研究亮點
長期以來，大眾難以精確定義食品加工的程度，導致在選擇健康飲食時面臨障礙。近期一項發表於《自然通訊》的研究，利用AI機器學習技術開發出FoodProX演算法，能精準量化食品的加工得分（FPro）。研究發現美國市場中超過七成食品屬於「超加工」，且高度加工飲食與代謝症候群、心血管風險、發炎指標及細胞老化密切相關。這項突破性工具不僅揭示了現代飲食的健康陷阱，更為個人化營養建議提供了科學基礎，讓消費者能透過簡單的食物替換來降低疾病風險。
文章摘要
- AI演算法精準量化加工程度: FoodProX能分析營養組成，為任何食品標註加工分數（FPro），解決了傳統人工分類（如NOVA系統）不準確且效率低下的問題，讓消費者與研究者能透過標準化的數據，清楚辨識食品加工程度的微細差異。
- 高度加工飲食顯著增加罹病風險: 研究證實飲食中若含有大量高FPro分數的超加工食品，將顯著提升患代謝症候群、心血管疾病與糖尿病的機率，甚至會導致體內維生素生物利用度下降，並使染色體端粒縮短，加速生物學意義上的老化過程。
- 簡單替換食物即可顯著改善健康: 研究發現不需徹底顛覆飲食習慣，只需將日常飲食中加工程度最高的單品，替換為較少加工的同類選擇（如以全麥麥片替換含糖麥片），就能有效降低疾病風險並提升營養吸收效率，是極具可行性的健康策略。
當今世界，不健康的飲食已成為肥胖、二型糖尿病、冠狀動脈心臟病及癌症等多種非傳染性疾病的主要危險因子。根據相關數據顯示，這些慢性病共佔全球死亡人數的百分之七十，以及全球患病率的百分之五十八。傳統上，消費者往往依賴食物金字塔或「我的餐盤」等基於食物類別的建議來規劃飲食，例如規定蔬果、穀物與蛋白質的比例。然而，近年來的科學研究日益強調，食品加工程度對健康具有獨立且深遠的影響。觀察性研究與臨床代謝實驗均指出，相較於高度加工的西方飲食，以原型食物為主的飲食模式對預防疾病具有更佳的保護作用。
儘管加工食品的健康威脅已受到廣泛關注，但如何科學地定義加工程度卻是一大挑戰。目前全球最常用的分類系統是ＮＯＶＡ，它將食物分為四大類：未加工或極少加工、加工烹飪原料、加工食品以及超加工產品。超加工產品通常包含五種以上的成分，且含有工業化生產中特有的添加劑，旨在模仿原型食物的感官品質。雖然ＮＯＶＡ在流行病學研究中取得成功，但它具有高度的主觀性與侷限性。它依賴人工評估，僅能覆蓋美國農業部目錄中約百分之三十五的食品，且在處理複雜配方或混合菜餚時容易出現歧義。此外，將所有超加工食品歸為一類，也限制了我們探究不同加工程度對健康細微影響的能力。
為了克服這些障礙，來自美國的跨學科研究團隊開發了一套名為ＦｏｏｄＰｒｏＸ的機器學習分類器。這項技術的核心假設是，雖然我們缺乏單一營養素作為加工的生物標記，但食品加工過程會系統性地改變多種營養素的組合濃度。例如，生洋蔥在經過裹粉油炸後，其四分之三的營養素成分會發生百分之十以上的變化，甚至有一半以上的營養素濃度變動超過十倍。ＦｏｏｄＰｒｏＸ透過分析法律強制要求的營養標示數據，訓練「隨機森林」演算法來預測食物的加工機率。這套模型不僅具備極高的準確性，還能將加工程度量化為零到一之間的連續性分數，即ＦＰｒｏ分數。
研究結果顯示，美國食品供應體系的現狀令人擔憂。透過ＦｏｏｄＰｒｏＸ的自動化分析，研究人員發現全美食品供應中有高達百分之七十三點三五屬於超加工食品。相比之下，未加工食品僅佔百分之七點三九。這項發現揭露了現代飲食環境中，消費者面臨著極度失衡的選擇空間。更重要的是，ＦＰｒｏ分數能夠識別出相同類別下的加工差異。以早餐麥片為例，即使同樣被標註為超加工食品，不同品牌與口味之間的加工深度仍有顯著不同，這取決於其纖維含量、維生素強化程度以及添加脂肪與糖分的多少，而這些差異過去在ＮＯＶＡ系統中是被忽略的。
除了量化供應鏈，這項研究更深入探討了加工程度與個人健康指標之間的統計關聯。研究團隊分析了兩萬多名參與美國國家健康與營養調查（ＮＨＡＮＥＳ）的受訪者數據，並引入了「個人食物加工分數」（ｉＦＰｒｏ）。分析結果顯示，ｉＦＰｒｏ分數與超過兩百個健康變項顯著相關。高加工飲食攝取者，其代謝症候群、二型糖尿病以及心血管疾病的風險明顯攀升。具體指標包括更高的空腹血糖、三酸甘油酯、軀幹脂肪以及更低的「好」膽固醇（ＨＤＬ）。這項研究運用「全環境關聯分析」（ＥＷＡＳ）方法，排除年齡、性別、族裔與卡路里攝取後，仍發現強大的致病關聯。
