Sažetak
U 2025.–2026. opaža se jasan pomak s deskriptivnog pristupa na dizajn prehrambenih i nutraceutskih proizvoda temeljen na mehanističkim hipotezama, translacijskim istraživanjima i sistemskim analizama, uključujući multi-omics, uz razmatranje uloge matrice hrane i povijesti prerade u oblikovanju bioraspoloživosti i fizioloških učinaka [1]. Istovremeno, "pametni" nanonosači identificirani su kao prekretnica u formulaciji, rješavajući problem niske topljivosti, slabe stabilnosti i nedostatka kontroliranog oslobađanja aktivnih tvari, dok također omogućuju oslobađanje osjetljivo na podražaje na ciljanim mjestima (npr. ovisno o pH/enzimima/redoks statusu) [2]. Sve se više naglašavaju "zeleni" putevi za dobivanje i modificiranje sastojaka, uključujući supercritical CO2 extraction za frakcije koje sadrže vitamin D3 i biotransformacije korištenjem mikrobne fermentacije i enzima, što može povećati bioaktivnost (npr. pretvorba hesperidina u hesperetin) i stvoriti nove molekule u blagim uvjetima [2, 3]. U kliničkoj i nutricionističkoj medicini raste važnost precizne prehrane podržane AI tehnologijom i biološkim podacima pacijenata, dok se regulatorni i kvalitativni aspekti jačaju: potreba za okvirom "dokaz–doza–tvrdnja" i rigoroznim stupnjevanjem sigurnosti dokaza (npr. GRADE) za vjerodostojne zdravstvene tvrdnje i regulatorno prihvaćanje [1, 2]. Istodobno se pojavljuje konvergencija prehrambenih i digitalnih tehnologija: od modela koji predviđaju glikemijski odgovor na temelju CGM i mikrobiote, do agentnih AI platformi koje ubrzavaju razvoj sastojaka i proizvoda [4, 5].
Uvod
Prikupljeni radovi iz 2025.–2026. opisuju "metodološko sazrijevanje" istraživanja bioaktivnih spojeva i funkcionalne hrane kroz implementaciju multi-omics strategija (profiliranje mikrobioma, metabolomika, lipidomika) i pomak prema sistemskim i translacijskim paradigmama, snažnije ukorijenjenim u biološkim mehanizmima [1]. U istim materijalima dosljedno se naglašava da se bioaktivnost ne može odvojiti od matrice hrane, povijesti prerade i fizikalno-kemijske stabilnosti, jer oni oblikuju biodostupnost i fiziološki učinak sastojaka [1]. U praksi to znači da se inovacija u 2025.–2026. ne razumije samo kao "novi sastojak", već i kao novi način proizvodnje, stabilizacije, isporuke, mjerenja učinka i dokazivanja učinkovitosti u pravilno definiranoj ciljnoj populaciji [1, 2].
Tijekom ovog razdoblja tehnologija i propisi postaju tješnje povezani: izravno se postulira okvir znanstvene evaluacije usredotočen na os "dokaz–doza–tvrdnja", namijenjen rigoroznoj validaciji učinkovitosti, sigurnih odnosa doze i odgovora te prikladnosti za ciljne populacije za svaki sastojak [2]. Istodobno, u digitalnoj sferi naglašava se nužnost standardizacije formata podataka i analitičkih procesa kako bi se osiguralo da su prediktivni modeli pouzdani i ponovljivi, kao i važnost odgovorne implementacije za translacijsku primjenu u klinički značajne i pravedne svrhe [4, 6].
Dodaci prehrani
U navedenim citatima tehnološka rješenja prvenstveno se odnose na nabavu i "dizajn" sastojaka (ekstrakcija, biotransformacije) i njihovu formulaciju (nosači, oslobađanje osjetljivo na podražaje), kao i na kvalitetu dokaza i logiku zdravstvenih tvrdnji. Zaključci u nastavku stoga se primjenjuju na tehnologije tipične i za dodatke prehrani i za sastojke funkcionalne hrane te medicinske proizvode, ali se u ovom poglavlju interpretiraju iz perspektive dodataka prehrani kao formulacija usmjerenih na isporuku specifičnih bioaktivnih spojeva [2].
