Abstract
ในปี 2025–2026 พบการเปลี่ยนแปลงที่ชัดเจนจากแนวทางเชิงพรรณนาไปสู่การออกแบบผลิตภัณฑ์ด้านโภชนาการและสารอาหารบำบัด (nutraceutical) โดยอิงตามสมมติฐานเชิงกลไก การวิจัยเชิงแปลผล (translational research) และการวิเคราะห์เชิงระบบ ซึ่งรวมถึงมัลติโอมิกส์ (multi-omics) และการพิจารณาบทบาทของโครงสร้างอาหาร (food matrix) รวมถึงประวัติการแปรรูปในการกำหนดค่าการดูดซึมเข้าสู่ร่างกาย (bioavailability) และผลทางสรีรวิทยา [1] ในขณะเดียวกัน "ตัวนำส่งระดับนาโนอัจฉริยะ" (smart nanocarriers) ถูกระบุว่าเป็นความก้าวหน้าในการกำหนดสูตรตำรับ ซึ่งช่วยแก้ปัญหาการละลายต่ำ ความเสถียรที่น้อย และการขาดการควบคุมการปลดปล่อยสารออกฤทธิ์ ในขณะที่ยังช่วยให้เกิดการปลดปล่อยที่ตอบสนองต่อสิ่งกระตุ้นในตำแหน่งเป้าหมาย (เช่น ขึ้นอยู่กับ pH/เอนไซม์/รีดอกซ์) [2] แนวทาง "สีเขียว" สำหรับการจัดหาและปรับปรุงส่วนผสมได้รับความสำคัญมากขึ้น รวมถึงการสกัดด้วยคาร์บอนไดออกไซด์ในสภาวะเหนือวิกฤต (SFE-CO2) สำหรับส่วนที่มีวิตามิน D3 และการเปลี่ยนรูปทางชีวภาพ (biotransformations) โดยใช้การหมักด้วยจุลินทรีย์และเอนไซม์ ซึ่งสามารถเพิ่มฤทธิ์ทางชีวภาพ (เช่น การเปลี่ยน hesperidin เป็น hesperetin) และสร้างโมเลกุลใหม่ภายใต้สภาวะที่ไม่รุนแรง [2, 3] ในด้านเวชศาสตร์คลินิกและโภชนาการ ความสำคัญของโภชนาการแม่นยำ (precision nutrition) ที่สนับสนุนโดย AI และข้อมูลทางชีวภาพของผู้ป่วยกำลังเติบโตขึ้น ในขณะที่ด้านกฎระเบียบและคุณภาพได้รับการยกระดับให้เข้มงวดขึ้น: ความจำเป็นสำหรับกรอบการทำงาน "หลักฐาน–ปริมาณ–คำกล่าวอ้าง" (evidence–dose–claim) และการจัดระดับความเชื่อมั่นของหลักฐานอย่างเข้มงวด (เช่น GRADE) เพื่อการกล่าวอ้างทางสุขภาพที่น่าเชื่อถือและการยอมรับจากหน่วยงานกำกับดูแล [1, 2] ในขณะเดียวกัน การผสานรวมระหว่างเทคโนโลยีอาหารและดิจิทัลกำลังเกิดขึ้น: ตั้งแต่แบบจำลองการทำนายการตอบสนองของระดับน้ำตาลในเลือดโดยใช้ CGM และจุลินทรีย์ในลำไส้ ไปจนถึงแพลตฟอร์ม AI แบบเอเจนต์ที่ช่วยเร่งการพัฒนาส่วนผสมและผลิตภัณฑ์ [4, 5]
Introduction
ผลงานวิจัยที่รวบรวมในช่วงปี 2025–2026 อธิบายถึง "วุฒิภาวะทางระเบียบวิธีวิจัย" ของการศึกษาเกี่ยวกับสารออกฤทธิ์ทางชีวภาพและอาหารฟังก์ชัน ผ่านการใช้กลยุทธ์มัลติโอมิกส์ (การสร้างโปรไฟล์ไมโครไบโอม, เมแทโบโลมิกส์, ลิพิดอมิกส์) และการเปลี่ยนไปสู่กระบวนทัศน์เชิงระบบและเชิงแปลผลที่หยั่งรากลึกในกลไกทางชีวภาพมากขึ้น [1] ในข้อมูลชุดเดียวกันนี้ มีการเน้นย้ำอย่างสม่ำเสมอว่าฤทธิ์ทางชีวภาพไม่สามารถแยกออกจากโครงสร้างอาหาร (food matrix) ประวัติการแปรรูป และความเสถียรทางกายภาพและเคมีได้ เนื่องจากสิ่งเหล่านี้เป็นปัจจัยกำหนดการเข้าถึงทางชีวภาพ (bioaccessibility) และผลกระทบทางสรีรวิทยาของส่วนผสม [1] ในทางปฏิบัติ หมายความว่านวัตกรรมในปี 2025–2026 ไม่ได้ถูกตีความว่าเป็นเพียง "ส่วนผสมใหม่" เท่านั้น แต่ยังรวมถึงวิธีการผลิต การสร้างความเสถียร การนำส่ง การวัดผล และการพิสูจน์ประสิทธิภาพในประชากรเป้าหมายที่กำหนดไว้อย่างเหมาะสม [1, 2]
ในช่วงเวลานี้ เทคโนโลยีและกฎระเบียบมีความเชื่อมโยงกันอย่างใกล้ชิดมากขึ้น: มีการเสนอโดยตรงถึงกรอบการประเมินทางวิทยาศาสตร์ที่ยึดแกน "หลักฐาน–ปริมาณ–คำกล่าวอ้าง" ซึ่งมีวัตถุประสงค์เพื่อตรวจสอบประสิทธิภาพ ความสัมพันธ์ระหว่างปริมาณและการตอบสนองที่ปลอดภัย และความเหมาะสมสำหรับประชากรเป้าหมายของแต่ละส่วนผสมอย่างเข้มงวด [2] ในขณะเดียวกันในโลกดิจิทัล มีการเน้นย้ำถึงความจำเป็นในการกำหนดมาตรฐานรูปแบบข้อมูลและขั้นตอนการวิเคราะห์เพื่อให้มั่นใจว่าแบบจำลองการทำนายนั้นเชื่อถือได้และสามารถทำซ้ำได้ รวมถึงความสำคัญของการนำไปใช้ด้วยความรับผิดชอบเพื่อการแปลผลไปสู่การใช้งานทางคลินิกที่มีความหมายและเท่าเทียม [4, 6]
Dietary Supplements
