由 Timothy Chan 教授领导的多伦多大学工程研究人员团队正在利用机器学习来优化汇集的人类捐赠母乳配方中的常量营养素含量。
研究人员在《制造和系统运营管理》杂志上发表的一篇新论文中介绍了他们的数据驱动优化模型。
陈和他的团队与西奈山医院的 Rogers Hixon 安大略母乳银行(该银行为安大略省各地住院的早产儿和患病婴儿提供捐赠母乳)以及泰默蒂医学院教授 Debbie O'Connor 博士合作。
“由于多种原因,许多住院婴儿没有充足的母乳供应。在这种情况下,母乳可以挽救生命,特别是因为它有助于保护早产儿免受坏性小肠结肠炎(一种危及生命的肠道疾病)的侵害,” Sharon Unger 博士是新生儿科医生,也是 Rogers Hixon 安大略省母乳银行的医疗主任。
“陈博士开发的新计划有助于确保每批母乳满足早产儿的蛋白质和热量需求。”
目前,包括西奈山奶库在内的许多奶库在汇集捐赠母乳时都依赖于个人决策。这对生产一致的捐赠奶产品提出了重大挑战,该产品含有足够的常量营养素,供新生儿重症监护病房的早产儿和患病婴儿使用。
“如果没有明确的方法,创建这些食谱需要花费大量时间,”陈说。