Kunstmatige intelligentie (Artificial Intelligence, AI) klinkt niet langer als iets uit een sciencefictionboek. Veel mensen kennen ChatGPT, Gemini of andere AI-modellen. Er verschijnen regelmatig nieuwsberichten over mogelijke toepassingen van AI. Zo lijkt AI steeds vaker met succes te worden toegepast in de medische zorg. Bijvoorbeeld in diagnostiek of bij het ontwikkelen van nieuwe behandelmethodes voor aandoeningen die vroeger ongeneeslijk leken. Ook binnen de voedingswetenschap lijkt de belangstelling voor AI te groeien. Maar wat betekent dat precies voor voedingswetenschappers, diëtisten en iedereen met interesse in gezonde voeding? In dit artikel worden recente wetenschappelijke reviews (vooral eerste helft 2025) besproken over AI-trends in de voedingswetenschap.
Begin 2025 is een omvangrijke review gepubliceerd over AI en precisievoeding, met 198 studies die tussen 2005 en 2024 verschenen.1 Bij precisievoeding wordt voedingsadvies afgestemd op iemands unieke kenmerken, zoals genetische aanleg, biomarkers, leefstijl en zelfs de samenstelling van de darmflora.
Het viel op dat het merendeel van de 198 studies zich op bekende chronische aandoeningen richt zoals diabetes (67 studies), hart- en vaatziekten (23) en kanker (12). In recente jaren krijgen ook andere aandoeningen aandacht, zoals neurodegeneratieve ziektes en eetstoornissen. Opvallend is dat maar liefst driekwart van de studies pas ná 2020 is gepubliceerd. Dat is niet verwonderlijk. Juist in de laatste jaren zien we een enorme versnelling in AI-ontwikkelingen.
De toepassingen van AI hebben de auteurs in drie categorieën verdeeld: het bevorderen van algemene gezondheid, het voorkomen van ziekte en het ondersteunen bij ziektebehandeling. Vooral bij diabetes lijkt de toepassing van AI veelbelovend. Door actuele gezondheidsdata, zoals bloedsuikerspiegels, voortdurend te analyseren, kunnen gepersonaliseerde voedingsadviezen in realtime worden aangepast. Zo wordt voeding een dynamisch onderdeel van de dagelijkse zorg.
Ook in de oncologische zorg blijkt AI een waardevol hulpmiddel. Een systematische review door Italiaanse onderzoekers bekeek elf studies naar de inzet van AI bij de aanpak van ondervoeding bij kankerpatiënten.2 In totaal werden de gegevens van ruim 52.000 patiënten geanalyseerd. Het bleek dat AI in staat is om met hoge nauwkeurigheid risico’s op ondervoeding te voorspellen, bijvoorbeeld door lichaamscompositie of bloedwaarden automatisch te interpreteren. Dat leidt tot praktische verbeteringen, zoals een snellere doorverwijzing naar diëtisten. AI blijkt hiermee niet alleen een technologische innovatie, maar ook een directe versterking van de voedingszorg voor mensen met een kwetsbare gezondheid.
AI als luxe?
Een team wetenschappers uit Zuid-Korea bestudeerde 54 wetenschappelijke publicaties.3 Waar de eerder besproken reviews zich vooral richtten op chronische ziekten, lag bij het Koreaanse onderzoek de nadruk juist op gedragsverandering en preventie. De onderzoekers zagen drie belangrijke manieren waarop AI wordt ingezet: als analysetool om grote hoeveelheden leefstijldata te interpreteren, als digitale coach die realtime feedback geeft en als onderdeel van bredere zorgsystemen waarbij voeding wordt gekoppeld aan beweging, slaap en mentaal welzijn.
Uit de analyse van de 54 publicaties bleek dat AI vooral wordt toegepast in commerciële app’s en in academische experimenten. In de dagelijkse voedingszorg en publieke gezondheidsprogramma’s blijft het gebruik nog achter. Buiten de onderzoeksomgeving is AI tot nu toe vooral beschikbaar voor mensen die digitaal vaardig zijn en over voldoende middelen beschikken. Dit beeld kan over een tijd natuurlijk weer anders zijn, maar volgens de Koreaanse onderzoekers is het nu vooral belangrijk om meer te investeren in inclusiviteit, gebruiksgemak en toegankelijkheid. Willen we dat het écht bijdraagt aan gezondere voeding voor iedereen, dan moet AI geen luxeproduct worden maar breed en ethisch verantwoord in te zetten zijn.