ในการอ้างอิงที่จัดทำขึ้น โซลูชันทางเทคโนโลยีส่วนใหญ่เกี่ยวข้องกับการจัดหาและการ "ออกแบบ" ส่วนผสม (การสกัด, การเปลี่ยนรูปทางชีวภาพ) และการจัดทำสูตรตำรับ (ตัวนำส่ง, การปลดปล่อยที่ตอบสนองต่อสิ่งกระตุ้น) ตลอดจนคุณภาพของหลักฐานและตรรกะของการกล่าวอ้างทางสุขภาพ ข้อสรุปด้านล่างนี้จึงครอบคลุมถึงเทคโนโลยีที่ใช้ทั่วไปสำหรับทั้งผลิตภัณฑ์เสริมอาหาร ส่วนผสมสำหรับอาหารฟังก์ชัน และผลิตภัณฑ์ทางการแพทย์ แต่ในบทนี้จะตีความจากมุมมองของผลิตภัณฑ์เสริมอาหารในฐานะสูตรตำรับที่มุ่งเน้นการส่งมอบสารออกฤทธิ์ทางชีวภาพเฉพาะเจาะจง [2]
Sourcing and Biotransformations of Ingredients
ตัวอย่างของการจัดหาส่วนผสมขั้นสูงคือ การได้รับส่วนที่มีวิตามิน D3 โดยใช้การสกัดด้วยคาร์บอนไดออกไซด์ในสภาวะเหนือวิกฤต (SFE-CO2) ที่ดำเนินการในโรงงานต้นแบบ [3] ในแนวทาง "โซลูชันที่เป็นมิตรต่อสิ่งแวดล้อม" เช่นเดียวกัน ความสำคัญของเทคโนโลยีการเปลี่ยนรูปทางชีวภาพ (biotransformation) รวมถึงการหมักด้วยจุลินทรีย์ ได้รับการเน้นย้ำว่าเป็นกลยุทธ์สำหรับการเพิ่มคุณค่าและสร้างความหลากหลายให้กับวัตถุดิบ [2]
ในระดับกลไกของการเปลี่ยนรูปทางชีวภาพ มีการอธิบายถึงการใช้ระบบเอนไซม์ของจุลินทรีย์ เช่น β-glucosidases และ esterases เพื่อการไฮโดรไลซิสและการปรับแต่งสารประกอบที่เกาะติดอยู่ในวัตถุดิบตั้งต้น [2] ตัวอย่างโดยละเอียดแสดงให้เห็นว่ากระบวนการดังกล่าวสามารถเพิ่มการดูดซึมเข้าสู่ร่างกาย (bioavailability) และฤทธิ์ทางชีวภาพได้อย่างมีนัยสำคัญโดยการเปลี่ยน hesperidin เป็น hesperetin ที่ออกฤทธิ์ได้ดีกว่า และในขณะเดียวกันก็นำไปสู่การสร้างโมเลกุลใหม่ที่ไม่มีอยู่ในวัตถุดิบดั้งเดิม โดยยังคงสภาวะการผลิตที่อ่อนโยนและเป็น "การผลิตสีเขียว" [2]
Delivery and Stabilization
มีการอธิบายอย่างชัดเจนว่าความก้าวหน้าสำคัญในเทคโนโลยีสูตรตำรับคือ การพัฒนาตัวนำส่งระดับนาโนอัจฉริยะ (smart nanocarriers) ที่มุ่งเป้าเพื่อเอาชนะอุปสรรคในการใช้งานในร่างกาย (in vivo) ของส่วนผสมออกฤทธิ์ทางชีวภาพ ซึ่งเป็นผลมาจากคุณสมบัติทางกายภาพและเคมีที่ซับซ้อนและโปรไฟล์เภสัชจลนศาสตร์ที่ไม่เหมาะสม [2] ระบบเหล่านี้ได้รับการออกแบบมาเพื่อแก้ปัญหาหลักในทางปฏิบัติอย่างเป็นระบบ: การละลายต่ำ ความเสถียรที่น้อย การกระจายตัวที่ไม่จำเพาะเจาะจง และการขาดการควบคุมการปลดปล่อยสารออกฤทธิ์ [2] การปลดปล่อยที่ตอบสนองต่อสิ่งกระตุ้นถูกระบุว่าเป็นรูปแบบที่น่ามีความหวังอย่างยิ่ง ซึ่งช่วยให้สามารถปลดปล่อยได้อย่างแม่นยำในตำแหน่งเป้าหมายผ่านวัสดุที่ตอบสนองต่อสภาพแวดล้อมทางพยาธิวิทยาขนาดเล็ก เช่น pH, เอนไซม์ หรือระดับรีดอกซ์ที่เฉพาะเจาะจง [2]
ในด้านอาหารฟังก์ชัน (ซึ่งมักถูกนำมาประยุกต์ใช้กับผลิตภัณฑ์เสริมอาหาร) บทบาทของระบบที่รักษาคุณภาพและความเสถียรของส่วนผสมที่ไวต่อออกซิเจนยังได้รับเน้นย้ำเพิ่มเติม เนื่องจากกลยุทธ์นี้ถือเป็นสิ่งสำคัญในการรักษาคุณภาพ ประสิทธิภาพ และอายุการเก็บรักษาของ "สารอาหารที่ไวต่อออกซิเจน" ในอาหารฟังก์ชันและผลิตภัณฑ์เสริมอาหาร [7]
Clinical Evidence and Claims Logic
ในเอกสารที่รวบรวมมา แนวทาง "หลักฐาน–ปริมาณ–คำกล่าวอ้าง" ได้รับการยอมรับอย่างสูงในฐานะเงื่อนไขของความน่าเชื่อถือ: มีการระบุว่าจำเป็นต้องสร้างระบบการประเมินทางวิทยาศาสตร์ตามหลัก "หลักฐาน–ปริมาณ–คำกล่าวอ้าง" ซึ่งตรวจสอบประสิทธิภาพ ความสัมพันธ์ระหว่างปริมาณและการตอบสนองที่ปลอดภัย และประชากรเป้าหมายสำหรับแต่ละส่วนผสมอย่างเข้มงวด [2] จากมุมมองของการปฏิบัติในด้านผลิตภัณฑ์เสริมอาหาร ตัวอย่างที่สำคัญคือการสังเคราะห์หลักฐานสำหรับสารเฉพาะเจาะจง: การรวมการทบทวนวรรณกรรมอย่างเป็นระบบและการวิเคราะห์อภิมาน (meta-analysis) ที่ประเมินโดยระเบียบวิธี GRADE สำหรับการเสริม β-hydroxy-β-methylbutyrate (HMB) ถูกอธิบายว่าเป็นคุณูปการที่สำคัญ และในวงกว้างคือการเป็นรูปแบบสำหรับการสังเคราะห์ที่โปร่งใสและการประเมินความเชื่อมั่นของหลักฐานอย่างมีวิจารณญาณ [1] มีการเน้นย้ำโดยตรงว่าเส้นทางสู่คำกล่าวอ้างทางสุขภาพที่น่าเชื่อถือและการยอมรับจากหน่วยงานกำกับดูแลนั้นถูก "ปูทาง" ด้วยระเบียบวินัยทางระเบียบวิธีวิจัยและการจัดระดับคุณภาพหลักฐานอย่างเข้มงวด [1]
