Студент ЧелГУ разработал интеллектуальную систему для диетологического консультирования

Александр Разживин, автор разработки, рассказал о процессе создания и функционале системы:

«Сначала я собирал данные для базы знаний из проверенных источников — использовались рекомендации сайта Минздрава России, а также материалы Всемирной организации здравоохранения и других профильных организаций. Теперь модель может понимать запрос пользователя и находить в базе данных те фрагменты, которые дополняют общий контекст. Например, пользователь спрашивает, как приготовить картофельное пюре, а система находит всю связанную с картофелем информацию: пользу, вред, витаминный состав и так далее».

Ассистент умеет отвечать на самые разные вопросы: чем отличаются насыщенные жиры от ненасыщенных, какие продукты стоит включить в рацион, а от каких отказаться. По запросу система может составить программу питания на неделю или подобрать рецепты из тех ингредиентов, которые уже есть у пользователя в холодильнике.

Интерес к здоровому питанию и здоровому образу жизни постоянно растёт, однако персонализированная диетологическая консультация доступна далеко не всем. Классические языковые модели могут допускать фактические ошибки, так как не опираются на верифицированные источники. Разработка Александра уменьшает количество фактических ошибок за счёт интеграции нейросети с проверенной базой знаний. Проведённый автором опрос показал высокую заинтересованность пользователей в подобных системах, особенно в функциях подбора рациона и рецептов с учётом индивидуальных особенностей.

Система не требует использования внешних облачных сервисов и может быть размещена на собственных серверах — например, в медицинских учреждениях или санаториях. Это особенно важно при работе с персональными данными пациентов и соблюдении требований конфиденциальности.

«В планах на основе этой системы сделать мобильное приложение по типу дневников питания, где активное участие будет принимать нейронная сеть. Например, раз в неделю приложение сможет отправлять пуш-уведомления: "В вашем рационе много натрия. Рекомендуем пить больше воды, убрать или заменить такие-то блюда". Пользователь будет фиксировать употребляемые продукты, а система — анализировать рацион и формировать персонализированные рекомендации. Я планирую масштабировать проект именно в этом направлении».

Разработка, выполненная в рамках дипломной работы на математическом факультете, демонстрирует потенциал междисциплинарных проектов на стыке разных наук. Готовое решение может быть востребовано как в корпоративном сегменте (санатории, больницы), так и в качестве базы для персональных приложений по здоровому питанию.