Van algoritme tot eetadvies
Een andere review in Frontiers in Nutrition, uitgevoerd door twee onderzoekers uit India, analyseerde meer dan 120 wetenschappelijke publicaties.4 Ook deze review laat zien dat het gebruik van AI bij voedingsinterventies grotendeels in de experimentele fase zit. De auteurs van de review onderscheiden vier hoofddomeinen voor AI-toepassingen: voedselherkenning (zoals beeldherkenning van maaltijden), voedingsinname-assessment (apps die automatisch calorieën en voedingsstoffen inschatten), gepersonaliseerd voedingsadvies en ziektepreventie. Vooral op het gebied van advies en monitoring lijkt AI veel potentie te hebben. AI-systemen kunnen patronen herkennen in eetgedrag, biomarkers en gezondheidsgegevens en zo verrassend nauwkeurige adviezen geven. Dit kan soms zelfs op het niveau van een menselijke professional. Het grote verschil? AI kan dit op een grote schaal: wat een diëtist voor één persoon doet, kan een goed ontworpen AI-systeem in theorie voor duizenden tegelijk.
Dat AI daadwerkelijk inzetbaar is voor gepersonaliseerd voedingsadvies, blijkt ook uit twee andere systematische reviews. Een daarvan keek specifiek naar de rol van ChatGPT bij het maken van dieetadviezen en maaltijdplannen (zie kader). De andere review, met vijf RCT’s, vijf pre-post studies en één cross-sectioneel onderzoek, vergeleek de effecten van AI-gegenereerde dieetadviezen met de traditionele aanpak.5 Er werden gezondheidsuitkomsten bestudeerd zoals bloedsuikerregulatie, metabole gezondheid en klachten zoals prikkelbaredarmsyndroom. Zes van de negen geïncludeerde studies met een controlegroep lieten statistisch significante verbeteringen zien in de AI-groep, terwijl bij drie studies geen statistische verbetering werd gevonden (ook geen verslechtering).
Meet AI wat we eten?
Voor juist voedingsadvies is het nodig om precies te weten wat mensen eten. Toch blijft het nauwkeurig bijhouden van het voedingspatroon lastig. Denk aan niet goed bijgehouden eetdagboeken, problemen met het inschatten van porties of het vergeten van eetmomenten.
Een groep Chileense wetenschappers vroeg zich in hun systematische review af of AI hierbij kan helpen om voedingsinname betrouwbaarder en efficiënter te meten.7 De auteurs analyseerden dertien studies waarin AI-systemen als beeldherkenning, spraakassistenten en machine learning-modellen werden gebruikt om vast te leggen wat mensen eten. De uitkomst was hoopgevend: in veel gevallen presteerden deze AI-methoden net zo goed of zelfs beter dan traditionele zelfrapportage. Vooral bij het inschatten van energie-inname, vetten en eiwitten bleken de correlaties vaak boven de 0,7 te liggen, wat duidt op een goede tot zeer goede overeenkomst.
Deze technologieën zijn voor gebruikers bovendien veel minder belastend dan de gebruikelijke methoden. Een AI-app die een maaltijd herkent op een foto en direct berekent hoeveel calorieën of voedingsstoffen erin zitten, kost minder tijd en moeite dan het bijhouden van een papieren dagboek. Dat maakt het makkelijker om langer en betrouwbaarder gegevens te verzamelen bij studies of voedingsinterventies.
Toch zijn er ook beperkingen. Het succes van beeldherkenning hangt bijvoorbeeld sterk af van de kwaliteit van de foto’s, het soort maaltijd en culturele verschillen in voeding. Ook kunnen algoritmes vertekening vertonen als ze zijn getraind op te beperkte of niet-representatieve datasets.
Toekomst
Alles bij elkaar blijkt dat AI-modellen zoals ChatGPT echt kunnen helpen om voedingsadvies voor meer mensen bereikbaar te maken, vooral voor mensen die anders misschien nooit een diëtist zouden spreken. Maar net als bij andere medische technologieën geldt: gebruik AI met gezond verstand en laat er altijd een kritisch menselijk oog naar kijken. Gelukkig groeit binnen de voedingswetenschap de aandacht voor ethiek en zorgvuldigheid bij het inzetten van AI.
