Artificiell intelligens har på kort tid blivit en del av många områden inom hälso- och sjukvården. Nu utvecklas också tillämpningar som riktar sig specifikt mot klinisk nutrition.

I en ny översikt i Current Opinion in Clinical Nutrition and Metabolic Care går forskare igenom hur AI kan användas från screening och nutritionsbedömning till kliniskt beslutsstöd och uppföljning.

En grundläggande möjlighet är att snabbt bearbeta mycket stora mängder patientdata. Genom att kombinera exempelvis journaluppgifter, laboratorievärden, bilddiagnostik och annan klinisk information kan algoritmer hitta mönster som kan vara svåra att upptäcka manuellt.

Kan upptäcka nutritionsrisk 

Ett användningsområde är screening och tidig identifiering av patienter som löper risk för undernäring eller nutritionsrelaterade komplikationer.

AI-baserade modeller kan analysera stora databaser med patientinformation och användas för att förutsäga vilka patienter som har störst risk att utveckla problem. Det skulle kunna ge vårdpersonal möjlighet att sätta in nutritionsåtgärder tidigare.

Forskarna lyfter också fram användningen av medicinska bilder. Datortomografibilder som redan tagits av andra medicinska skäl innehåller information om bland annat patientens muskelmassa. Med hjälp av AI kan bilder analyseras automatiskt för att identifiera låg muskelmassa och sarkopeni och bidra till bedömningen av patientens risk och prognos.

Tekniken kan därmed göra information som redan finns i vården användbar även för nutritionsbedömningen.

Från bedömning till beslut 

Nästa steg är kliniskt beslutsstöd. Genom att väga samman stora mängder information skulle AI-system exempelvis kunna bidra till att identifiera patienter som behöver nutritionsbehandling och ge underlag för mer individualiserade beslut.

I intensivvården, där patienternas tillstånd kan förändras snabbt och stora mängder data genereras kontinuerligt, ser forskarna särskilt stora möjligheter.

AI kan också användas för att förutsäga nutritionsrelaterade komplikationer och patientutfall. På sikt kan sådana system bidra till en mer individualiserad nutritionsbehandling, där rekommendationerna i större utsträckning anpassas efter den enskilda patientens tillstånd och riskprofil.

Kräver stora mängder bra data 

Men möjligheterna kommer med tydliga begränsningar. AI-system är beroende av de data de tränats och testats på. Om underlaget är bristfälligt eller inte representerar de patienter som systemet senare används för finns risk för missvisande resultat.

För att utveckla tillförlitliga modeller behövs därför stora och välstrukturerade datamängder samt samarbete mellan kliniker, forskare och experter på dataanalys.

Det behövs också klinisk validering. Ett system som fungerar bra i en forskningsmiljö eller för en viss patientgrupp behöver inte automatiskt fungera lika bra i en annan vårdmiljö.

Stöd – inte ersättning för klinisk kompetens 

Forskarna ser en betydande potential för AI att förändra den kliniska nutritionen, framför allt genom bättre screening, riskbedömning och mer individualiserade beslut.

Samtidigt behöver införandet ske under noggrann uppföljning. Målet är inte att ersätta den kliniska bedömningen utan att ge vårdprofessionen ytterligare information och beslutsstöd.

För dietisten väcker utvecklingen därför frågor som går utöver själva tekniken. Om en algoritm identifierar en patient som undernärd eller föreslår en nutritionsåtgärd behöver någon fortfarande kunna värdera resultatet i sitt kliniska sammanhang.

Ju mer avancerade beslutsstöden blir, desto viktigare blir därmed också frågan om vilken kunskap dietisten behöver för att förstå när AI hjälper – och när den riskerar att leda fel.

Källa: Singer P., Slavin Kish M. & Raphaeli O. Artificial intelligence in nutritional assessment and decision making. Current Opinion in Clinical Nutrition and Metabolic Care, 2026; 29(5):434–440.

Vad vi äter har länge stått i centrum för kostforskningen. På senare år har intresset också ökat för när vi äter och hur måltidernas timing samspelar med kroppens dygnsrytm.

Nu har forskare från den stora franska NutriNet-Santé-studien undersökt fenomenet ”eating jetlag” – skillnaden mellan tidpunkten för måltider under arbetsdagar och lediga dagar.

Studien omfattade 104 806 vuxna, varav 79 procent var kvinnor. Deltagarnas medelålder vid studiens början var knappt 43 år och de följdes under en median på drygt åtta år.

Mätte första och sista intaget 

Deltagarna fick vid upprepade tillfällen registrera allt de åt och drack under 24 timmar. Forskarna använde tidpunkterna för dagens första och sista energiintag för att beräkna mitten av varje deltagares dagliga ”ätfönster”.

Därefter jämfördes denna tidpunkt mellan arbetsdagar och lediga dagar. Ju större förskjutningen var, desto större var deltagarens så kallade eating jetlag.

Forskarna delade också in deltagarna efter om de åt ungefär samma tider under arbetsdagar och lediga dagar, försköt sitt ätande till senare tider när de var lediga eller i stället åt tidigare.

Drygt 70 procent behöll ungefär samma måltidsrytm. Omkring en fjärdedel försköt ätandet till senare tider under lediga dagar, medan knappt fem procent åt tidigare.

Samband sågs hos män 

Under uppföljningen analyserade forskarna förekomsten av hjärt-kärlsjukdom, inklusive kranskärlssjukdom och cerebrovaskulär sjukdom.

Hos män var större eating jetlag kopplat till 14 procent högre risk för hjärt-kärlsjukdom och 21 procent högre risk för kranskärlssjukdom.

Män som försköt sitt ätande mer än en timme till tidigare tider under lediga dagar hade högre risk för både hjärt-kärlsjukdom och kranskärlssjukdom jämfört med dem som höll ungefär samma tider. Även en förskjutning till senare tider var kopplad till högre risk för kranskärlssjukdom.

Motsvarande tydliga samband sågs inte hos kvinnor.

Resultaten kvarstod efter att forskarna justerat analyserna för en rad faktorer, däribland ålder, fysisk aktivitet, rökning, alkoholintag, kostkvalitet och sömn.

Dygnsrytmen kan spela roll 

En möjlig förklaring är kroppens cirkadiska rytm. Kroppens biologiska klockor påverkar bland annat glukosomsättning, blodtryck, hormonproduktion och metabolism. Om tidpunkterna för matintag regelbundet flyttas fram och tillbaka skulle det kunna bidra till en störning av dessa rytmer.

Men forskarna betonar att studien är observationell. Den kan därför inte visa att oregelbundna måltidstider i sig orsakar hjärt-kärlsjukdom.

Det är också oklart varför sambanden framför allt sågs hos män. Deltagarna i NutriNet-Santé är frivilliga och gruppen bestod till stor del av kvinnor, vilket också behöver vägas in när resultaten tolkas.

Forskarna menar att resultaten behöver bekräftas i andra populationer innan regelbundna måltidstider kan rekommenderas som en specifik strategi för att förebygga hjärt-kärlsjukdom. Studien bidrar samtidigt till ett växande forskningsområde där frågan inte bara är vad och hur mycket vi äter – utan också när vi äter.

Källa: Le Folcalvez X. et al. Eating jetlag based on meal timing discrepancies and risk of cardiovascular disease using the prospective cohort NutriNet-Santé. Communications Medicine, 2026.