Nabava i biotransformacije sastojaka
Kao primjer napredne nabave sastojaka navedeno je dobivanje frakcije koja sadrži vitamin D3 pomoću supercritical CO2 extraction (SFE-CO2) provedene u pilot postrojenju [3]. U istom smjeru "eko-rješenja", naglašena je važnost tehnologija biotransformacije, uključujući mikrobnu fermentaciju, kao strategije za obogaćivanje i diverzifikaciju vrijednosti sirovina [2].
Na razini mehanizma biotransformacije opisan je rad mikrobnih enzimskih sustava, poput β-glucosidases i esterases, za hidrolizu i modifikaciju vezanih spojeva u početnom materijalu [2]. Detaljan primjer pokazao je da takva obrada može značajno povećati bioraspoloživost i bioaktivnost pretvaranjem hesperidina u aktivniji hesperetin, te istodobno dovesti do stvaranja novih molekula koje nisu prisutne u sirovini, uz održavanje blagih uvjeta i "zelene proizvodnje" [2].
Isporuka i stabilizacija
Eksplicitno je opisano da je značajan iskorak u tehnologiji formulacije bio razvoj pametnih nanonosača s ciljem prevladavanja barijera in vivo primjene bioaktivnih sastojaka koje proizlaze iz njihovih složenih fizikalno-kemijskih svojstava i suboptimalnih farmakokinetičkih profila [2]. Ovi sustavi su dizajnirani za sustavno rješavanje ključnih praktičnih problema: niske topljivosti, slabe stabilnosti, nespecifične distribucije i nedostatka kontroliranog oslobađanja aktivnih sastojaka [2]. Oslobađanje osjetljivo na podražaje identificirano je kao osobito obećavajuća varijanta, omogućujući precizno oslobađanje na ciljanim mjestima putem materijala koji reagiraju na patološka mikrookruženja, npr. specifični pH, enzime ili razine redoksa [2].
U području funkcionalne hrane (što se često prenosi i na dodatke prehrani), dodatno se naglašava uloga sustava koji održavaju kvalitetu i stabilnost sastojaka osjetljivih na kisik, jer je ta strategija predstavljena kao ključna za očuvanje kvalitete, potentnosti i roka trajanja "nutrijenata osjetljivih na kisik" u funkcionalnoj hrani i dodacima prehrani [7].
Klinički dokazi i logika tvrdnji
U prikupljenim materijalima pristup "dokaz–doza–tvrdnja" snažno odjekuje kao uvjet za vjerodostojnost: naznačeno je da je potrebno uspostaviti sustav znanstvene evaluacije temeljen na principu "dokaz–doza–tvrdnja", koji rigorozno validira učinkovitost, sigurne odnose doze i odgovora te ciljne populacije za svaki sastojak [2]. Iz perspektive prakse suplementacije, važan primjer je sinteza dokaza za određenu tvar: uključivanje sustavnog pregleda i meta-analize procijenjene GRADE metodologijom za suplementaciju s β-hydroxy-β-methylbutyrate (HMB) opisano je kao važan doprinos, a šire i kao obrazac za transparentnu sintezu i kritičku procjenu sigurnosti dokaza [1]. Izravno je naglašeno da je put do vjerodostojnih zdravstvenih tvrdnji i regulatornog prihvaćanja "popločan" metodološkom disciplinom i rigoroznim stupnjevanjem kvalitete dokaza [1].
Funkcionalna hrana
Pejzaž u 2025.–2026. pokazuje pomak prema dizajnu utemeljenom na mehanizmima i sustavima, gdje se interakcije prehrana–mikrobiota–domaćin analiziraju translacijski, a ne samo deskriptivno [1]. Metodološki je naglašeno sazrijevanje kroz korištenje multi-omics pristupa, uključujući profiliranje mikrobioma, metabolomiku i lipidomiku [1]. Istodobno je dosljedno ukazivano da je bioaktivnost neraskidivo povezana s matricom hrane, poviješću prerade i fizikalno-kemijskom stabilnošću, koji određuju biodostupnost i fiziološki učinak [1].
Nove klase sastojaka i koncepti proizvoda
Unutar inovacijskog toka sastojaka, posebno mjesto zauzimaju postbiotici, za koje je ISAPP definicija prihvaćena kao standard: "pripravak neživih mikroorganizama i/ili njihovih komponenti koji donosi zdravstvenu korist domaćinu" [8]. Pritom je naglašeno da usvajanje ove definicije ne poništava druge pristupe, a nomenklatura ostaje predmet "otvorene i stalne rasprave" koja ne bi trebala biti glavna prepreka napretku istraživanja [8].
