用于检测饮食、营养与健康内容中错误信息风险的工具的开发与验证（Diet-MisRAT）

为什么网上的饮食建议可能存在风险

从病毒式传播的排毒饮料到全肉饮食计划，各类营养建议每天充斥我们的屏幕。有些无伤大雅，有些有益，而有些则可能悄悄危及健康。本文介绍了一种识别可能误导公众的饮食与营养内容的新方法，不仅针对明显的虚假信息，也关注那些隐藏重要危险的内容。作者们提出了一种名为 Diet-MisRAT 的工具，能够对一条饮食或健康信息的风险进行分级，帮助专业人士、监管者乃至人工智能系统在错误建议演变为真实伤害之前采取应对措施。

流行饮食迷思背后的现实危害

作者首先指出，饮食错误信息并非小问题：它可能导致人们上急诊，甚至丧命。文中列举了若干案例，例如与肝损伤相关的不安全补充剂、在 COVID-19 大流行期间宣传的漂白剂“疗法”、网络上流传的极端禁食方法，以及某些在线群体中流行的严格肉食饮食。在许多情况下，人们看到的信息看起来令人信服，有时是因为其中包含一点真相。然而，重要的警示、副作用或医学注意事项被省略，促使人们尝试危险做法而非经过验证的治疗或均衡饮食模式。

把错误信息视为一个滑动刻度

目前大多数应对虚假健康声明的工作采取非黑即白的方式：将某条信息标为真或假、真实或伪造。作者认为这种观点忽略了问题的许多方面。营养内容在技术上可能部分准确，但仍会因省略、表述方式或诉诸情绪与信任而产生误导性。他们建议把错误信息看作对有毒化学物质的暴露：风险取决于“剂量”、传递方式以及个人的易感性。按照这种观点，文章中的误导性特征就像有害因子——这些特征越严重、越令人信服，读者的脆弱性越大，做出有害选择的风险就越高。

对风险性营养信息的新分级工具

基于这种以风险为核心的思路，团队构建了 Diet-MisRAT，一套针对中长篇营养内容（如博客、文章或详细社交媒体帖文）的结构化清单。该工具不是给出简单的是/否结论，而是考察四个维度：内容不准确的程度、信息被省略的程度、语气或呈现方式上的欺骗性，以及导致健康伤害的可能性。工具中的每个问题都有加权的回答选项，因此同时存在多种严重问题的内容会获得更高分。最终，文章被归入五个风险等级之一，从非常低到非常高，提供更细腻的判断，帮助平台、教育者或监管者决定应如何应对。

与专家、学生和人工智能共同测试工具

为了检验 Diet-MisRAT 是否如预期般有效，作者进行了五轮测试。首先，两位资深的营养与教育专家审查并完善了条目，并为一篇样本文章达成基准答案。随后，见习营养师、营养学研究生以及资深营养专业人士分别在相同内容上使用该工具。他们的评分与专家基准表现出中强到非常强的一致性，这表明问题可理解且经过培训的使用者能够一致地应用。最后，研究者在严格、未经调优的条件下让两个版本的 ChatGPT 使用该工具。令人惊讶的是，AI 模型与专家答案的匹配度甚至超过了大多数人类，在多次运行中表现出较高的准确性与稳定性。

这对读者与监管者意味着什么

对普通读者而言，研究的要点并非要恐惧所有在线营养建议，而是要认识到风险很少是非此即彼。一篇文章可能听起来合理，但在悄悄忽略副作用、利益冲突或重要医疗细节时仍会产生风险。对于专业人士和平台，Diet-MisRAT 提供了一种方法，用以优先识别哪些内容需要更仔细审查、温和纠正或强烈警示。由于该工具基于清晰的专家设计问题，它也可以交由人工智能系统使用，以比许多黑箱算法更透明地筛查大量材料。简言之，这项工作指向了一个未来：误导性饮食信息将以公共卫生对化学和生物危害采取的分级预防策略类似的思路来管理。

引用: Ruani, A., Reiss, M.J. & Kalea, A.Z. Development and validation of a tool for detecting misinformation risk in diet, nutrition, and health content (Diet-MisRAT). Sci Rep 16, 9207 (2026). https://doi.org/10.1038/s41598-026-40534-2

关键词: 营养错误信息, 在线健康信息, 饮食安全, 风险评估, 健康传播