养驱动下营养食品产业发展的趋势
精准营养为食品产业从通用供给走向分人群、分场景的产品与服务创新提供了新的技术路径。近期有研究显示,数字化个性化膳食干预能够改善部分饮食行为和心血管代谢风险指标,但不同研究的效果并不完全一致。因此,产业转型既要重视多组学、数字工具和功能原料,也要坚持以可验证的健康需求和干预证据为基础。
4.2.1 营养食品产业升级的核心着力点
食品产业营养健康升级可遵循相互衔接的5个维度展开。一是细分目标人群,根据不同年龄、生理阶段和健康状态明确需求边界;二是细划产品类别,如普通食品、营养强化食品和功能性食品、特殊医学用途配方食品等;三是细解消费场景,围绕正餐、加餐、休闲娱乐、运动健身、居家照护和临床营养等情境研制或消费应景产品;四是优化配方与工艺,通过减盐、减油、减糖、营养素保留、发酵或酶工程等技术改善营养组成,同时兼顾安全性和感官品质;五是强化健康价值科学证据,采用与产品定位相匹配的人群研究和评价指标验证实际效果。个性化营养产品和服务的实施应明确潜在使用者,采用经过验证的评价方法和模型,并以充分的人体研究证据支持其健康效应,避免仅凭单一生物标志物或算法结果生成营养指导建议[30]。
食品配方改良是改善加工食品营养组成的重要路径,但减盐、减糖或脂肪替代也可能影响产品质构、风味、能量密度和保藏性能,因此需要同步开展营养、安全、感官和实际消费效果评价[31]。上述维度应形成“需求识别—产品创制—场景适配—效果评价—持续改进”的闭环。由此,营养健康食品产业的升级不应局限于单一配方改良,而应覆盖原料选择、生产加工、质量控制、健康评价、消费反馈和风险沟通等全产业链环节。
4.2.2 人群精准干预中食品产业发展方向
当前,在健康中国战略推动下,我国卫生健康工作已从坚持治已病转向坚持治未病,在预防关口前移的政策导向下,聚焦人群精准干预,营养食品产业呈现明确的发展方向。
对于一般健康人群(婴幼儿、儿童青少年、孕产妇、一般成年人、低龄及高龄老年人等),产业发展方向为普通食品营养化,如开发推广以全谷物、杂豆、薯类为原料的营养强化型主食产品;加强“减盐、减油、减糖”和营养素保留技术的应用。
对于高危人群(存在不良生活方式、长期暴露于职业性有害环境、代谢性指标边缘性异常人群或具有明确慢性病家族史的人群、糖脂代谢指标异常人群等),产业发展的焦点为健康食品功能化,如分层级完善功能性食品科学评价体系,加强膳食纤维、植物多酚、益生菌等研究与配方创新,开发适用于不同场景的功能性食品。
对于慢性病患者(糖尿病、肥胖、心血管疾病、癌症等及多病共存患者、具有特殊需求的疾病人群等),产业发展应锚定推动特医食品精细化,在充分开展特医食品需求调研的基础上,加快不同疾病产品定向研发;优先针对肿瘤、糖尿病肾病、创伤应激等具有重大临床需求及明确临床优势的特医食品[32]。同时,应完善“营养筛查—评估—诊断—干预—监测—随访”的特医食品临床应用路径,推动处方、审核、医嘱和不良反应监测纳入医院HIS信息系统的试点工作。
营养食品创新可重点覆盖3个领域:对于生命早期1 000天,应关注孕产妇营养、母乳喂养支持和适龄婴幼儿辅食,强调配方安全、营养适宜性和文化可接受性。学生营养改善应把校园食品安全、健康食堂、营养配餐和适宜加餐结合起来,减少高盐、高糖和高脂餐食和产品供应,研制营养健康课间餐或健康零食替代品[33]。对于老年人群,聚焦适老食品和银发经济,围绕其咀嚼吞咽能力下降、蛋白质和能量不足风险以及多病共存需求,开发质构适宜、营养密度较高且食用方便的产品[34]。涉及特定健康功能时,应采用与目标人群和结局指标相匹配的科学证据,避免泛化健康声称。
5 未来的发展方向与产业融合
精准营养的产业转化仍面临多重挑战。不同研究对精准营养的定义、输入变量和结局指标尚不统一。多组学与连续监测数据的采集成本较高,算法缺少独立人群和长期结局验证;训练数据代表性不足还可能放大社会人口经济差异。同时,健康数据跨平台流动涉及隐私、知情同意、数据安全和责任边界,产品功能与健康声称之间也需要相应的证据和监管。如未充分考虑服务价格、数字能力或健康食物可及性的差异,精准营养还可能扩大健康不平等。
在应对这些挑战的基础上,精准营养可从3个方向稳步推进。一是发展动态预测模型,利用我国人群的膳食、临床和多组学数据持续更新风险评估,但模型只能用于支持研究和决策,不能替代人群干预验证。二是推动精准服务普惠化,通过社区、医疗机构和数字平台提供分层营养服务,优先采用成本可控、可解释且有证据支持的工具。三是加强产业协同,促进农业、食品、生物技术、医疗和信息技术之间的数据标准与评价方法衔接,形成从食物供给、产品加工到营养服务的全链条。
总体而言,精准营养为改善膳食质量、识别个体反应差异和推动食物营养健康产业升级提供了新的视角和导向,但其价值取决于可靠数据、可重复模型和高质量干预证据。政府部门应完善数据标准、伦理审查和健康声称规则,科研机构应加强我国人群长期队列、随机试验和跨地区验证,产业应把营养健康需求和证据评价贯穿产品全生命周期,专业人员和公众则需共同提升数字营养健康素养。只有在群体“平均”膳食原则与分层个体化服务之间相辅相成,精准营养才能从技术概念转化为安全、有效、可负担的健康实践。
[1] 农业农村部, 国家卫生健康委员会, 工业和信息化部.中国食物与营养发展纲要(2025—2030年)[EB/OL].[2026-05-06]. https:∥www.bypc.gov.cn/zfxxgk/bmdwxzjd/bmdw/qnyncj/fdzdgknr/ghjh/art/2025/art_e874d8795db94d14abb22995ea56638f.html.
