i卡會員

個人化營養正由傳統以族群平均值為基礎所制定的飲食建議，轉向結合生物醫學、行為與食物環境等多維資料的整合性健康管理模式。隨著基因檢測、多體學分析、連續血糖監測、穿戴式裝置與人工智慧等技術發展，個人化營養由靜態紀錄與建議，逐步演進為具備動態預測與行為介入能力的決策系統，並朝向低摩擦甚至無感化的資料蒐集與應用型態發展。

本文透過產業趨勢與創新案例分析，從技術、應用與商業模式三個層面提出分析，作為未來產業發展與策略布局之參考。

【內容大綱】

• 一、個人化營養從概念演進與技術轉型
  • (一)個人化營養的核心內涵：從單一飲食建議到多維個體資料整合
  • (二)科技賦能個人化營養：從多維資料到動態決策系統
• 二、個人化營養的產業發展趨勢
  • (一)從靜態建議與紀錄工具，走向動態預測與行為介入系統
  • (二)從單點應用到多面向整合系統
  • (三)從高摩擦操作到低摩擦甚至無感化
• 三、個人化營養創新案例分析
  • (一)以多模態便捷式資料蒐集重塑個人化營養入口－Cal AI
  • (二)結合生理數據與AI預測的個人化營養決策系統－Dexcom與Abbott
  • (三)以環境嵌入實現無感化營養管理－Nuvilab
• IEKView

【圖表大綱】

• 圖一、Cal AI Food Calorie Tracker示意圖
• 圖二、Dexcom Smart Food Log示意圖
• 圖三、Abbott Libre Assist示意圖：拍照預測(左)、飲食建議(中)、血糖影響(右)
• 圖四、Nuvilab產品示意圖(上)、兒童場域導入與遊戲化設計示意圖(下)