当你走进任意一家超市，你很可能会发现，商品货架上摆放着非常多的超加工食品——它们被设计为方便食用，但却往往缺乏真正的营养。这类食品占据着货架的近乎四分之三，并且与肥胖、心脏病和糖尿病发病率上升密切相关。
但究竟如何确定一种食品为“超加工食品”？答案并不十分清晰，因此这令消费者感到困惑，而政策制定者却对此保持缄默。
超加工食品的定义难题
尽管越来越多的证据表明超加工食品与慢性疾病密切相关，但专家们也难以就其明确定义达成一致。
根据一项最新超加工食品研究的合著者、Foodome项目（一个致力于绘制人类饮食中化学成分图谱的项目）联合创始人阿尔伯特-拉斯洛‧巴拉巴西（Albert-László Barabási）的说法，食物必须经过化学成分改造，才能称为超级加工食品。例如，一些标注为“天然”的橙汁，实际上会被分解为三个独立的成分，分别储存，之后再重新混合，因此也被归类为超加工食品，他在一份说明中表示。
巴拉巴西指出，食品包装并不会显示某种产品是否属于超加工食品。美国农业部（USDA）仅追踪数量有限的营养成分，而美国食品药品监督管理局（FDA）只要求报告大约12种营养成分，这使得消费者对存在于食品中的许多成分信息并不了解。
这种透明度的缺失凸显了明确相关分类的重要性。为了便于消费者更好理解食品的加工程度，研究人员开发了NOVA分类系统。这一系统被广泛认为是评估食品加工程度的黄金标准，它依据食品相对于其自然状态的加工程度，将其分为四个类别。具体分类如下：
• 未加工或最低限度加工食品：包括新鲜、干燥、研磨、巴氏杀菌或冷冻处理且不含添加成分的天然食品，例如水果、蔬菜、肉类、鸡蛋和牛奶。
• 加工食品烹饪配料：从天然食品中提取并用于烹饪的成分，如盐、糖、食用油和黄油。
• 加工食品：由天然食品与烹饪配料结合制成，例如罐装蔬菜、新鲜面包、奶酪和熏肉。这类食品通常含有额外的盐、糖或脂肪，但仍保留其最初食品架构中的大部分。
• 超加工食品：指工业化配方食品，其中几乎不含或完全不含天然食品，而是包含乳化剂、稳定剂、人工香料和防腐剂等添加剂。例如含糖麦片、包装零食、冷冻食品、碳酸饮料及方便面。
NOVA分类的影响
尽管NOVA分类系统在公共健康研究方面带来了重大突破，但它并非没有缺陷。计算物理学家朱莉亚‧梅尼凯蒂（Giulia Menichetti）指出，该系统根据食品的加工程度进行分类，而非其实际营养价值。这意味着，一款添加了膳食纤维和维生素的强化早餐麦片，与高糖零食蛋糕都会被归类为“超加工食品”，即便早餐麦片显然是更健康的选择。
这种不一致性并非NOVA系统独有。梅尼凯蒂还提到，大多数食品分类系统都依赖人为判断，这或许进而导致专家之间得出不同的结论。由于缺乏明确、统一的标准，目前仍然很难准确定义何种食品真正属于超加工食品，更难将这一定义有效融入公共健康指南。
尽管存在这些问题，许多专家仍认为NOVA是一个很好的开始。
营养学研究员尼克‧诺尔维茨（Nick Norwitz）对《大纪元时报》表示：“若你避免接触超加工食品类别中的食品，那么整体上你便做出了更健康的选择。但并不是所有超加工食品都是一样的，这个类别中存在一些细微差别。”
什么是GroceryDB？
GroceryDB是由美国东北大学（Northeastern University）研究人员创建的一项新工具。通过分析超过50,000种食品产品的配料清单与营养标签，GroceryDB依据食品的加工程度对其进行排名。在超加工食品主导饮食和讨论的当下，GroceryDB为消费者提供了一种方法来控制购入的食品进而掌控摄入身体的饮食。
由梅尼凯蒂领导并发表于《自然食品》（Nature Food）上的GroceryDB研究，旨在简化营养学的复杂性，以帮助消费者做出更健康的选择。
GroceryDB的核心是FPro算法，这是一款机器学习工具，用于评估食品的加工程度。新鲜农产品的分数接近零，而超加工食品如冷冻晚餐或含糖零食则接近于1。为了方便消费者理解，在“TrueFood指标概览”（TrueFood Dashboard）上显示时，这些分数会转化为一个自0至100的评分系统。
梅尼凯蒂对《大纪元时报》表示：“尽管许多营养学研究仍依赖于手动整理，但我们的研究突出了人工智能和数据科学如何扩大这些工作的规模。”
与其它只关注单一营养元素（如糖或脂肪）的系统不同，FPro算法分析的是食品的整体营养成分。这种全面的分析使该工具能够识别出隐藏的工业加工模式——即便是在被宣传为“健康”的食品中，例如强化麦片。