Functional Food
ภาพรวมในปี 2025–2026 แสดงให้เห็นถึงการเปลี่ยนไปสู่การออกแบบเชิงกลไกและเชิงระบบ ซึ่งปฏิสัมพันธ์ระหว่างอาหาร–จุลินทรีย์–เจ้าบ้าน (diet–microbiota–host) จะถูกวิเคราะห์เชิงแปลผล ไม่ใช่แค่เชิงพรรณนา [1] ในด้านระเบียบวิธีวิจัย การบรรลุวุฒิภาวะผ่านการใช้มัลติโอมิกส์ ซึ่งรวมถึงการสร้างโปรไฟล์ไมโครไบโอม เมแทโบโลมิกส์ และลิพิดอมิกส์ ได้รับการเน้นย้ำ [1] ในขณะเดียวกัน มีการระบุอย่างสม่ำเสมอว่าฤทธิ์ทางชีวภาพมีความเชื่อมโยงอย่างแยกไม่ออกกับโครงสร้างอาหาร (food matrix) ประวัติการแปรรูป และความเสถียรทางกายภาพและเคมี ซึ่งเป็นปัจจัยกำหนดการเข้าถึงทางชีวภาพและผลกระทบทางสรีรวิทยา [1]
New Ingredient Classes and Product Concepts
ภายในกระแสนวัตกรรมของส่วนผสม โพสต์ไบโอติก (postbiotics) มีตำแหน่งที่พิเศษ ซึ่งมีการรับคำจำกัดความของ ISAPP มาใช้เป็นมาตรฐาน: "ผลิตภัณฑ์จากจุลินทรีย์ที่ไม่มีชีวิต และ/หรือส่วนประกอบของจุลินทรีย์ที่ให้ประโยชน์ต่อสุขภาพแก่เจ้าบ้าน" [8] ในขณะเดียวกัน มีการเน้นย้ำว่าการยอมรับคำจำกัดความนี้ไม่ได้ทำให้แนวทางอื่นๆ หมดความสำคัญลง และการใช้ชื่อเรียกยังคงเป็น "ประเด็นที่เปิดกว้างและมีการถกเถียงอย่างต่อเนื่อง" ซึ่งไม่ควรเป็นอุปสรรคสำคัญต่อความก้าวหน้าของการวิจัย [8]
ในระดับกลไก มีการอธิบายว่าโพสต์ไบโอติกสามารถเสริมสร้างการทำงานของเยื่อบุผิว ควบคุมการตอบสนองทางภูมิคุ้มกันทั้งแบบแต่กำเนิดและแบบปรับตัว และปรับการแสดงออกของยีนของเจ้าบ้านผ่านตัวรับที่จดจำรูปแบบ (pattern recognition receptors) และการดัดแปลงเหนือพันธุกรรม (epigenetic modifications) [9] ในขณะเดียวกัน อุปสรรคสำคัญในการแปลผลไปสู่การใช้งานทางคลินิกก็ถูกระบุไว้ด้วย ซึ่งรวมถึงความแปรปรวนของสูตรตำรับ ความเข้าใจที่จำกัดเกี่ยวกับปฏิสัมพันธ์ระหว่างลำไส้และสมอง การย่อยสลายระหว่างการเดินทางผ่านทางเดินอาหาร และความแปรปรวนของไมโครไบโอมในแต่ละบุคคล [10]
Evidence and Health Effect Models
ในด้านการปรับโภชนาการเฉพาะบุคคลในระดับเมแทบอลิซึม มีการอ้างถึงการศึกษาที่รวบรวมข้อมูลจากการตรวจสอบระดับน้ำตาลในเลือดอย่างต่อเนื่อง (CGM) ร่วมกับข้อมูลทางคลินิก พฤติกรรม และตัวแปรของจุลินทรีย์ในลำไส้ เพื่อฝึกแบบจำลองการถดถอยแบบ gradient-boosted ในกลุ่มตัวอย่างกว่า 800 ราย และอาหาร 46,898 มื้อ [4] แบบจำลองนี้สามารถทำนายการตอบสนองของระดับน้ำตาลในเลือดของแต่ละบุคคลต่อมื้ออาหารเฉพาะได้อย่างแม่นยำ ช่วยให้สามารถกำหนดคำแนะนำด้านอาหารเฉพาะบุคคลที่มุ่งเน้นการเพิ่มประสิทธิภาพของผลทางเมแทบอลิซึม [4]
ในสาขาภูมิคุ้มกันวิทยาของการยอมรับอาหาร (food tolerance immunology) มีการระบุกลไกที่การตอบสนองของเซลล์ Treg ต่อโปรตีนสะสมในเมล็ดพืชอาจเป็นเส้นทางร่วมที่นำไปสู่การยอมรับผ่านทางปาก (oral tolerance) [11] นอกจากนี้ ในด้านเทคโนโลยีการนำส่งและการแทรกแซงที่ซับซ้อน (ซินไบโอติก/หลายส่วนผสม) ผลการวิจัยแสดงให้เห็นว่า "เจลอิมัลชันสองชั้น" (double emulsion gel) สามารถนำมาใช้เพื่อส่งมอบโพรไบโอติกและ CBD ไปยังทางเดินอาหารได้ [12] ในแบบจำลอง SHIME® พบว่ามีการเพิ่มขึ้นของวงศ์แบคทีเรียที่มีประโยชน์ (Lachnospiraceae และ Clostridiaceae) การนำส่ง การปลดปล่อย และการคงอยู่ของ _L. plantarum_ ที่มีประสิทธิภาพ ตลอดจนการผลิตบิวไทเรตและแลกเตตที่เพิ่มขึ้น [12] และการวิเคราะห์เชิงปริมาณแสดงให้เห็นการปลดปล่อยแบคทีเรียโพรไบโอติกจากเจลอย่างมีประสิทธิภาพ (จำนวนแบคทีเรียสูงขึ้นอย่างมีนัยสำคัญหลังการใช้) [12]
Processing and Manufacturing Technologies