進一步的臨床數據顯示，高度加工飲食還與全身性發炎反應以及維生素缺乏症密切相關。研究發現，高ｉＦＰｒｏ分數者體內的Ｃ反應蛋白（發炎指標）較高，且血液中維生素Ｂ１２與維生素Ｃ的濃度顯著較低。這表明超加工食品即便添加了營養強化劑，其生物利用度也可能不如原型食物。此外，研究還發現一個極具啟發性的指標：飲食加工程度與染色體端粒縮短有關。端粒是判斷細胞老化的關鍵，這意味著高度依賴超加工食品的人群，其生物學意義上的老化速度可能比實際年齡更快，進而增加早逝的風險。
值得警惕的是，該研究還發現了飲食與化學物質暴露之間的關聯。高度依賴超加工食品的人群，其體內往往含有更高濃度的致癌物、塑化劑與環境污染物。這包括存在於高溫處理食品中的丙烯醯胺、存在於軟性飲料中的苯、以及存在於速食包裝材料中的雙酚Ａ（ＢＰＡ）。這些化合物在目前的食物組成數據庫中鮮少被記錄，卻能透過血液與尿液樣本被精準檢測出來。這些數據有力地證明了，超加工食品對健康的危害不僅來自營養不均，還來自生產與包裝過程中引入的化學負荷，這是單純計算熱量無法察覺的威脅。
儘管挑戰嚴峻，研究也為大眾提供了具備實踐價值的解決方案。研究人員模擬了「食物替換」策略，發現消費者不一定需要徹底顛覆飲食習慣，只需在日常食用的食物中，找出幾項加工程度最高的產品並替換為較少加工的替代品，就能帶來顯著改善。例如，將含糖量高且過度精製的麥片替換為全麥碎粒麥片，或將罐裝噴射起司替換為切片起司。數據模擬顯示，僅替換飲食中的一個關鍵單品，就能降低約百分之十二的代謝症候群風險，並顯著提升體內關鍵維生素的吸收效率。這種循序漸進的改善方式，對大多數消費者而言更具可行性。
這項研究的意義在於，它將傳統定性的營養學提升至精準定量的科學層次。ＦｏｏｄＰｒｏＸ的便攜性使其能夠輕鬆應用於各大電商平台或超市網站，為消費者提供即時的加工程度指標。對於政策制定者而言，這項技術提供了監測國家營養安全的新工具。未來，隨著更多關於添加劑與加工副產物數據的加入，ＦＰｒｏ分數將變得更加完善，幫助我們更清晰地理解「食物基質效應」與健康之間的複雜關係。推廣透明的加工資訊，不僅是科技的進步，更是改善公共衛生、協助大眾從「食品安全」走向「營養安全」的關鍵基石。
建議行動
- 優先選擇原型食物：盡量購買未經過度改變形態的原始食材，如新鮮蔬果、豆類及穀物。
- 仔細閱讀營養標示：選擇成分清單較短、且不含化學添加劑或加工副產物的食品。
- 逐步替換高度加工食品：將日常零食（如餅乾、含糖飲料）換成相對低加工的選擇（如堅果、無糖氣泡水）。
- 提高居家烹飪比例：減少外食與便利店加工食品的攝取，更能掌控食材來源與加工程度。
- 關注食品包裝材質：減少購買長期儲存於塑料或易拉罐中的加工食品，降低化學遷移風險。
結論
本研究開發的FoodProX演算法成功量化了食品加工對健康的深遠影響，揭示了現代飲食環境中超加工食品佔據主流的現狀。透過連續性的FPro分數與iFPro指標，我們能更準確地預測慢性病風險、發炎程度甚至生物老化速度。最重要的發現是，透過簡單的食物替換策略，個人即可在不大幅改變生活方式的前提下大幅提升健康水平。這項研究不僅為營養流行病學提供了新工具，更呼籲各界重視食品加工資訊的透明化，以促進全民的長遠健康。
參考文獻
- Menichetti, G., Ravandi, B., Mozaffarian, D., & Barabási, A. L. (2023). Machine learning prediction of the degree of food processing. Nature Communications, 14(1), 2312. https://doi.org/10.1038/s41467-023-37457-1
重要聲明：本文內容僅供參考，不能取代專業醫療建議，本文提供的資訊基於科學研究，但每個人的健康狀況和需求不同，飲食改變應在專業人員指導下進行，如有任何疑問或出現不適症狀,請立即就醫。