Zo benadrukken wetenschappers dat we duidelijke afspraken moeten maken over zaken als toestemming, eigenaarschap en toegankelijkheid van data.8 Dit vooral als het gaat om het combineren van genetische informatie, biomarkers en leefstijldata. In een filosofisch getint overzicht van Zuid-Afrikaanse en Portugese onderzoekers wordt gepleit om ethiek niet als sluitpost te zien, maar dit juist al vanaf het begin te betrekken bij het ontwerpen van AI-systemen. Zo kun je rekening houden met cultuur, achtergrond en leefstijl van mensen.9
Voor de toekomst blijven er volop spannende vragen over. Hoe kunnen we AI het beste laten samenwerken met menselijke zorgverleners in de praktijk? Hoe zorgen we ervoor dat advies op maat niet alleen technisch klopt, maar mensen ook echt helpt om gezonder te leven? En hoe garanderen we dat AI-oplossingen eerlijk zijn en iedereen bereiken, ongeacht hun achtergrond?
ChatGPT aan tafel: digitale diëtist of slimme assistent?
Guo et al.6 keken kritisch naar ChatGPT als hulpmiddel bij maaltijdplanning en voedingsadvies. Hun review bracht 23 empirische onderzoeken samen waarin de gebruikerservaring van ChatGPT en diens inhoudelijke juistheid, bruikbaarheid en veiligheid centraal stonden. Verschillende studies onderzochten hoe ChatGPT met simpele taalcommando’s persoonlijke voedingssuggesties kan geven. Dit varieerde van algemene tips voor een gezonder ontbijt tot compleet uitgewerkte maaltijdplannen op maat, afgestemd op dieetwensen of medische aandoeningen. In veel gevallen kwamen de adviezen van ChatGPT overeen met die van professionele diëtisten en soms waren ze zelfs correcter. Vooral bij het schatten van calorieën en het bieden van variatie scoorde het AI-model opvallend goed.
Toch zijn er ook duidelijke risico’s. ChatGPT gaf soms adviezen die niet goed wetenschappelijk onderbouwd waren of zelfs onveilig konden zijn voor mensen met bepaalde aandoeningen, zoals nierziekten of eetstoornissen. Omdat het systeem geen toegang heeft tot persoonlijke medische gegevens, kan het belangrijke contra-indicaties missen. Ook misten de antwoorden van het model soms nuance en voldoende context.
Conclusie: ChatGPT heeft verrassend veel potentie voor de voedingszorg, maar er blijven belangrijke vragen over betrouwbaarheid en verantwoordelijkheid. Volgens de auteurs is een hybride aanpak nodig: ChatGPT is vooral geschikt als hulpmiddel voor algemene informatie en het stimuleren van gedragsverandering. Het is echter belangrijk om er een gekwalificeerde professional bij te betrekken.
Dossier
- Wu X, Oniani D, Shao Z, et al. A Scoping Review of Artificial Intelligence for Precision Nutrition. Adv Nutr. 2025 Apr;16(4):100398.
- Sguanci M, Palomares SM, Cangelosi G, et al. Artificial Intelligence in the Management of Malnutrition in Cancer Patients: A Systematic Review. Adv Nutr. 2025 May 5:100438.
- Theodore Armand TP, Nfor KA, Kim JI, et al. Applications of Artificial Intelligence, Machine Learning, and Deep Learning in Nutrition: A Systematic Review. Nutrients. 2024 Apr 6;16(7):1073.
- Phalle A, Gokhale D. Navigating next-gen nutrition care using artificial intelligence-assisted dietary assessment tools-a scoping review of potential applications. Front Nutr. 2025 Jan 23;12:1518466.
- Wang X, Sun Z, Xue H, et al. Artificial Intelligence Applications to Personalized Dietary Recommendations: A Systematic Review. Healthcare (Basel). 2025 Jun 13;13(12):1417.
- Guo P, Liu G, Xiang X, et al. From AI to the Table: A Systematic Review of ChatGPT’s Potential and Performance in Meal Planning and Dietary Recommendations. Dietetics 2025, 4(1), 7.
- Cofre S, Sanchez C, Quezada-Figueroa G, et al. Validity and accuracy of artificial intelligence-based dietary intake assessment methods: a systematic review. Br J Nutr. 2025 Apr 10:1-13.
- Donovan SM, Abrahams M, Anthony JC, et al. Personalized nutrition: perspectives on challenges, opportunities, and guiding principles for data use and fusion. Crit Rev Food Sci Nutr. 2025 Feb 5:1-18.
- Abrahams M, Raimundo M. Perspective on the ethics of AI at the intersection of nutrition and behaviour change. Front Aging. 2025 May 9;6:1423759.
