Health Сare of the Russian FederationHealth Сare of the Russian FederationЗдравоохранение Российской Федерации0044-197X2412-0723Federal Scientific Center for Hygiene F.F.Erisman67694010.47470/0044-197X-2025-69-1-65-69cnkprtTOPICAL ISSUES OF HYGIENEАКТУАЛЬНЫЕ ВОПРОСЫ ГИГИЕНЫReview ArticleSports nutrition as an example of effective implementation of innovative trends in nutrition: personalization and digitalization (literature review)Спортивное питание как пример эффективной реализации инновационных трендов в нутрициологии — персонализации и цифровизации (обзор литературы)https://orcid.org/0000-0002-4968-4517NikitjukDmitriy B.НикитюкДмитрий Борисович

Academician of the Russian Academy of Sciences, Director of the Federal Research Center of Nutrition and Biotechnology, Moscow, 109240, Russian Federation

e-mail: nikitjuk@ion.ru

Академик РАН, директор ФГБУН «ФИЦ питания и биотехнологии», 109240, Москва, Россия

e-mail: nikitjuk@ion.ru

nikitjuk@ion.ruhttps://orcid.org/0000-0002-2279-648XKorostelevaMargarita M.КоростелеваМаргарита Михайловна

PhD (Medicine), senior researcher, Laboratories of Sports Anthropology and Nutrition, Federal Research Center of Nutrition and Biotechnology, Moscow, 109240, Russian Federation

e-mail: korostel@bk.ru

Канд. мед. наук, ст. науч. сотр. лаб. спортивной антропологии и нутрициологии, ФГБУН «ФИЦ питания и биотехнологии», 109240, Москва, Россия

e-mail: korostel@bk.ru

korostel@bk.ruhttps://orcid.org/0000-0001-7791-1222TarmaevaInna Yu.ТармаеваИнна Юрьевна

DSc (Medicine), Professor, Academic Secretary, Federal Research Center of Nutrition and Biotechnology, Moscow, 109240, Russian Federation

e-mail: tarmaeva@ion.ru

Доктор мед. наук, профессор, учёный секретарь, ФГБУН «ФИЦ питания и биотехнологии», 109240, Москва, Россия

e-mail: tarmaeva@ion.ru

tarmaeva@ion.ruFederal Research Center of Nutrition, Biotechnology and Food SafetyФГБУН «Федеральный исследовательский центр питания, биотехнологии и безопасности пищи28022025691VOL 69, NO1 (2025)ТОМ 69, №1 (2025)656908032025Copyright ©; 2025,Copyright ©; 2025,2025https://journals.eco-vector.com/0044-197X/article/view/676940

The nutritional status in an athlete depends on the individual genetic characteristics of the body, the level of physical and psycho-emotional stress, and a balanced diet with the inclusion of specialized food products and dietary supplements. The development of big data analytics and artificial intelligence can contribute to the development of nutritional recommendations at the individual or stratified level.

The purpose of the review is to analyze and summarize research papers devoted to the possibilities of using digital technologies, deep machine learning techniques, and artificial intelligence in the field of sports nutrition to ensure a personalized approach to improving professional success. There were studied papers published in 2004–2024 in domestic and foreign electronic databases: Web of Science, Scopus, eLIBRARY.RU, Russian State Library, library collection of the Federal State Budgetary Scientific Institution “Federal Research Center of Nutrition and Biotechnology”.

The potential for AI-based technologies in sports nutrition is extremely diverse: dietary assessment, recognition and tracking of food diversity, predictive modelling of athletic performance and non-communicable diseases, and selection of personalized diets. To ensure sustainable growth in the coverage of digital products and technologies, further directions for their application in sports medicine should be aimed at improving the quality and standardization of data and reducing algorithmic bias.

Contribution of the authors: Nikitjuk D.B. — research concept and design, editing, approval of the final version of the article; Korosteleva M.M. — writing the text, compiling a list of references; Tarmaeva I.Yu. — design, writing the text. The co-authors approved the final version of the article and take responsibility for the integrity of all its parts.