ในด้านการแปรรูป มีการเน้นย้ำว่าวิธีการที่ไม่ใช้ความร้อนมีข้อดีที่ชัดเจน: ช่วยให้สามารถรักษาส่วนผสมที่ไวต่อความร้อน เพิ่มการดูดซึมเข้าสู่ร่างกายโดยการปรับปรุงโครงสร้างอาหาร และสนับสนุนระบบการห่อหุ้ม (encapsulation) นวัตกรรมที่เอาชนะข้อจำกัดของวิธีการใช้ความร้อนแบบดั้งเดิม [13] กระบวนการแปรรูปด้วยความดันสูง (HPP) ถูกระบุว่าเป็นตัวอย่างหนึ่ง ซึ่งช่วยยับยั้งจุลินทรีย์ที่ความดัน 400–600 MPa ที่อุณหภูมิห้อง และในเครื่องดื่มเสริมสารอาหาร จะช่วยรักษาคุณภาพของวิตามิน โพลีฟีนอล และคุณลักษณะทางประสาทสัมผัสได้ดีกว่าการพาสเจอร์ไรส์ด้วยความร้อน [13] นอกจากนี้ยังมีการกล่าวถึงเทคโนโลยี PEF ซึ่งผ่านการใช้พัลส์ไฟฟ้าแรงสูงระยะสั้น จะนำไปสู่การเพิ่มการซึมผ่านของเยื่อหุ้มเซลล์แบบย้อนกลับได้ เพิ่มการสกัดพฤกษเคมี และยับยั้งจุลินทรีย์โดยมีผลกระทบจากความร้อนเพียงเล็กน้อย [13]
ในการผลิตทางชีวภาพ (biomanufacturing) การพัฒนาระบบควบคุมการหมักแบบอัตโนมัติได้รับการเน้นย้ำ: อุปกรณ์ edge computing แบบฝังตัว (เช่น NVIDIA Jetson AGX Orin) จะรันอัลกอริทึมการเรียนรู้แบบเสริมกำลัง (reinforcement learning) ที่ปรับพารามิเตอร์ของถังหมักแบบไดนามิกในเวลาจริง (อุณหภูมิ, pH, ความเร็วในการกวน) [14] ในระดับระบบ มีการนำเสนอการทบทวนเรื่อง "การหมักแบบแม่นยำ" (precision fermentation) ซึ่งรวมการออกแบบสายพันธุ์ วิศวกรรมกระบวนการชีวภาพ ความเป็นไปได้ทางเทคนิคและเศรษฐกิจ ผลลัพธ์ด้านสิ่งแวดล้อม และความพร้อมด้านกฎระเบียบไว้ในกรอบการทำงานเดียว เพื่อตอบโจทย์ช่องว่างในบทความทบทวนก่อนหน้าที่เน้นเพียงผลิตภัณฑ์หรือสิ่งมีชีวิต [15] จากมุมมองด้านความยั่งยืน มีการระบุว่าการหมักแบบแม่นยำ เมื่อเปรียบเทียบกับการเลี้ยงสัตว์และการเพาะปลูกแบบดั้งเดิม จะใช้ที่ดินและน้ำน้อยกว่า ปล่อยก๊าซเรือนกระจกต่ำกว่า และให้ผลิตภัณฑ์ที่มีคุณภาพสม่ำเสมอ ปราศจากสารปนเปื้อน [15] แม้ว่าจะมีการเน้นย้ำถึงอุปสรรคสำคัญ เช่น ค่าใช้จ่ายด้านเงินทุนและพลังงานที่สูง ปัญหาการขยายขนาด ความซับซ้อนของกระบวนการปลายน้ำ รวมถึงความไม่แน่นอนด้านกฎระเบียบและการยอมรับของผู้บริโภค [15]
Medical Food
ในเอกสารที่จัดทำขึ้น แกนของ "อาหารทางการแพทย์" เชื่อมโยงกับโภชนาการแม่นยำและเวชศาสตร์เฉพาะบุคคล ซึ่งการแทรกแซงจะถูกปรับให้เหมาะกับโปรไฟล์ทางชีวภาพของผู้ป่วย (จีโนมิกส์, จุลินทรีย์ในลำไส้, ตัวบ่งชี้การเผาผลาญ) และ AI ถูกระบุว่าเป็นเส้นทางที่เป็นไปได้มากที่สุดสำหรับการนำโภชนาการแม่นยำไปใช้ในการจัดการโรคเรื้อรัง [16, 17] ในแนวทางปฏิบัติทางคลินิก ยังมีการอ้างข้อมูลว่าการทดลองทางคลินิก "แสดงให้เห็นอย่างต่อเนื่อง" ถึงผลลัพธ์ที่ดีกว่าของการบำบัดที่อิงตามโปรไฟล์จีโนมิกส์ จุลินทรีย์ในลำไส้ หรือตัวบ่งชี้การเผาผลาญของผู้ป่วย เมื่อเทียบกับคำแนะนำด้านอาหารแบบทั่วไป [16]
Clinical Evidence and Intervention Examples
ในด้านการแทรกแซงด้วยจุลินทรีย์ มีการอ้างผลลัพธ์ว่าการเสริมด้วยสายพันธุ์ _B. BBr60_ ในการทดลองทางคลินิกมีความสัมพันธ์กับการปรับปรุงโปรไฟล์ลิพิดอย่างมีนัยสำคัญผ่านการเพิ่ม HDL และลดคอเลสเตอรอลรวม [18] ในผลลัพธ์เดียวกันนี้ ยังพบการดีขึ้นของสุขภาพทางเดินอาหาร วัดโดยการลดลงของ NDI (p = 0.002) ซึ่งตีความว่าความรู้สึกไม่สบายในทางเดินอาหารมีผลกระทบต่อการดำเนินชีวิตประจำวันลดลง [18] ตลอดจนการดีขึ้นของอาการทางระบบทางเดินอาหารและสภาวะทางอารมณ์ พร้อมกับการลดลงอย่างมีนัยสำคัญของคะแนน ADS (p = 0.000) รวมถึงอาการที่เกี่ยวข้องกับการบริโภคแอลกอฮอล์ [18]
ในขณะเดียวกัน ในเอกสารด้านกฎระเบียบและคลินิก พบว่า FDA ได้อนุมัติ sBLA สำหรับ PALYNZIQ (pegvaliase-pqpz) โดยขยายข้อบ่งใช้ไปยังผู้ป่วยเด็กอายุ 12 ปีขึ้นไปที่มีภาวะฟีนิลคีโตนูเรีย (phenylketonuria) [19] และข้อมูลระบุถึงการลดลงของระดับฟีนิลอะลานีนในเลือดที่สัปดาห์ที่ 72 ในกลุ่มที่ได้รับ PALYNZIQ อย่างมีนัยสำคัญมากกว่ากลุ่มที่ "คุมอาหารเพียงอย่างเดียว" [19] สำหรับโรคที่พบน้อยมาก มีการอ้างถึง LOARGYS ในฐานะการบำบัดที่มุ่งเป้าไปที่ "ตัวขับเคลื่อนหลัก" ของโรค (ระดับอาร์จินีนที่สูงอย่างต่อเนื่องใน ARG1-D) พร้อมการอนุมัติแบบเร่งด่วนจาก FDA ตามผลการศึกษา PEACE ระยะที่ 3 ซึ่ง LOARGYS สามารถลดอาร์จินีนในพลาสมาได้อย่างมีนัยสำคัญเมื่อเทียบกับยาหลอกหลังจากผ่านไป 24 สัปดาห์ [20]