Na mehanističkoj razini opisano je da postbiotici mogu ojačati funkciju epitelne barijere, regulirati urođene i stečene imunosne odgovore te modulirati ekspresiju gena domaćina putem receptora za prepoznavanje obrazaca i epigenetičkih modifikacija [9]. Istodobno su identificirane ključne prepreke kliničkoj translaciji, uključujući varijabilnost formulacija, ograničeno razumijevanje interakcija crijeva-mozak, degradaciju tijekom gastrointestinalnog tranzita i interindividualnu varijabilnost mikrobioma [10].
Modeli dokaza i zdravstvenih učinaka
U području metaboličke personalizacije citirana je studija u kojoj su podaci iz kontinuiranog praćenja glukoze kombinirani s kliničkim podacima, podacima o ponašanju i varijablama crijevne mikrobiote kako bi se trenirao regresijski model s gradijentnim pojačanjem (gradient-boosted regression model) na kohorti od preko 800 pojedinaca i 46.898 obroka [4]. Ovaj model uspio je točno predvidjeti individualni glikemijski odgovor na specifične obroke, omogućujući formuliranje personaliziranih prehrambenih preporuka usmjerenih na optimizaciju metaboličkih učinaka [4].
U području imunologije tolerancije na hranu identificiran je mehanizam u kojem odgovori Treg stanica na proteine skladištenja sjemena mogu predstavljati zajednički put koji vodi do oralne tolerancije [11]. Nadalje, u području tehnologije isporuke i složenih (sinbiotičkih/višekomponentnih) intervencija, rezultati su pokazali da se "gel s dvostrukom emulzijom" može koristiti za isporuku probiotika i CBD-a u gastrointestinalni trakt [12]. U SHIME® modelu zabilježeno je povećanje korisnih bakterijskih porodica (Lachnospiraceae i Clostridiaceae), učinkovita isporuka, oslobađanje i perzistencija _L. plantarum_, te povećana proizvodnja butirata i laktata [12], a kvantitativna analiza pokazala je učinkovito oslobađanje probiotičkih bakterija iz gela (značajno veći broj nakon intervencije) [12].
Tehnologije prerade i proizvodnje
U području prerade naglašeno je da netermičke metode imaju jasne prednosti: omogućuju očuvanje sastojaka osjetljivih na toplinu, povećavaju bioraspoloživost modificiranjem matrice i podržavaju inovativne sustave enkapsulacije koji prevladavaju ograničenja klasičnih termičkih metoda [13]. High-pressure processing (HPP) naveden je kao primjer koji inaktivira mikroorganizme pri tlakovima od 400–600 MPa na sobnoj temperaturi, a u obogaćenim napitcima osigurava bolje zadržavanje vitamina i polifenola te senzorskih svojstava od termičke pasterizacije [13]. Spomenuta je i PEF tehnologija koja kratkim impulsima visokog napona dovodi do reverzibilne permeabilizacije staničnih membrana, povećava ekstrakciju fitokemikalija i inaktivira mikroorganizme uz zanemariv toplinski učinak [13].
U bioproizvodnji je istaknut razvoj automatizacije kontrole fermentacije: ugrađeni edge computing uređaji (npr. NVIDIA Jetson AGX Orin) pokreću algoritme učenja s pojačanjem (reinforcement learning) koji dinamički optimiziraju parametre bioreaktora u stvarnom vremenu (temperatura, pH, brzina miješanja) [14]. Na sistemskoj razini predstavljen je pregled "precizne fermentacije" koji integrira dizajn sojeva, inženjerstvo bioprocesa, tehno-ekonomsku izvedivost, ekološke ishode i regulatornu spremnost u jedinstveni okvir, rješavajući nedostatke prethodnih pregleda usredotočenih samo na proizvode ili organizme [15]. S aspekta održivosti navedeno je da precizna fermentacija, u tipičnoj usporedbi s konvencionalnim uzgojem životinja i usjeva, zahtijeva manje zemlje i vode, stvara niže emisije stakleničkih plinova i pruža proizvode dosljedne kvalitete, bez kontaminanata [15], iako su istodobno naglašene značajne prepreke poput visokih kapitalnih i energetskih troškova, problema s skaliranjem, složenosti nizvodne obrade (downstream processing) te regulatornih nesigurnosti i prihvaćanja potrošača [15].
