哈尔滨医科大学团队与中国科学院合作在中国工程院院刊工程上发表了精准营养未来蓝图与框架的综述论文。文章指出，精准营养学概念已提出近十年，但现有研究多聚焦于个体对饮食应答反应的差异，缺乏整体框架。面对肥胖、二型糖尿病和心血管疾病等慢性非传染性疾病持续攀升的营养归因风险，传统单一营养素模型未能复制其在营养缺乏病中的成功经验，亟需一次研究范式升级。团队提出了精准营养的综合框架，包含四个核心组成部分。

第一部分是个体化营养需求表型组学，通过基因组学、表观遗传学和肠道微生物组共同刻画个体对营养素的真实需求。文章引用POUNDS试验指出，携带IRS1、FTO和VCAN基因变异的个体在低脂饮食中减重更多，提示这类基因变异携带者应避免高脂饮食。肠道菌群维度则显示菌群可解释膳食摄入后约百分之十的个体差异，其中普雷沃菌与拟杆菌比例可预测高纤维饮食的减重效果。第二部分是膳食暴露与机体营养状况的精准测量技术，系统梳理了可穿戴传感器、图像识别、代谢组学生物标志物等新兴手段。

第三部分解决吃什么、怎么吃和何时吃的多维度干预策略设计。限时进食和时序营养学研究证实，早中晚餐能量分配四比四比二、白天摄入动物性食物、晚餐摄入全谷物和蔬菜更符合人体昼夜节律。第四部分是精准营养干预方法的人群层面实施路径，核心瓶颈在于个体化方案难以适配群体服务，基层医护无法为每位居民定制专属饮食指导。AI技术的快速发展为这一转化提供了关键支撑，需重点研发能整合基因组学、表观遗传学、肠道微生物组差异的AI算法，让个性化营养建议惠及更广泛人群，实现精准营养的规模化落地。这一框架为功能医学在社区层面的规模化应用提供了理论支撑，AI算法的引入使得个性化营养从概念走向了可落地的实践方案。