ในสาขาโรคหายากและประสาทวิทยา ยังมีการอ้างว่า leucovorin เป็นการรักษาแรกสำหรับภาวะทางพันธุกรรมที่หายาก "ภาวะขาดโฟเลตในสมอง" (cerebral folate deficiency) [21] และ Avlayah (การให้ยาทางหลอดเลือดดำรายสัปดาห์) ได้รับการอนุมัติสำหรับการรักษาอาการทางประสาทของกลุ่มอาการ Hunter ภายใต้เงื่อนไขทางคลินิกและประชากรที่เฉพาะเจาะจง [22]
Personalization Technologies and Patient Data
ภายใต้ขอบเขตของโภชนาการเฉพาะบุคคลระดับสูง (hyper-personalization) มีการระบุถึงการประยุกต์ใช้การเรียนรู้ของเครื่อง (machine learning) กับข้อมูลที่เก็บรวบรวม "จากหน้างาน": แบบจำลองการเรียนรู้แบบร่วมพันธมิตร (federated learning) สามารถทำนายการตอบสนองของระดับน้ำตาลในเลือดตามข้อมูลชีวมาตรจากอุปกรณ์สวมใส่ และโครงข่ายประสาทเทียมสามารถถอดรหัสความชอบทางประสาทสัมผัสจากการอภิปรายในโซเชียลมีเดีย [14] ในบริบทของการทบทวนเนื้อหา มีการเน้นย้ำว่า AI สามารถเปลี่ยนแปลงได้ทั้งกระบวนการหมักแบบแม่นยำไปสู่การสังเคราะห์ทางชีวภาพของโปรตีน เอนไซม์ และสารประกอบฟังก์ชันอย่างยั่งยืน และระบบอาหารเฉพาะบุคคลระดับสูงที่บูรณาการจีโนมิกส์ เมแทโบโลมิกส์ และจิตวิทยาผู้บริโภคเข้าด้วยกันเพื่อให้คำแนะนำที่สอดคล้องแบบ "เวลาจริง" [14]
Safety and Research Gaps
จากมุมมองของความปลอดภัยและการพัฒนาผลิตภัณฑ์ทางการแพทย์และโภชนาการ มีการเน้นย้ำว่าก่อนที่โปรตีนจากพืชจะสามารถนำไปใช้ในเชิงพาณิชย์ในการใช้งานที่สำคัญ (เช่น อาหารสำหรับทารก) จำเป็นต้องมีการประเมินศักยภาพในการก่อภูมิแพ้อย่างกว้างขวาง รวมถึงการทดสอบในหลอดทดลอง การศึกษาในสัตว์ และการทดลองทางคลินิกในทารกในที่สุด [23] นอกจากนี้ ยังมีการระบุว่าในปัจจุบันยังไม่มีโปรตีนจากพืชชนิดอื่น (เช่น ถั่วลันเตา, เลนทิล, ถั่วปากอ้า) ที่ได้รับอนุมัติให้ใช้ในสูตรอาหารสำหรับทารกอายุต่ำกว่า 1 ปี และยังมีช่องว่างของข้อมูลเกี่ยวกับความสามารถในการก่อภูมิแพ้ในกลุ่มอายุนี้ [23]
ในส่วนของปฏิสัมพันธ์ระหว่างโภชนาการและเภสัชวิทยา มีการระบุว่าผลกระทบของการแปรรูปอาหารต่อการดูดซึมยา เมแทบอลิซึม และฤทธิ์ทางเภสัชวิทยาที่ตามมานั้นเป็นเรื่อง "เร่งด่วนแต่ยังมีการศึกษาน้อยเกินไป" ซึ่งหมายถึงช่องว่างสำคัญในการออกแบบการแทรกแซงทางอาหารและการแพทย์ภายใต้สภาวะทางโภชนาการจริง [24]
Breakthrough Technologies
ในปี 2025–2026 เทคโนโลยี "แนวราบ" จะรวมสามระดับเข้าด้วยกัน: (1) การผลิตและปรับแต่งส่วนผสม (การสกัดและการเปลี่ยนรูปทางชีวภาพ), (2) ระบบการจัดทำสูตรและการนำส่งขั้นสูง และ (3) แพลตฟอร์มข้อมูล การกำหนดมาตรฐาน และ AI ที่สนับสนุนการออกแบบและการตรวจสอบผลลัพธ์ ในเอกสารอ้างอิงที่รวบรวมมา องค์ประกอบเหล่านี้ปรากฏเป็นส่วนประกอบของทิศทางการพัฒนาที่เป็นอันหนึ่งอันเดียวกัน ซึ่งผลิตภัณฑ์จะถูก "ออกแบบ" ไปพร้อมกันในระดับของเคมี ตัวนำส่ง และหลักฐานทางคลินิก [2]
Delivery Engineering
ตัวนำส่งระดับนาโนอัจฉริยะ (smart nanocarriers) ถูกนำเสนอว่าเป็นความก้าวหน้าครั้งสำคัญในเทคโนโลยีสูตรตำรับ ช่วยให้สามารถเอาชนะอุปสรรคในร่างกายที่เกิดจากคุณสมบัติทางกายภาพและเคมีและเภสัชจลนศาสตร์ของส่วนผสมออกฤทธิ์ทางชีวภาพได้ [2] ชุดปัญหาที่ระบบเหล่านี้มุ่งหมายจะแก้ไขได้รับการกำหนดไว้เช่นกัน ได้แก่ การละลาย ความเสถียร การกระจายตัวที่ไม่จำเพาะเจาะจง และการควบคุมการปลดปล่อย [2] การปลดปล่อยที่ตอบสนองต่อสิ่งกระตุ้นผ่านวัสดุที่ตอบสนองต่อ pH เอนไซม์ หรือรีดอกซ์ในสภาวะแวดล้อมทางพยาธิวิทยาขนาดเล็กนั้นมีความน่าสนใจเป็นพิเศษ เนื่องจากมีเป้าหมายเพื่อให้สามารถปลดปล่อยได้อย่างแม่นยำที่ตำแหน่งเป้าหมาย [2]
Biotransformations and Fermentation