Medicinska hrana
U dostavljenim materijalima os "medicinske hrane" povezana je s preciznom prehranom i personaliziranom medicinom, gdje su intervencije prilagođene biološkom profilu pacijenta (genomika, mikrobiota, metabolički markeri), a AI se navodi kao najvjerojatniji put za implementaciju precizne prehrane u upravljanju kroničnim bolestima [16, 17]. U kliničkoj praksi također su citirani podaci da su klinička ispitivanja "progresivno pokazala" bolje ishode terapija temeljenih na genomskom profilu pacijenta, crijevnoj mikrobioti ili metaboličkim markerima u usporedbi s tradicionalnim, generičkim prehrambenim preporukama [16].
Klinički dokazi i primjeri intervencija
U području mikrobiotičkih intervencija citirani su rezultati da je suplementacija sojem _B. BBr60_ u kliničkom ispitivanju bila povezana sa značajnim poboljšanjem lipidnog profila kroz povećanje HDL-a i smanjenje ukupnog kolesterola [18]. U istim rezultatima zabilježeno je i poboljšanje gastrointestinalnog zdravlja, mjereno smanjenjem NDI-a (p = 0.002), što se interpretira kao smanjeni utjecaj gastrointestinalne nelagode na svakodnevno funkcioniranje [18], kao i poboljšanje gastrointestinalnih simptoma i emocionalnih stanja uz značajno smanjenje ADS rezultata (p = 0.000), uključujući simptome povezane s konzumacijom alkohola [18].
Istodobno, u regulatorno-kliničkim materijalima prikazano je da je FDA odobrila sBLA za PALYNZIQ (pegvaliase-pqpz), proširujući indikaciju na pedijatrijske pacijente u dobi od 12+ godina s fenilketonurijom [19], a u priopćenju je navedeno značajno veće smanjenje razine fenilalanina u krvi u 72. tjednu u skupini koja je primala PALYNZIQ u usporedbi sa skupinom koja je bila "samo na dijeti" [19]. Za ultra-rijetke bolesti citiran je LOARGYS kao terapija usmjerena na "primarni pokretač" bolesti (trajno povišen arginin u ARG1-D), uz ubrzano odobrenje FDA temeljeno na rezultatima PEACE studije faze 3, u kojoj je LOARGYS značajno smanjio razinu arginina u plazmi u usporedbi s placebom nakon 24 tjedna [20].
U području rijetkih bolesti i neurologije također je navedeno da je leucovorin prvi tretman za rijetko genetsko stanje "cerebralni deficit folata" [21], te da je Avlayah (tjedna intravenska infuzija) odobren za liječenje neuroloških manifestacija Hunterovog sindroma pod specifičnim kliničkim i populacijskim uvjetima [22].
Tehnologije personalizacije i podaci o pacijentima
U okviru hiper-personalizacije prehrane ukazano je na primjene strojnog učenja na podacima prikupljenim "na terenu": modeli federiranog učenja mogu predvidjeti glikemijske odgovore na temelju biometrije s nosivih uređaja, a neuronske mreže dekodiraju senzorske preferencije iz rasprava na društvenim mrežama [14]. U kontekstu pregleda naglašeno je da AI može transformirati i preciznu fermentaciju prema održivoj biosintezi proteina, enzima i funkcionalnih spojeva, kao i sustave hiper-personalizirane prehrane, integrirajući genomiku, metabolomiku i psihologiju potrošača za usklađivanje preporuka u "stvarnom vremenu" [14].
Sigurnost i istraživački nedostaci
Iz perspektive sigurnosti i razvoja medicinskih i prehrambenih proizvoda naglašeno je da je prije komercijalizacije biljnih proteina u kritičnim primjenama (npr. prehrana dojenčadi) potrebna opsežna procjena alergenog potencijala, uključujući in vitro testove, studije na životinjama i konačno klinička ispitivanja na dojenčadi [23]. Dodatno je naznačeno da trenutačno niti jedan drugi biljni protein (npr. grašak, leća, bob) nije odobren za upotrebu u mliječnim pripravcima za dojenčad mlađu od 1 godine, te postoji nedostatak podataka o njihovoj alergenosti u toj dobnoj skupini [23].