[2] 国家卫生健康委员会疾病预防控制局. 中国居民营养与慢性病状况报告(2020) [M]. 北京: 人民卫生出版社, 2020.
[3] Guasch-Ferré M, Wittenbecher C, Palmnäs M, et al. Precision nutrition for cardiometabolic diseases[J]. Nature Medicine, 2025, 31(5): 1444-1453.
[4] 张继国, 王惠君, 杜文雯, 等. 2022—2023年中国十省(自治区)成年居民食物消费状况[J]. 卫生研究, 2024, 53(6): 870-873.Zhang J G, Wang H J, Du W W, et al. Food intake among adult residents in 10 provinces(autonomous regions)of China in 2022—2023[J]. Journal of Hygiene Research, 2024, 53(6): 870-873.
[5] 中国营养学会. 中国居民膳食指南[M]. 北京: 人民卫生出版社, 2022.
[6] 中国营养学会. 中国居民膳食指南科学研究报告:2021[M]. 北京: 人民卫生出版社,
[7] 国家心血管病中心. 中国心血管健康与疾病报告2021[M]. 北京: 科学出版社, 2022.China Cardiovascular Health and Disease Report 2021[M]. Beijing: Science Press, 2022.
[8] 张晓帆, 王惠君, 苏畅, 等. 2000—2023年中国十省(自治区)成年居民超重肥胖及中心性肥胖的流行现况及趋势[J]. 卫生研究, 2024, 53(6): 874-879.Zhang X F, Wang H J, Su C, et al. Prevalence and trends of overweight, obesity, and central obesity among adult residents in 10 provinces(autonomous regions)of China in 2000—2023[J]. Journal of Hygiene Research, 2024, 53(6): 874-879.
[9] He Y N, Li Y P, Yang X G, et al. The dietary transition and its association with cardiometabolic mortality among Chinese adults, 1982—2012: a cross-sectional population-based study[J]. The Lancet Diabetes &Endocrino-logy, 2019, 7(7): 540-548.
[10] World Health Organization.Total fat intake for the prevention of unhealthy weight gain in adults and children: WHO guideline[EB/OL].[2026-05-06]. https:∥www.who.int/publications/i/item/9789240073654.
[11] World Health Organization.Saturated Fatty Acid and Trans-Fatty Acid Intake for Adults and Children: WHO Guideline[EB/OL].[2026-05-06]. https:∥www.who.int/publications/i/item/9789240073630.
[12] World Health Organization.Carbohydrate intake for adults and children: WHO guideline[EB/OL].[2026-05-06]. https:∥www.who.int/publications/i/item/9789240073593.
[13] 贾小芳, 苏畅, 何宇纳, 等. 2022—2023年中国十省(自治区)成年居民宏量营养素摄入现状及食物来源[J]. 卫生研究, 2024, 53(6): 862-869.Jia X F, Su C, He Y N, et al. Macronutrient intake status and food sources in adult residents from 10 pro-vinces(autonomous regions)of China in 2022—2023[J]. Journal of Hygiene Research, 2024, 53(6): 862-869.
[14] Liu H W, Feng J Y, Shi Z H, et al. Effects of a novel applet-based personalized dietary intervention on dietary intakes: a randomized controlled trial in a real-world scenario[J]. Nutrients, 2024, 16(4): 565.