Acknowledgment. The study had no sponsorship.

Conflict of interests. The authors declare no conflict of interest.

Received: October 14, 2024 / Accepted: December 11, 2024 / Published: February 28, 2025

Пищевой статус спортсмена зависит от индивидуальных генетических особенностей организма, уровня физических и психоэмоциональных нагрузок и от сбалансированного рациона питания с включением в него специализированной пищевой продукции и биологически активных добавок. Развитие аналитики больших данных и искусственного интеллекта может способствовать разработке рекомендаций по питанию на индивидуальном или стратифицированном уровне.

Цель обзора — анализ и обобщение научно-исследовательских работ, посвящённых возможностям применения цифровых технологий, методик глубокого машинного обучения, искусственного интеллекта в области спортивной нутрициологии для обеспечения персонализированного подхода к повышению профессиональной успешности. Изучены работы, опубликованные за 2004–2024 гг. в отечественных и зарубежных электронных базах данных: Web of Science, Scopus, eLIBRARY.RU, Российская государственная библиотека, библиотечный фонд ФГБУН «ФИЦ питания и биотехнологии».

Возможности применения технологий на основе искусственного интеллекта в области спортивной нутрициологии крайне многоплановы: оценка рациона питания, распознавание и отслеживание разнообразия пищевых продуктов, прогностическое моделирование спортивной успешности и неинфекционных заболеваний, подбор персонализированного рациона питания. Для обеспечения стабильного роста охвата цифровыми продуктами и технологиями дальнейшие направления их применения в спортивной медицине должны быть нацелены на повышение качества и стандартизации данных и снижение алгоритмической предвзятости.

Участие авторов: Никитюк Д.Б. — концепция и дизайн исследования, редактирование; Коростелева М.М. — написание текста, составление списка литературы; Тармаева И.Ю. — дизайн исследования, написание текста. Все соавторы — утверждение окончательного варианта статьи, ответственность за целостность всех частей статьи.

Финансирование. Исследование не имело спонсорской поддержки.

Конфликт интересов. Авторы декларируют отсутствие явных и потенциальных конфликтов интересов в связи с публикацией данной статьи.