U području interakcija prehrana-farmakologija istaknuto je da je utjecaj prerade hrane na apsorpciju, metabolizam lijekova i posljedičnu farmakološku aktivnost "hitan, ali nedovoljno istražen", što implicira značajan jaz u dizajniranju prehrambenih i medicinskih intervencija u stvarnim nutritivnim uvjetima [24].
Revolucionarne tehnologije
U 2025.–2026. "međusektorske" tehnologije kombiniraju tri razine: (1) proizvodnju i modifikaciju sastojaka (ekstrakcija i biotransformacije), (2) napredne sustave formulacije i isporuke, te (3) podatkovne platforme, standardizaciju i AI koji podržavaju dizajn i validaciju učinka. U prikupljenim citatima ovi se elementi pojavljuju kao komponente jednog, koherentnog smjera razvoja u kojem se proizvodi "dizajniraju" istovremeno na razini kemije, nosača i kliničkih dokaza [2].
Inženjerstvo isporuke
Pametni nanonosači predstavljeni su kao kritična prekretnica u tehnologiji formulacije, omogućujući prevladavanje in vivo barijera koje proizlaze iz fizikalno-kemijskih i farmakokinetičkih svojstava bioaktivnih sastojaka [2]. Definiran je i niz problema koje ovi sustavi trebaju riješiti, uključujući topljivost, stabilnost, nespecifičnu distribuciju i kontrolu oslobađanja [2]. Posebno je obećavajuće oslobađanje osjetljivo na podražaje, putem materijala koji reagiraju na pH, enzime ili redoks u patološkim mikrookruženjima, jer je namijenjeno omogućavanju preciznog oslobađanja na ciljanom mjestu [2].
Biotransformacije i fermentacija
U području biotransformacija, mikrobna fermentacija navedena je kao "eko-friendly" rješenje za obogaćivanje i diverzifikaciju vrijednosti sirovina [2]. Mehanistički je opisana uloga mikrobnih enzima, poput β-glucosidases i esterases, u hidrolizi i modifikaciji vezanih komponenti u početnom materijalu [2]. Slijedom toga, zabilježena je mogućnost povećanja bioraspoloživosti i bioaktivnosti, uključujući transformaciju hesperidina u aktivniji hesperetin i stvaranje novih molekula pod blagim uvjetima dosljednim principima "zelene proizvodnje" [2].
Personalizacija i AI platforme
U citiranim izvorima pojavljuje se koncept platforme za razvoj i personalizaciju, čiji "temeljni stupovi" uključuju višedimenzionalnu individualnu procjenu, adaptivne intervencije i sustave povratnih informacija te "pametnu formulaciju i dizajn pokretan AI tehnologijom" [2]. U sličnom tonu naznačeno je da se personalizirano upravljanje zdravljem treba postići putem integrirane platforme podataka i proizvoda, koja analizira individualne razlike i pruža prilagođena rješenja [2].
Kao primjer digitalnog ubrzanja istraživanja i razvoja (R&D) predstavljena je AMBROSIA, agentna AI platforma koja integrira biološke podatke s "inteligentnim istraživačkim operacijama", namijenjena ubrzanju razvoja proizvoda, optimizaciji karakterizacije ekstrakata i identifikaciji novih ciljanih tržišta za postojeće sastojke [5]. U području proizvodnje naveden je i edge-RL za dinamičku optimizaciju parametara bioreaktora u stvarnom vremenu, što čini tehnološku osnovu za stabilnije i učinkovitije procese fermentacije [14].
Standardizacija dokaza
Materijali ukazuju na dvije komplementarne osi standardizacije: standardizaciju podataka i standardizaciju dokaza. S aspekta podataka naglašeno je da je standardizacija formata, pretproceširanja i analitičkih okvira ključna za stvaranje pouzdanih, ponovljivih i prenosivih modela [4]. S aspekta kliničkih dokaza istaknuta je važnost GRADE pristupa (koristeći HMB kao primjer) kao modela za transparentnu sintezu i procjenu sigurnosti dokaza [1], a također je naglašeno da regulatorno prihvaćanje i vjerodostojne zdravstvene tvrdnje zahtijevaju metodološku disciplinu i rigorozno stupnjevanje kvalitete dokaza [1]. Dodatno, okvir "dokaz–doza–tvrdnja" izravno je postuliran kao znanstveni sustav za procjenu učinkovitosti, sigurnosti i prikladnosti za ciljne populacije [2].