[15] Bermingham K M, Linenberg I, Polidori L, et al. Effects of a personalized nutrition program on cardiometabolic health: a randomized controlled trial[J]. Nature Medicine, 2024, 30(7): 1888-1897.
[16] Galarregui C, Navas-Carretero S, Zulet M A, et al. Precision nutrition impact on metabolic health and quality of life in aging population after a 3-month intervention: a randomized intervention[J]. The Journal of Nutrition, Health and Aging, 2024, 28(7): 100289.
[17] Wu X Z, Oniani D, Shao Z J, et al. A scoping review of artificial intelligence for precision nutrition[J]. Advances in Nutrition, 2025, 16(4): 100398.
[18] Lee B Y, Ordovás J M, Parks E J, et al. Research gaps and opportunities in precision nutrition: an NIH workshop report[J]. The American Journal of Clinical Nutrition, 2022, 116(6): 1877-1900.
[19] Berry S E, Valdes A M, Drew D A, et al. Human postprandial responses to food and potential for precision nutrition[J]. Nature Medicine, 2020, 26(6): 964-973.
[20] Asnicar F, Berry S E, Valdes A M, et al. Microbiome connections with host metabolism and habitual diet from 1 098 deeply phenotyped individuals[J]. Nature Medicine, 2021, 27(2): 321-332.
[21] Merino J, Linenberg I, Bermingham K M, et al. Validity of continuous glucose monitoring for categorizing glycemic responses to diet: implications for use in personali-zed nutrition[J]. The American Journal of Clinical Nutrition, 2022, 115(6): 1569-1576.
[22] Zhang K, Fu Y Q, Gou W L, et al. Quantification of personalized glycemic sensitivity to food and its potential for precision nutrition in a series of n-of-1 trials[J]. The American Journal of Clinical Nutrition, 2025, 122(2): 502-512.
[23] Zheng J K, Wang J J, Shen J, et al. Artificial intelligence applications to measure food and nutrient intakes: scoping review[J]. Journal of Medical Internet Research, 2024, 26: e54557.
[24] Carrasco-Ribelles L A, Llanes-Jurado J, Gallego-Moll C, et al. Prediction models using artificial intelligence and longitudinal data from electronic health records: a systematic methodological review[J]. Journal of the American Medical Informatics Association, 2023, 30(12): 2072-2082.
[25] Wang T, Holscher H D, Maslov S, et al. Predicting metabolite response to dietary intervention using deep learning[J]. Nature Communications, 2025, 16: 815.
[26] 中共中央, 国务院.“健康中国2030”规划纲要[EB/OL].[2026-04-26].https:∥www.gov.cn/zhengce/202203/content_3632689.htm.
[27] 国务院办公厅.国民营养计划(2017—2030年)[EB/OL].[2026-05-04]. https:∥www.gov.cn/zhengce/content/2017-07/13/content_5210134.htm.
[28] Rockström J, Thilsted S H, Willett W C, et al. The EAT-Lancet Commission on healthy, sustainable, and just food systems[J]. Lancet, 2025, 406(10512): 1625-1700.
[29] 国家卫生健康委办公厅, 国家发展改革委办公厅, 工业和信息化部办公厅,等.关于促进和规范“人工智能+医疗卫生”应用发展的实施意见[EB/OL].[2026-05-04]. https:∥www.gov.cn/zhengce/zhengceku/202511/content_7047018.htm.
[30] Adams S H, Anthony J C, Carvajal R, et al. Perspective: guiding principles for the implementation of persona-lized nutrition approaches that benefit health and function[J]. Advances in Nutrition, 2020, 11(1): 25-34.
[31] Onyeaka H, Nwaiwu O, Obileke K C, et al. Global nutritional challenges of reformulated food: a review[J]. Food Science and Nutrition, 2023, 11(6): 2483-2499.
[32] Huang L, Lu J Y, Shi L Y, et al. Regulation, production and clinical application of Foods for Special Medical Purposes (FSMPs) in China and relevant application of food hydrocolloids in dysphagia therapy[J]. Food Hydrocolloids, 2023, 140: 108613.
[33] Organization W H. Policies and interventions to create healthy school food environments: WHO guideline [M]. Policies and interventions to create healthy school food environments: WHO guideline. 2025.
[34] Volkert D, Beck A M, Cederholm T, et al. ESPEN practical guideline: clinical nutrition and hydration in geriatrics[J]. Clinical Nutrition, 2022, 41(4): 958-989.
Innovation and Development of Food Nutrition and Health Industry from Perspective of Precision Nutrition
Wang Zhihong. Innovation and development of food nutrition and health industry from perspective of precision nutrition[J]. Journal of Food Science and Technology, 2026,44(4):13-19.
X