ในด้านการเปลี่ยนรูปทางชีวภาพ การหมักด้วยจุลินทรีย์ถูกระบุว่าเป็นโซลูชัน "ที่เป็นมิตรต่อสิ่งแวดล้อม" สำหรับการเพิ่มคุณค่าและสร้างความหลากหลายให้กับวัตถุดิบ [2] ในเชิงกลไก บทบาทของเอนไซม์จุลินทรีย์ เช่น β-glucosidases และ esterases ในการไฮโดรไลซิสและการปรับแต่งส่วนประกอบที่เกาะติดในวัตถุดิบตั้งต้นได้รับการอธิบายไว้ [2] ส่งผลให้มีความเป็นไปได้ในการเพิ่มการดูดซึมเข้าสู่ร่างกายและฤทธิ์ทางชีวภาพ ซึ่งรวมถึงการเปลี่ยน hesperidin เป็น hesperetin ที่ออกฤทธิ์ได้ดีกว่า และการสร้างโมเลกุลใหม่ภายใต้สภาวะที่ไม่รุนแรงซึ่งสอดคล้องกับหลักการ "การผลิตสีเขียว" [2]
Personalization and AI Platforms
ในแหล่งข้อมูลที่อ้างถึง แนวคิดของแพลตฟอร์มการพัฒนาและการปรับเฉพาะบุคคลได้ปรากฏขึ้น ซึ่งมี "รากฐานสำคัญ" ได้แก่ การประเมินบุคคลในหลายมิติ การแทรกแซงแบบปรับตัวและระบบตอบรับ และ "การจัดทำสูตรและการออกแบบอัจฉริยะที่ขับเคลื่อนด้วย AI" [2] ในทำนองเดียวกัน มีการระบุว่าการจัดการสุขภาพเฉพาะบุคคลจะบรรลุผลได้ผ่านแพลตฟอร์มข้อมูลและผลิตภัณฑ์ที่ผสานรวมกัน วิเคราะห์ความแตกต่างระหว่างบุคคล และนำเสนอโซลูชันที่ปรับให้เหมาะสม [2]
ตัวอย่างของการเร่งการวิจัยและพัฒนา (R&D) ในรูปแบบดิจิทัลคือ AMBROSIA ซึ่งเป็นแพลตฟอร์ม AI แบบเอเจนต์ที่บูรณาการข้อมูลทางชีวภาพเข้ากับ "การดำเนินการวิจัยอัจฉริยะ" โดยมีวัตถุประสงค์เพื่อเร่งการพัฒนาผลิตภัณฑ์ เพิ่มประสิทธิภาพการระบุลักษณะเฉพาะของสารสกัด และระบุตลาดเป้าหมายใหม่สำหรับส่วนผสมที่มีอยู่ [5] ในด้านการผลิต ยังมีการระบุถึง edge-RL สำหรับการปรับพารามิเตอร์ของถังหมักแบบไดนามิกในเวลาจริง ซึ่งเป็นพื้นฐานทางเทคโนโลยีสำหรับกระบวนการหมักที่มีความเสถียรและมีประสิทธิภาพมากขึ้น [14]
Standardization of Evidence
เอกสารต่างๆ ระบุถึงสองแกนหลักของการกำหนดมาตรฐานที่เสริมซึ่งกันและกัน: การกำหนดมาตรฐานข้อมูลและการกำหนดมาตรฐานหลักฐาน จากมุมมองของข้อมูล มีการเน้นย้ำว่าการกำหนดมาตรฐานรูปแบบ การประมวลผลเบื้องต้น และโครงสร้างการวิเคราะห์เป็นสิ่งจำเป็นสำหรับการสร้างแบบจำลองที่เชื่อถือได้ สามารถทำซ้ำได้ และสามารถถ่ายโอนได้ [4] จากมุมมองของหลักฐานทางคลินิก ความสำคัญของแนวทาง GRADE (โดยใช้ HMB เป็นตัวอย่าง) ได้รับการเน้นย้ำว่าเป็นต้นแบบสำหรับการสังเคราะห์และการประเมินความเชื่อมั่นของหลักฐานอย่างโปร่งใส [1] และยังเน้นย้ำว่าการยอมรับจากหน่วยงานกำกับดูแลและคำกล่าวอ้างทางสุขภาพที่น่าเชื่อถือนั้นต้องการระเบียบวินัยทางระเบียบวิธีวิจัยและการจัดระดับคุณภาพหลักฐานอย่างเข้มงวด [1] นอกจากนี้ กรอบงาน "หลักฐาน–ปริมาณ–คำกล่าวอ้าง" ยังได้รับการเสนอโดยตรงให้เป็นระบบทางวิทยาศาสตร์สำหรับการประเมินประสิทธิภาพ ความปลอดภัย และความเหมาะสมสำหรับประชากรเป้าหมาย [2]
Trends
ตลอดช่วงปี 2025–2026 สามารถระบุแนวโน้มได้หลายประการที่เกิดขึ้นซ้ำอย่างต่อเนื่องในแหล่งข้อมูลที่อ้างถึง และเชื่อมโยงผลิตภัณฑ์เสริมอาหาร อาหารฟังก์ชัน และผลิตภัณฑ์ทางการแพทย์เข้าด้วยกันเป็นระบบนิเวศนวัตกรรมเดียว
แนวโน้มแรกคือการเปลี่ยนผ่านจาก "การรวบรวมข้อมูลเชิงพรรณนา" ไปสู่การวิจัยเชิงกลไกและการแปลผลที่ขับเคลื่อนด้วยสมมติฐาน ซึ่งถูกอธิบายไว้อย่างชัดเจนว่าเป็นสาขาที่ "อยู่ระหว่างการเปลี่ยนแปลงอย่างแข็งขัน" [1] แนวโน้มที่สองคือการทำให้แนวทางมัลติโอมิกส์กลายเป็นสถาบันในฐานะเครื่องมือสำหรับวุฒิภาวะทางระเบียบวิธีวิจัยของการศึกษาเกี่ยวกับฤทธิ์ทางชีวภาพและปฏิสัมพันธ์ระหว่างอาหาร–จุลินทรีย์–เจ้าบ้าน [1]
แนวโน้มที่สามคือการออกแบบผลิตภัณฑ์ที่ "คำนึงถึงโครงสร้างอาหาร" (matrix-aware) โดยถือว่าโครงสร้างอาหาร กระบวนการแปรรูป และความเสถียรเป็นปัจจัยกำหนดการเข้าถึงทางชีวภาพและผลกระทบทางสรีรวิทยา มากกว่าที่จะเป็นรายละเอียดทางเทคโนโลยีระดับรอง [1] แนวโน้มที่สี่คือการเปลี่ยนจากโพรไบโอติกในฐานะแกนหลักเพียงหนึ่งเดียวของนวัตกรรมด้านจุลินทรีย์ไปสู่โพสต์ไบโอติก โดยมีความพยายามที่จะสร้างความสามัคคีในคำจำกัดความผ่านมาตรฐาน ISAPP ในขณะที่ยอมรับว่าการเรียกชื่อยังคงเป็นประเด็นที่ถกเถียงกันอยู่ [8]