Trendovi
Tijekom 2025.–2026. može se identificirati nekoliko trendova koji se dosljedno ponavljaju u citiranim izvorima i povezuju dodatke prehrani, funkcionalnu hranu i medicinske proizvode u jedinstveni inovacijski ekosustav.
Prvi trend je prijelaz s "deskriptivnog katalogiziranja" na istraživanja vođena hipotezama, mehanistička i translacijska istraživanja, što je eksplicitno opisano kao polje "u aktivnoj tranziciji" [1]. Drugi je institucionalizacija multi-omics pristupa kao alata za metodološko sazrijevanje istraživanja bioaktivnosti i interakcija prehrana–mikrobiota–domaćin [1].
Treći trend je dizajn proizvoda koji "uzima u obzir matricu", tretirajući matricu hrane, preradu i stabilnost kao determinante biodostupnosti i fizioloških učinaka, a ne kao tehnološke detalje drugog reda [1]. Četvrti je pomak s probiotika kao jedine osi mikrobiotičke inovacije prema postbioticima, uz pokušaj unificiranja definicije putem ISAPP standarda, uz priznavanje da nomenklatura ostaje predmet otvorene rasprave [8].
Peti trend je sve veća uloga AI u personalizaciji i R&D: od prediktivnih modela glikemijskog odgovora izgrađenih na CGM i varijablama mikrobiote, do agentnih platformi koje integriraju biološke podatke s istraživačkim operacijama radi ubrzanja razvoja proizvoda [4, 5]. Šesti trend je automatizacija i "procesna inteligencija" u bioproizvodnji, uključujući učenje s pojačanjem koje optimizira parametre bioreaktora u stvarnom vremenu, što podržava stabilnost i učinkovitost fermentacijskih procesa koji proizvode funkcionalne sastojke [14].
Izazovi
Identificirani izazovi za 2025.–2026. translacijske su, regulatorne i inženjerske prirode, a mnogi od njih tiču se onoga što se događa "između" laboratorija, proizvodnje, tržišta i kliničke prakse.
U području mikrobiote i postbiotika, translacijske barijere uključuju varijabilnost formulacija, degradaciju u gastrointestinalnom traktu, ograničeno razumijevanje interakcija crijeva-mozak i interindividualnu varijabilnost mikrobioma, što otežava i dizajn studija i predvidljivost učinaka u populaciji [10]. Istodobno, u području novih klasa sastojaka, naznačeno je da nomenklatura (npr. postbiotici) ostaje predmet otvorene rasprave, iako to ne bi trebalo blokirati napredak, što u praksi znači potrebu za paralelnim radom na definiciji, standardima kvalitete i kriterijima dokaza [8].
U području podataka i AI naznačeno je da je standardizacija formata podataka, pretproceširanja i analitičkih okvira uvjet za ponovljive i prenosive modele [4]. Istodobno je naglašeno da su daljnje poboljšanje metodologije i odgovorna implementacija ključni za prevođenje inovacija u klinički značajne i pravedne primjene [6].
U području bioproizvodnje i "precizne fermentacije" opisane su prepreke povezane s kapitalnim i energetskim troškovima, problemima s skaliranjem, složenošću nizvodne obrade, prihvaćanjem potrošača i regulatornom nesigurnošću [15]. Iz perspektive izvedivosti i održivosti, također je naglašeno da odabir soja, dizajn procesa i nizvodna obrada snažno utječu na održivost i komercijalnu održivost, postavljajući ton prioritetima razvoja tehnologije u nadolazećim godinama [15].
U području sigurnosti i kliničke prakse identificiran je istraživački jaz u pogledu utjecaja prerade hrane na apsorpciju, metabolizam i farmakološku aktivnost lijekova, što se smatra hitnim, ali nedovoljno proučenim [24]. U kritičnim prehrambenim primjenama također je naznačeno da je potrebna puna procjena alergenosti (in vitro, životinje, konačno studije na dojenčadi) prije komercijalizacije novih biljnih proteina, a istodobno je primijećen nedostatak odobrenja za alternativne biljne proteine u mliječnim pripravcima za dojenčad < 1 godine i nedostatak podataka o alergenosti u toj grupi [23].