Поступила: 14.10.2024 / Принята к печати: 11.12.2024 / Опубликована: 28.02.2025

sports nutritionnutritionartificial intelligencereviewспортивное питаниенутрициологияискусственный интеллектобзорNikityuk D.B., Kobelkova I.V. Sports nutrition as a model of maximum individualization and implementation of integrative medicine. Voprosy pitaniya. 2020; 89(4): 203–10. https://elibrary.ru/mavzkr (in Russian)Никитюк Д.Б., Кобелькова И.В. Спортивное питание как модель максимальной индивидуализации и реализации интегративной медицины. Вопросы питания. 2020; 89(4): 203–10. https://elibrary.ru/mavzkrTutelyan V.A., Nikityuk D.B. Key challenges in the dietary intake structure and cutting-edge technologies for optimizing nutrition to protect the health of the Russian population. Voprosy pitaniya. 2024; 93(1): 6–21. https://doi.org/10.33029/0042-8833-2024-93-1-6-21 https://elibrary.ru/xcdqzj (in Russian)Тутельян В.А., Никитюк Д.Б. Ключевые проблемы в структуре потребления пищевой продукции и прорывные технологии оптимизации питания для здоровьесбережения населения России. Вопросы питания. 2024; 93(1): 6–21. https://doi.org/10.33029/0042-8833-2024-93-1-6-21 https://elibrary.ru/xcdqzjKirk D., Catal C., Tekinerdogan B. Precision nutrition: A systematic literature review. Comput. Biol. Med. 2021; 133: 104365. https://doi.org/10.1016/j.compbiomed.2021.104365Bush C.L., Blumberg J.B., El-Sohemy A., Minich D.M., Ordovás J.M., Reed D.G., et al. Toward the definition of personalized nutrition: a proposal by the american nutrition association. J. Am. Coll. Nutr. 2020; 39(1): 5–15. https://doi.org/10.1080/07315724.2019.1685332An R., Wang X. Artificial intelligence applications to public health nutrition. Nutrients. 2023; 15(19): 4285. https://doi.org/10.3390/nu15194285Mehrabi Z., Delzeit R., Ignaciuk A., Levers C., Braich G., Bajaj K., et al. Research priorities for global food security under extreme events. One Earth. 2022; 5(7): 756–66. https://doi.org/10.1016/j.oneear.2022.06.008Kirk D., Kok E., Tufano M., Tekinerdogan B., Feskens E.J.M., Camps G. Machine learning in nutrition research. Adv. Nutr. 2022; 13(6): 2573–89. https://doi.org/10.1093/advances/nmac103Fu T., Liu H., Shi C., Zhao H., Liu F., Xia Y. Global hotspots and trends of nutritional supplements in sport and exercise from 2000 to 2024: a bibliometric analysis. J. Health Popul. Nutr. 2024; 43(1): 146. https://doi.org/10.1186/s41043-024-00638-9Adami P.E., Fitch K. The innovative role of Olympic sports and exercise in the promotion of health, gender equality and sustainability: past achievements and future challenges. J. Sports Med. Phys. Fit. 2021; 61(8): 1042–51. https://doi.org/10.23736/s0022-4707.21.12721-5Kelly B.S., Judge C., Bollard S.M., Clifford S.M., Healy G.M., Aziz A., et al. Radiology artificial intelligence: a systematic review and evaluation of methods (RAISE). Eur. Radiol. 2022; 32(11): 7998–8007. https://doi.org/10.1007/s00330-022-08784-6Waqas A., Bui M.M., Glassy E.F., El Naqa I., Borkowski P., Borkowski A.A., et al. Revolutionizing digital pathology with the power of generative artificial intelligence and foundation models. Lab. Invest. 2023; 103(11): 100255. https://doi.org/10.1016/j.labinv.2023.100255Sahu A., Mishra J., Kushwaha N. Artificial Intelligence (AI) in drugs and pharmaceuticals. Comb. Chem. High Throughput. Screen. 2022; 25(11): 1818–37. https://doi.org/10.2174/1386207325666211207153943Kim J., Lin S., Ferrara G., Hua J., Seto E. Identifying people based on machine learning classification of foods consumed in order to offer tailored healthier food options. In: Ahram T., Karwowski W., Vergnano A., Leali F., Taiar R., eds. Intelligent Human Systems Integration 2020. Advances in Intelligent Systems and Computing. Cham: Springer; 2020. https://doi.org/10.1007/978-3-030-39512-4_30Zellerbach K., Ruiz C. Machine learning to predict overeating from macronutrient composition. In: 2019 IEEE International Conference on Bioinformatics and Biomedicine (BIBM). San Diego, CA; 2019. https://doi.org/10.1109/BIBM47256.2019.8983166Theodore Armand T.P., Nfor K.A., Kim J.I., Kim H.C. Applications of artificial intelligence, machine learning, and deep learning in nutrition: a systematic review. Nutrients. 