แนวโน้มที่ห้าคือบทบาทที่เพิ่มขึ้นของ AI ในการปรับเฉพาะบุคคลและการวิจัยและพัฒนา: ตั้งแต่แบบจำลองการทำนายการตอบสนองของระดับน้ำตาลในเลือดที่สร้างขึ้นจากตัวแปร CGM และจุลินทรีย์ในลำไส้ ไปจนถึงแพลตฟอร์มเอเจนต์ที่บูรณาการข้อมูลทางชีวภาพเข้ากับการดำเนินการวิจัยเพื่อเร่งการพัฒนาผลิตภัณฑ์ [4, 5] แนวโน้มที่หกคือระบบอัตโนมัติและ "ความฉลาดของกระบวนการ" ในการผลิตทางชีวภาพ รวมถึงการเรียนรู้แบบเสริมกำลังที่ปรับพารามิเตอร์ของถังหมักในเวลาจริง ซึ่งสนับสนุนความเสถียรและประสิทธิภาพของกระบวนการหมักในการผลิตส่วนผสมฟังก์ชัน [14]
Challenges
ความท้าทายที่ระบุสำหรับปี 2025–2026 มีทั้งในด้านการแปลผล กฎระเบียบ และวิศวกรรม โดยหลายเรื่องเกี่ยวข้องกับสิ่งที่เกิดขึ้น "ระหว่าง" ห้องปฏิบัติการ การผลิต ตลาด และการปฏิบัติทางคลินิก
ในด้านไมโครไบโอมและโพสต์ไบโอติก อุปสรรคในการแปลผลรวมถึงความแปรปรวนของสูตรตำรับ การย่อยสลายในทางเดินอาหาร ความเข้าใจที่จำกัดเกี่ยวกับปฏิสัมพันธ์ระหว่างลำไส้และสมอง และความแปรปรวนของไมโครไบโอมในแต่ละบุคคล ซึ่งทำให้ทั้งการออกแบบการศึกษาและการทำนายผลในประชากรมีความซับซ้อน [10] ในขณะเดียวกัน ในด้านกลุ่มส่วนผสมใหม่ มีการระบุว่าการใช้ชื่อเรียก (เช่น โพสต์ไบโอติก) ยังคงเป็นที่ถกเถียงกัน แม้ว่าจะไม่ควรขัดขวางความก้าวหน้า ซึ่งในทางปฏิบัติหมายถึงความจำเป็นในการทำงานคู่ขนานกันทั้งในด้านคำจำกัดความ มาตรฐานคุณภาพ และเกณฑ์หลักฐาน [8]
ในด้านข้อมูลและ AI มีการระบุว่าการกำหนดมาตรฐานรูปแบบข้อมูล การประมวลผลเบื้องต้น และโครงสร้างการวิเคราะห์เป็นเงื่อนไขสำหรับแบบจำลองที่ทำซ้ำได้และถ่ายโอนได้ [4] ในขณะเดียวกัน มีการเน้นย้ำว่าการปรับปรุงระเบียบวิธีวิจัยเพิ่มเติมและการนำไปใช้อย่างรับผิดชอบเป็นสิ่งสำคัญในการแปลนวัตกรรมไปสู่การใช้งานทางคลินิกที่มีนัยสำคัญและเท่าเทียม [6]
ในด้านการผลิตทางชีวภาพและ "การหมักแบบแม่นยำ" อุปสรรคที่เกี่ยวข้องกับต้นทุนเงินทุนและพลังงาน ปัญหาการขยายขนาด ความซับซ้อนของกระบวนการปลายน้ำ การยอมรับของผู้บริโภค และความไม่แน่นอนด้านกฎระเบียบได้รับการอธิบายไว้ [15] จากมุมมองของความเป็นไปได้และความยั่งยืน ยังมีการเน้นย้ำว่าการเลือกสายพันธุ์ การออกแบบกระบวนการ และกระบวนการปลายน้ำมีอิทธิพลอย่างมากต่อความยั่งยืนและความเป็นไปได้ในเชิงพาณิชย์ ซึ่งเป็นการกำหนดทิศทางสำหรับลำดับความสำคัญในการพัฒนาเทคโนโลยีในอีกไม่กี่ปีข้างหน้า [15]
ในด้านความปลอดภัยและการปฏิบัติทางคลินิก ช่องว่างของการวิจัยเกี่ยวกับผลกระทบของการแปรรูปอาหารต่อการดูดซึมยา เมแทบอลิซึม และฤทธิ์ทางเภสัชวิทยาได้รับการระบุว่าเป็นเรื่องเร่งด่วนแต่ยังมีการศึกษาน้อยเกินไป [24] ในการใช้งานทางโภชนาการที่สำคัญ ยังมีการระบุว่าจำเป็นต้องมีการประเมินความสามารถในการก่อภูมิแพ้อย่างเต็มรูปแบบ (ในหลอดทดลอง, สัตว์, และสุดท้ายคือการศึกษาในทารก) ก่อนที่จะจำหน่ายโปรตีนจากพืชชนิดใหม่ในเชิงพาณิชย์ และในขณะเดียวกัน ยังพบการขาดการอนุมัติสำหรับโปรตีนจากพืชทางเลือกในสูตรอาหารสำหรับทารกอายุ < 1 ปี และการขาดข้อมูลความสามารถในการก่อภูมิแพ้ในกลุ่มนี้ [23]
Implications
แหล่งข้อมูลที่อ้างถึงเผยให้เห็นผลกระทบในทางปฏิบัติที่สามารถจัดระเบียบได้ตามคำถามสามข้อ: จะผลิตส่วนผสมอย่างไร จะนำส่งเข้าสู่ร่างกายอย่างไร และจะพิสูจน์และขยายขนาดผลลัพธ์ได้อย่างไร
สำหรับผู้ผลิต ทิศทางเทคโนโลยีสองทางที่ขนานกันถือเป็นหัวใจสำคัญ: ในด้านหนึ่งคือการจัดหาและการเปลี่ยนรูปทางชีวภาพขั้นสูง (SFE-CO2 สำหรับส่วนที่มีวิตามิน D3 และการหมักด้วยจุลินทรีย์/เอนไซม์ที่สามารถเพิ่มฤทธิ์ทางชีวภาพและสร้างโมเลกุลใหม่) [2, 3] และในอีกด้านหนึ่งคือการพัฒนาระบบสูตรตำรับที่แก้ปัญหาการละลาย ความเสถียร และการควบคุมการปลดปล่อย รวมถึงการปลดปล่อยที่ตอบสนองต่อสิ่งกระตุ้นในสภาพแวดล้อมเป้าหมายขนาดเล็ก [2] สำหรับแผนกวิจัยและพัฒนา "ตัวเร่ง" เพิ่มเติมคือแพลตฟอร์ม AI ที่บูรณาการข้อมูลทางชีวภาพเข้ากับการดำเนินการวิจัยเพื่อเร่งการพัฒนาผลิตภัณฑ์และระบุลักษณะของสารสกัด ตัวอย่างคือ AMBROSIA [5]
