AI ve výživě: když se „jídlo jako lék“ škáluje

7,4 milionu pacientů. To není počet stažení nějaké fitness aplikace, ale deklarovaný dosah programu „food as medicine“ od Foodsmartu po jeho rozšíření v rámci tří velkých zdravotnických systémů v USA. A právě tenhle typ škálování je signál, který by měl zajímat i lidi mimo zdravotnictví – zejména ty, kdo řeší umělou inteligenci v zemědělství a potravinářství.

Protože ve chvíli, kdy se výživa stává „předepisovatelnou službou“ a data o jídle začnou proudit podobně jako data o lécích, mění se i tlak na celý řetězec od farmy až na talíř. Jinými slovy: platformy jako Foodsmart neposouvají jen telemedicínu. Nepřímo mění zadání pro výrobu potravin, logistiku, reformulace i to, jak se bude v příštích letech měřit „kvalita“ potravin.

Co přesně se ve Foodsmartu změnilo (a proč je to důležité)

Klíčová věc: výživa se standardizuje a integruje do klinické praxe. Foodsmart oznámil rozšíření svého programu Foodscripts a nové financování ve výši 10 milionů USD; celkově se tím rozšířená Series C investice dostala na 40 milionů USD. Program má dosáhnout až na 7,4 milionu pacientů v rámci tří zdravotnických systémů: Advocate Health, Memorial Hermann Health System a Intermountain Health.

Na první pohled je to „jen“ zpráva z food-tech světa. Na druhý pohled jde o posun v tom, jak se zdravotnictví učí pracovat s výživou jako s něčím, co:

• má proces (předpis, sledování, vyhodnocení),
• má data (co pacient jí, co si objednává, jaké má cíle),
• má ekonomiku (pojišťovna, úhrady, náklady na komplikace),
• a má digitální infrastrukturu (napojení na zdravotnické systémy).

Integrace do EHR: malý technický detail, velký dopad

Foodsmart zdůrazňuje integraci do EHR (Electronic Health Records), tedy do elektronické zdravotnické dokumentace. Tohle bývá přehlížené, ale v praxi je to moment, kdy se „doporučení na jídlo“ přestává dít bokem a začne se zapisovat a sledovat podobně jako terapie.

V evropském (a českém) kontextu to připomíná zásadní rozdíl mezi:

• „nutričním doporučením na papíře“
• a digitálním plánem, který je dohledatelný, měřitelný a obhajitelný při úhradě.

Jakmile je výživa napojená na klinická data, otevírá se prostor pro AI modely, které umí odhadovat dopad jídelníčku na rizikové faktory (glykemie, lipidy, BMI, krevní tlak) a hlavně umí pracovat s realitou: pacienti nejsou roboti a nedodržují plán na 100 %.

Upskilling lékařů a personálu: bez lidí to nepůjde

Druhý silný bod je důraz na vzdělávání poskytovatelů péče – tedy „upskilling“. Čistě technologická platforma bez změny chování lékařů často skončí jako další nevyužitá funkcionalita.

Můj názor je jednoduchý: AI může zrychlit a zlevnit personalizaci, ale důvěru u pacienta pořád přenáší člověk. Proto dává smysl investovat do toho, aby poskytovatelé uměli pracovat s výživovými daty a uměli je vysvětlit.

Proč se „food as medicine“ spojuje s GLP-1 a metabolickým zdravím

Hlavní tlak přichází z chronických onemocnění a obezity. V USA (a čím dál víc i v Evropě) roste význam léků typu GLP-1 pro kontrolu hmotnosti a metabolických parametrů. Ve zdrojovém kontextu se zmiňuje, že GLP-1 jsou drahé a často vyžadují pravidelné aplikace.

A teď to podstatné: platformy „food care“ se staví do role dlouhodobější a levnější opory, případně doplnění po „startovací fázi“ s GLP-1.

Tohle je důležité i pro potravinářství. GLP-1 mění chování spotřebitelů – lidé často:

• jedí menší porce,
• více řeší složení,
• snáze odmítají vysoce zpracované potraviny,
• hledají jídla s vyšší sytivostí (bílkoviny, vláknina).

Z pohledu výrobců to znamená jediné: receptury, velikosti balení, plánování poptávky i marketing se budou víc řídit daty o metabolickém zdraví.

Personalizovaná výživa: proč do toho vstupuje AI

Ve stejném prostoru se pohybují i další firmy zaměřené na personalizovanou výživu a metabolické zdraví – například aplikace, které pomocí AI odhadují dopad jídel na krevní cukr bez nutnosti nosit kontinuální glukózový monitor.

Podstata je stejná: AI dává smysl tam, kde je příliš mnoho proměnných na ruční práci:

• rozdílná reakce lidí na stejné jídlo,
• rozdílné cíle (hubnutí vs. stabilní glykemie vs. tlak),
• rozdílný rozpočet a dostupnost potravin,
• rozdílné kulturní preference a zvyky.

AI není kouzlo. Je to způsob, jak z dat (nákupy, jídelníček, laboratorní hodnoty, diagnózy) udělat praktické doporučení, které se dá dodržet.