2024; 16(7): 1073. https://doi.org/10.3390/nu16071073Salinari A., Machì M., Armas Diaz Y., Cianciosi D., Qi Z., Yang B., et al. The application of digital technologies and artificial intelligence in healthcare: an overview on nutrition assessment. Diseases. 2023; 11(3): 97. https://doi.org/10.3390/diseases11030097Li T., Wei W., Xing S., Min W., Zhang C., Jiang S. Deep learning-based near-infrared hyperspectral imaging for food nutrition estimation. Foods. 2023; 12(17): 3145. https://doi.org/10.3390/foods12173145Pouladzadeh P., Shirmohammadi S., Bakirov A., Bulut A., Yassine A. Cloud-based SVM for food categorization. Multimed. Tools Appl. 2015; 74: 5243–60. https://doi.org/10.1007/s11042-014-2116-xMezgec S., Koroušić Seljak B. NutriNet: A deep learning food and drink image recognition system for dietary assessment. Nutrients. 2017; 9(7): 657. https://doi.org/10.3390/nu9070657Lo F.P.W., Sun Y., Qiu J., Lo B. A novel vision-based approach for dietary assessment using deep learning view synthesis. In: 2019 IEEE 16th International Conference on Wearable and Implantable Body Sensor Networks (BSN). Chicago, IL; 2019. https://doi.org/10.1109/BSN.2019.8771089Priyaa P.K., Sathyapriya S., Arockiam L. Nutrition monitoring and calorie estimation using internet of things (IoT). Int. J. Innov. Technol. Explor. Eng. 2019; 8(11): 2669–72. https://doi.org/10.35940/ijitee.K2072.0981119Kalantarian H., Alshurafa N., Le T., Sarrafzadeh M. Monitoring eating habits using a piezoelectric sensor-based necklace. Comput. Biol. Med. 2015; 58: 46–55. https://doi.org/10.1016/j.compbiomed.2015.01.005Kalantarian H., Sarrafzadeh M. Audio-based detection and evaluation of eating behavior using the smartwatch platform. Comput. Biol. Med. 2015; 65: 1–9. https://doi.org/10.1016/j.compbiomed.2015.07.013Tutelyan V.A., Tarmaeva I.Yu., Kade M.A., Nikityuk D.B. Medicine of the future: the role of artificial intelligence in optimizing nutrition for the health of the Russian population. Voprosy pitaniya. 2024; 93(4): 6–13. https://doi.org/10.33029/0042-8833-2024-93-4-6-13 https://elibrary.ru/kantys (in Russian)Тутельян В.А., Тармаева И.Ю., Каде М.А., Никитюк Д.Б. Медицина будущего: роль искусственного интеллекта в оптимизации питания для здоровьесбережения населения России. Вопросы питания. 2024; 93(4): 6–13. https://doi.org/10.33029/0042-8833-2024-93-4-6-13 https://elibrary.ru/kantysSinger P., Robinson E., Raphaeli O. The future of artificial intelligence in clinical nutrition. Curr. Opin. Clin. Nutr. Metab. Care. 2024; 27(2): 200–6. https://doi.org/10.1097/MCO.0000000000000977Porras E.M., Fajardo A.C., Medina R.P. Solving dietary planning problem using particle swarm optimization with genetic operators. In: Proceedings of the 3rd International Conference on Machine Learning and Soft Computing. Da Lat; 2019.Zitouni H., Meshoul S., Mezioud C. New contextual collaborative filtering system with application to personalized healthy nutrition education. J. King Saud Univ. Comput. Inf. Sci. 2022; 34(4): 1124–37. https://doi.org/10.1016/j.jksuci.2020.04.012Taye M.M. Understanding of machine learning with deep learning: Architectures, workflow, applications and future directions. Computers. 2023; 12(5): 91. https://doi.org/10.3390/computers12050091Pray L., ed. Nutrigenomics and the Future of Nutrition: Proceedings of a Workshop. Washington, DC: National Academies Press; 2018.Panagoulias D.P., Sotiropoulos D.N., Tsihrintzis G.A. Nutritional biomarkers and machine learning for personalized nutrition applications and health optimization. Intell. Decis. Technol. 