สำหรับแพทย์และทีมโภชนาการ การสนับสนุนที่เพิ่มขึ้นจากข้อมูลและแบบจำลองเป็นสิ่งสำคัญ: มีการแสดงให้เห็นว่าแบบจำลองที่ใช้ CGM ร่วมกับข้อมูลทางคลินิก พฤติกรรม และไมโครไบโอมสามารถทำนายการตอบสนองของระดับน้ำตาลในเลือดได้อย่างแม่นยำและช่วยให้สามารถปรับแนะนำเฉพาะบุคคลได้ [4] ตำแหน่งที่ว่าการบำบัดและคำแนะนำที่อิงตามโปรไฟล์จีโนมิกส์ ไมโครไบโอม หรือตัวบ่งชี้การเผาผลาญให้ผลลัพธ์ที่ดีกว่าคำแนะนำทั่วไป และ AI เป็นเส้นทางที่มีแนวโน้มมากที่สุดในการนำโภชนาการแม่นยำไปใช้จัดการโรคเรื้อรัง ก็เป็นข้อมูลที่สนับสนุนเช่นกัน [16, 17]
สำหรับหน่วยงานกำกับดูแลและทีมกำกับดูแลคุณภาพ ความจำเป็นของกรอบการทำงาน "หลักฐาน–ปริมาณ–คำกล่าวอ้าง" ได้รับการระบุโดยตรง และบทบาทของการประเมินความเชื่อมั่นของหลักฐานอย่างเข้มงวด (GRADE) ได้รับการเน้นย้ำว่าเป็นรากฐานสำหรับคำกล่าวอ้างทางสุขภาพที่เชื่อถือได้และการยอมรับจากหน่วยงานกำกับดูแล [1, 2] สำหรับระบบข้อมูลและการเฝ้าระวังดิจิทัล มีการเน้นย้ำว่าการกำหนดมาตรฐานรูปแบบข้อมูลและขั้นตอนการประมวลผลเป็นสิ่งจำเป็นสำหรับแบบจำลองที่ทำซ้ำได้และถ่ายโอนได้ และการนำไปใช้อย่างรับผิดชอบเป็นเงื่อนไขสำหรับการแปลผลไปสู่การใช้งานทางคลินิกที่มีนัยสำคัญและเท่าเทียม [4, 6]
เพื่อแสดงให้เห็นภาพรวมว่าผลกระทบเหล่านี้นำไปสู่ "แผนที่การตัดสินใจ" ในขั้นตอนการพัฒนาผลิตภัณฑ์อย่างไร ตารางด้านล่างได้รวบรวมแกนนวัตกรรมที่ถูกอ้างถึงบ่อยที่สุดสี่แกน พร้อมด้วยประโยชน์และอุปสรรคทั่วไป ตามที่ปรากฏจากแหล่งข้อมูลที่อ้างถึง
Perspectives
เอกสารที่อ้างถึงบ่งชี้ว่าการพัฒนาที่มีความเป็นไปได้มากที่สุดในอีกไม่กี่ปีข้างหน้าจะเกี่ยวข้องกับการบูรณาการเพิ่มเติมของการออกแบบเชิงกลไก การกำหนดมาตรฐานหลักฐาน และแพลตฟอร์มการปรับเฉพาะบุคคลแบบดิจิทัล ในด้านหนึ่ง สาขาการวิจัยเกี่ยวกับส่วนผสมออกฤทธิ์ทางชีวภาพได้ถูกอธิบายว่ากำลังเคลื่อนไปสู่กระบวนทัศน์ที่ขับเคลื่อนด้วยสมมติฐาน เชิงกลไก และเชิงแปลผล โดยได้รับการสนับสนุนจากมัลติโอมิกส์ [1] ในอีกด้านหนึ่ง มีการเน้นย้ำว่าฤทธิ์ทางชีวภาพไม่ได้เป็นอิสระจากโครงสร้างอาหารและกระบวนการแปรรูป ซึ่งบ่งชี้ถึงการเพิ่มความเข้มข้นของแนวทาง "ที่คำนึงถึงโครงสร้างอาหาร" (matrix-aware) โดยที่กระบวนการแปรรูปแบบไม่ใช้ความร้อนและระบบการนำส่งจะถูกออกแบบร่วมกันโดยมีวัตถุประสงค์ทางชีวภาพเป็นที่ตั้ง [1, 13]
ในด้านดิจิทัล วิถีที่คาดหวังมีสองส่วน: (1) การพัฒนาและการนำแพลตฟอร์มที่บูรณาการข้อมูลและผลิตภัณฑ์มาใช้เพื่อส่งมอบโซลูชันสุขภาพที่ปรับแต่งมาโดยเฉพาะ และ (2) การใช้ AI เพื่อย่นระยะเวลาวงจร R&D และทำให้กระบวนการผลิตเป็นอัตโนมัติ วิถีนี้ได้รับการสนับสนุนโดยตรงจากสมมติฐานที่ว่าการจัดการสุขภาพเฉพาะบุคคลจะเกิดขึ้นจริงผ่านแพลตฟอร์มข้อมูลและผลิตภัณฑ์ที่ผสานรวมกัน [2] ตลอดจนตัวอย่างของแพลตฟอร์ม AMBROSIA ซึ่งรวมข้อมูลทางชีวภาพเข้ากับการดำเนินการวิจัยเพื่อเร่งการพัฒนาผลิตภัณฑ์ [5] ในขณะเดียวกัน ผลงานที่อ้างถึงระบุถึงเงื่อนไขที่จำเป็นสำหรับการเปลี่ยนแปลงนี้: การกำหนดมาตรฐานข้อมูลและการนำไปใช้อย่างรับผิดชอบ เพื่อให้นวัตกรรมแปลผลไปสู่การใช้งานทางคลินิกที่มีนัยสำคัญ ทำซ้ำได้ และเท่าเทียม [4, 6]
สุดท้าย ในด้านกฎระเบียบและหลักฐาน การเสริมสร้างความเข้มงวดในการประเมินมีความเป็นไปได้มากที่สุด เนื่องจากทั้งความจำเป็นของกรอบการทำงาน "หลักฐาน–ปริมาณ–คำกล่าวอ้าง" [2] และบทบาทสำคัญของการจัดระดับคุณภาพของหลักฐาน (GRADE) บนเส้นทางสู่คำกล่าวอ้างทางสุขภาพที่เชื่อถือได้และการยอมรับจากหน่วยงานกำกับดูแลต่างได้รับการเน้นย้ำ [1]