Most k zemědělství: co se stane, když zdravotnictví začne „objednávat“ výsledky

Jakmile zdravotnictví začne měřit dopady jídelníčku, začne nepřímo definovat poptávku po konkrétních potravinových vlastnostech. A tady se naše série „Umělá inteligence v zemědělství a potravinářství“ potkává se zdravotnickou platformou.

Zjednodušeně: když klinika sleduje, že pacientům pomáhá vyšší příjem vlákniny a bílkovin, začne systém zvýhodňovat produkty, které to splní. To vytvoří tlak na:

• šlechtění plodin (vyšší obsah vlákniny, lepší aminokyselinový profil),
• precizní zemědělství (konzistentní kvalita, menší variabilita),
• zpracování (nižší glykemická zátěž, méně přidaného cukru),
• distribuci (dostupnost „klinicky vhodných“ potravin i mimo velká města).

Praktický příklad „od pole k EHR“

Představte si, že potravinář dodává do retailu řadu výrobků s jasně definovaným cílem: „vhodné pro prediabetes“. Pokud se tyto produkty stanou součástí doporučení na platformě napojené na EHR, vznikne nová forma poptávky:

• není to jen marketingové tvrzení,
• je to položka v nutriční intervenci,
• a její efekt se dá vyhodnotit na populaci.

K tomu ale potřebujete data o surovině (zemědělství), data o zpracování (potravinářství), data o nákupu (retail) a data o výsledcích (zdravotnictví). AI je v praxi lepidlo, které to dokáže spojit.

Co si z toho mají vzít agrifood firmy v Česku

Nejde o to kopírovat americký model 1:1. Jde o to pochopit směr. Výživa se stává „systémovou službou“ a datové platformy budou čím dál víc rozhodovat o tom, co se doporučuje, co se proplácí a co se reálně prodává.

1) Připravte se na „důkazní standard“ u potravin

Pokud chcete být relevantní pro segment zdravotně orientované výživy, samotné tvrzení „fit“ nebo „light“ nebude stačit. Budou bodovat firmy, které umí doložit:

• výživové hodnoty konzistentně napříč šaržemi,
• původ a trasovatelnost surovin,
• dopad na sytivost, glykemii nebo jiné parametry (třeba přes piloty s poskytovateli).

2) AI v potravinářství není jen o výrobě, ale i o doporučování

V českém prostředí se AI často řeší jako:

• predikce výnosů,
• monitoring plodin,
• optimalizace hnojení,
• detekce vad ve výrobě.

To je správně. Ale další vlna bude „downstream“: AI, která propojí produkt s konkrétním člověkem a jeho potřebou. A to mění pravidla hry v produktovém portfoliu.

3) Data governance bude konkurenční výhoda

Zní to nudně, ale je to klíčové. Jakmile pracujete s personalizací (byť jen na úrovni segmentů), potřebujete:

• kvalitní datové modely pro ingredience a alergeny,
• standardy pro výživová data,
• procesy pro aktualizace a audit,
• a připravenost na přísnější požadavky regulatoriky.

Nejčastější otázky, které dnes padají (a stručné odpovědi)

Funguje „jídlo jako lék“ i bez toho, aby se z toho stal dietní režim?

Ano – pokud je doporučení praktické a navázané na reálný nákup a dostupnost. Největší problém výživových plánů není věda, ale proveditelnost v běžném životě.

Nahradí AI nutriční terapeuty?

Ne. AI zrychlí sběr dat a návrhy variant, ale terapeut (nebo edukovaná sestra/lékař) řeší motivaci, kontext, komorbidity a dlouhodobé udržení změny.

Jak se do toho zapojí zemědělství?

Tím, že zdravotní outcome (metabolické zdraví) začne ovlivňovat poptávku po konkrétních vlastnostech surovin a produktů. A to je prostor pro precizní zemědělství a potravinářské inovace řízené daty.

Co bych udělal, kdybych dnes vedl agrifood inovace

Kdybych měl za úkol připravit firmu na trend „food as medicine“, šel bych po třech krocích:

1. Vybral bych 1–2 zdravotní use-casy (např. prediabetes, vysoký tlak) a vytvořil produktové „řešení“, ne jen jednotlivý výrobek.
2. Zavedl bych standardizaci dat: výživa, alergeny, šarže, původ surovin – v podobě, kterou umí číst systémy a algoritmy.
3. Ověřil bych dopad v pilotu s partnerem (zaměstnavatel, pojišťovna, nemocnice, řetězec) – protože bez měření efektu se z toho rychle stane jen další „zdravá řada“ na polici.

Rok 2025 přináší v Evropě silný důraz na efektivitu zdravotních systémů a prevenci. A výživa je jedna z mála oblastí, kde se dá „šetřit“ bez toho, aby to znamenalo méně péče – naopak.

Zůstává jediná otázka: budeme čekat, až nám zdravotnické platformy řeknou, co máme vyrábět – nebo se do toho zapojíme dřív a budeme součástí standardu?