2021; 15(4): 645–53.Karakan T., Gundogdu A., Alagözlü H., Ekmen N., Ozgul S., Tunali V., et al. Artificial intelligence-based personalized diet: A pilot clinical study for irritable bowel syndrome. Gut. Microbes. 2022; 14(1): 2138672. https://doi.org/10.1080/19490976.2022.2138672Lagoumintzis G., Patrinos G.P. Triangulating nutrigenomics, metabolomics and microbiomics toward personalized nutrition and healthy living. Hum. Genomics. 2023; 17(1): 109. https://doi.org/10.1186/s40246-023-00561-wSorokina E.Yu., Denisova N.N., Keshabyants E.E. Frequency of occurrence of genetic polymorphisms associated with sports success in elite athletes in team sports. Sportivnaya meditsina: nauka i praktika. 2021; 11(1): 5–10. https://doi.org/10.47529/2223-2524.2021.1.11 https://elibrary.ru/zkqqsn (in Russian)Сорокина Е.Ю., Денисова Н.Н., Кешабянц Э.Э. Частота встречаемости генетических полиморфизмов, ассоциированных со спортивной успешностью, у спортсменов игровых видов спорта высших достижений. Спортивная медицина: наука и практика. 2021; 11(1): 5–10. https://doi.org/10.47529/2223-2524.2021.1.11 https://elibrary.ru/zkqqsnSheveleva S.A., Kuvaeva I.B., Efimochkina N.R., Markova Yu.M., Prosyannikov M.Yu. Gut microbiome: from the reference of the norm to pathology. Voprosy pitaniya. 2020; 89(4): 35–51. https://elibrary.ru/savqcc (in Russian)Шевелева С.А., Куваева И.Б., Ефимочкина Н.Р., Маркова Ю.М., Просянников М.Ю. Микробиом кишечника: от эталона нормы к патологии. Вопросы питания. 2020; 89(4): 35–51. https://elibrary.ru/savqccKobelkova I.V., Korosteleva M.M. Influence of basic nutrients on the composition of the intestinal microbiome and optimization of the athletes’ adaptive potential. Nauka i sport: sovremennye tendentsii. 2022; 10(2): 15–26. https://doi.org/10.36028/2308-8826-2022-10-2-15-26 https://elibrary.ru/dsmkuo (in Russian)Кобелькова И.В., Коростелева М.М. Влияние основных пищевых веществ на состав кишечного микробиома и оптимизацию адаптационного потенциала спортсмена. Наука и спорт: современные тенденции. 2022; 10(2): 15–26. https://doi.org/10.36028/2308-8826-2022-10-2-15-26 https://elibrary.ru/dsmkuoRivera-Pinto J., Egozcue J.J., Pawlowsky-Glahn V., Paredes R., Noguera-Julian M., Calle M.L. Balances: a new perspective for microbiome analysis. mSystems. 2018; 3(4): e00053–18. https://doi.org/10.1128/mSystems.00053-18Dora M., Kumar A., Mangla S.K., Pant A., Kamal M.M. Critical success factors influencing artificial intelligence adoption in food supply chains. Int. J. Prod. Res. 2022; 60(14): 4621–40. https://doi.org/10.1080/00207543.2021.1959665Vrinten J., Van Royen K., Pabian S., De Backer C., Matthys C. Development and validation of a short nutrition literacy scale for young adults. Front. Nutr. 2023; 10: 1008971. https://doi.org/10.3389/fnut.2023.1008971Woschank M., Rauch E., Zsifkovits H. A review of further directions for artificial intelligence, machine learning, and deep learning in smart logistics. Sustainability. 2020; 12(9): 3760. https://doi.org/10.3390/su12093760Pogozheva A.V., Smirnova E.A. To the health of the nation through multi-level educational programs for the population in the field of optimal nutrition. Voprosy pitaniya. 2020; 89(4): 262–72. https://elibrary.ru/mpogej (in Russian)Погожева А.В., Смирнова Е.А. К здоровью нации через многоуровневые образовательные программы для населения в области оптимального питания. Вопросы питания. 2020; 89(4): 262–72. https://elibrary.ru/mpogejTutelyan V.A., Nikityuk D.B., Tarmaeva I.Yu. Formation of the all-Russian education system in the field of healthy food of the population. Gigiena i Sanitaria (Hygiene and Sanitation, Russian journal). 2023; 102(10): 1012–8. https://doi.org/10.47470/0016-9900-2023-102-10-1012-1018 https://elibrary.ru/bfloqs (in Russian)Тутельян В.А., Никитюк Д.Б., Тармаева И.Ю. Формирование общероссийской системы образования в области здорового питания населения. Гигиена и санитария. 2023; 102(10): 1012–8. https://doi.org/10.47470/0016-9900-2023-102-10-1012-1018 https://elibrary.ru/bfloqs