例如，一款没有添加剂的全麦面包可能得分31，表明其加工程度较低。若加入抗性淀粉或纤维，得分将升至73。而一款含有玉米糖浆和防腐剂的高度加工版本，得分则可能达到99。
GroceryDB以NOVA为基础训练其机器学习模型，这引发了关于该工具是否代表食品分类的真正变革，还是仅仅在现有框架上以更自动化的方式进行改进的疑问。
梅尼凯蒂表示：“食品标签内容常常会误导消费者。GroceryDB将复杂的数据转化为清晰且可操作的信息，为消费者提供更多自主选择。”
该算法还会评估产品中的单独成分。例如，橄榄油和亚麻籽油因加工较少而得分较低，而棕榈油和大豆油则因经过超加工而得分较高。即便是外观相似的产品，其差异也可能非常显著。一款含有14种成分和5种添加剂的芝士蛋糕得分可能远低于另一款含有43种成分和26种添加剂的蛋糕。
梅尼凯蒂说道：“我们的目标是帮助人们更清晰地了解在购物时面临的众多选择。通过显示产品的加工程度以及可供选择的替代品，我们为消费者提供了一个工具，帮助他们做出更健康、更明智的决策。”
然而，即便是FPro算法也有其局限性。诺尔维茨指出，我们仍然没有完全了解工业食品加工如何在化学层面上改变食物。
他说：“我们不知道的事情还有很多。例如食品加工的隐藏效应，我们称之为‘营养的暗物质’，其可能是理解超加工食品对于健康的真正影响的关键。”
便利的代价
超加工食品不仅普遍存在，而且价格便宜。一罐加工汤可能每份只需1美元，而用新鲜食材自制类似汤品的费用可能是其三倍或更多。对于预算紧张的消费者来说，这种价格差距使得超加工食品成为最简单的选择。
梅尼凯蒂的研究揭示了这一差距有多么显著。高度加工的汤和炖菜每卡路里的价格相较最低限度加工的版本便宜近70%。在大多数食品类别中，加工度每增加10%，每卡路里的成本则大约减少9%，在养家糊口时，这种成本优势是很难忽视的。
价格上的低廉通常来自于使用廉价、并且高热量的成分，如精制谷物、植物油和高果糖玉米糖浆。联邦补贴显著降低了玉米、大豆和小麦的生产成本，导致它们在加工食品中的广泛使用。这些成分在大规模生产时成本低廉，但尽管它们含有大量热量，却几乎不提供任何营养价值。
对于处在边缘化社区的家庭来说，由于难以获得新鲜农产品或天然食品，超加工食品因而往往成为默认选择。2022年在《美国临床营养学杂志》（American Journal of Clinical Nutrition）上发表的一项研究发现，难以负担足够食物的人群，其日常热量中来自超加工食品的比例要高于那些能够稳定获得营养餐的人群。这种对廉价、高热量但营养匮乏的食品依赖，形成了营养不良与慢性健康问题的恶性循环。
GroceryDB的创建者们表示，他们希望这一工具能通过帮助消费者在可接受的价格范围内找到加工较少的替代品，从而帮助改善他们的营养摄入情况。通过提供成分信息及加工分数的清楚展示，GroceryDB能帮助消费者做出明智且符合预算的决策。
梅尼凯蒂说道：“GroceryDB当前提供的数据可以系统地识别不同食品类别与超市之间的成本障碍。它能让消费者发现同一种类中具有可比FPro分数的更经济实惠的选择。”
像GroceryDB这样的工具可让消费者更容易获得价格合理、加工程度较低的选择，有助于缩小公共健康差距，同时鼓励人们养成更健康的饮食习惯。
重塑食品格局
梅尼凯蒂说道：“即使是饮食习惯上的微小改变，也会带来健康上的重大影响。如果我们帮助消费者逐渐倾向于选择加工较少的食品，便能开始解决与超加工食品相关的慢性健康问题。”
但GroceryDB不仅仅是为了改善购物。根据梅尼凯蒂的说法，该工具有可能通过改变政策制定者及食品行业对营养的处理方式，进而重塑公共健康。
她说：“这个项目不仅仅针对消费者，它同样针对各个机构、政府还有超市。”
政策制定者可以通过GroceryDB来识别健康选择稀缺或过于昂贵的食品领域。超市则可以利用它调整布局，增加更多加工较少的食品，并鼓励人们做出更健康的选择。这些改变可能会产生深远的影响，特别是对于那些营养食品获取有限的社区而言。
随着食品加工受到越来越严格的审查，如GroceryDB这样的工具，伴随政策变化与消费者意识的提升，或许会帮助我们重新塑造购物和饮食的方式，从而带来更好的健康结果。
梅尼凯蒂表示：“GroceryDB只是一个开始，我们现在不过是触及了表面。”
英文报导请见英文《大纪元时报》：Confused by Food Labels? This Tool Shows What’s Really in Your Cart。
身处纷乱之世，心存健康之道，就看健康1+1！
责任编辑：韩玉