Implikacije
Citirani izvori otkrivaju praktične implikacije koje se mogu organizirati oko tri pitanja: kako proizvesti sastojke, kako ih isporučiti u tijelo te kako dokazati i skalirati njihove učinke.
Za proizvođače su ključna dva paralelna tehnološka smjera: s jedne strane, napredna nabava i biotransformacije (SFE-CO2 za frakcije s vitaminom D3 i mikrobna fermentacija/enzimi koji mogu povećati bioaktivnost i stvoriti nove molekule) [2, 3], a s druge strane, razvoj sustava formulacije koji rješavaju probleme topljivosti, stabilnosti i kontroliranog oslobađanja, uključujući oslobađanje osjetljivo na podražaje u ciljanim mikrookruženjima [2]. Za R&D odjele dodatni "akcelerator" su AI platforme koje integriraju biološke podatke s istraživačkim operacijama radi ubrzanja razvoja proizvoda i karakterizacije ekstrakata, čiji je primjer AMBROSIA [5].
Za kliničare i dijetetičke timove važna je rastuća podrška podataka i modela: pokazalo se da modeli temeljeni na CGM u kombinaciji s kliničkim, bihevioralnim i mikrobiotičkim podacima mogu točno predvidjeti glikemijski odgovor i omogućiti personalizaciju preporuka [4]. Podržavajuća je i pozicija da terapije i preporuke temeljene na genomskom profilu, mikrobioti ili metaboličkim markerima daju bolje rezultate od generičkih preporuka, te da je AI najvjerojatniji put za implementaciju precizne prehrane u upravljanju kroničnim bolestima [16, 17].
Za regulatore i timove za usklađenost kvalitete izravno je formulirana nužnost okvira "dokaz–doza–tvrdnja" te je naglašena uloga rigorozne procjene sigurnosti dokaza (GRADE) kao temelja za pouzdane zdravstvene tvrdnje i regulatorno prihvaćanje [1, 2]. Za podatkovne sustave i digitalni nadzor naglašeno je da je standardizacija formata podataka i procesa nužna za ponovljive i prenosive modele, a odgovorna implementacija uvjet je za prevođenje u klinički značajne i pravedne primjene [4, 6].
Kako bi se sintetički prikazalo kako implikacije tvore "kartu odlučivanja" u fazi razvoja proizvoda, donja tablica objedinjuje četiri najčešće citirane osi inovacija zajedno s tipičnim prednostima i preprekama, točno onako kako proizlaze iz citiranih izvora.
Perspektive
Citirani materijali ukazuju na to da će najvjerojatniji razvoj u idućim godinama uključivati daljnju integraciju mehanističkog dizajna, standardizacije dokaza i digitalnih platformi za personalizaciju. S jedne strane, područje istraživanja bioaktivnih sastojaka već je opisano kao kretanje prema paradigmama vođenim hipotezama, mehanističkim i translacijskim paradigmama, podržanim multi-omics pristupom [1]. S druge strane, naglašeno je da bioaktivnost nije neovisna o matrici i preradi, što sugerira daljnje intenziviranje pristupa koji "uzimaju u obzir matricu", gdje će netermička prerada i sustavi isporuke biti su-dizajnirani s biološkim ciljem [1, 13].
U području digitalizacije očekivana putanja je dvostruka: (1) razvoj i usvajanje platformi koje integriraju podatke i proizvod radi pružanja prilagođenih zdravstvenih rješenja, te (2) korištenje AI za skraćivanje R&D ciklusa i automatizaciju proizvodnih procesa. Ova putanja izravno je podržana tezom da se personalizirano upravljanje zdravljem treba materijalizirati kroz integriranu platformu podataka i proizvoda [2], kao i primjerom AMBROSIA platforme koja kombinira biološke podatke s istraživačkim operacijama radi ubrzanja razvoja proizvoda [5]. Istodobno, citirani radovi ukazuju na nužne uvjete za tu transformaciju: standardizaciju podataka i odgovornu implementaciju kako bi se inovacije prevele u klinički značajne, ponovljive i pravedne primjene [4, 6].
Konačno, u području regulative i dokaza najvjerojatnije je daljnje jačanje rigoroznosti procjene, jer su naglašeni i nužnost okvira "dokaz–doza–tvrdnja" [2] i središnja uloga stupnjevanja kvalitete dokaza (GRADE) na putu do pouzdanih zdravstvenih tvrdnji i regulatornog prihvaćanja [1].
