End-to-end tijek rada, privatnost/KVKK, etika i kontrola kvalitete

Dobici:

• Sposobnost sigurnog upravljanja klijentovim putovanjem od kraja do kraja s ciklusom 'AI proizvodi → čovjek provjerava → čovjek odobrava'
• Sposobnost zaštite podataka klijenata u okviru KVKK/povjerljivosti i utkati četiri etička načela u svaki korak
• Sposobnost preuzimanja konačne odgovornosti samoprovjerom rezultata s pet ključnih pitanja (račun, izvor, alergen, anonimnost, odobrenje)

U prethodnih deset cjelina vidjeli smo kako koristiti AI u pojedinim zadacima nutricionizma i dijetetike: unos, izračun, baza podataka, plan, receptura, alergija, praćenje, edukacija, dokazi. Ova završna jedinica objedinjuje sve i pokazuje vam kako upravljati umjetnom inteligencijom od kraja do kraja, sigurno i etički u vašoj svakodnevnoj praksi dijetetičara. Jer nije dovoljno dobro obaviti svaki zadatak; kamo idu podaci, tko o čemu odlučuje, gdje se zaustavljate i dobivate ljudsko odobrenje — sve bi to trebalo stvoriti konzistentan sustav. Ova jedinica također pojašnjava tri crvene linije koje povezuju cijeli modul: privatnost (KVKK), etiku i konačni ljudski pristanak.

Putovanje klijenta od kraja do kraja

Sljedeća tablica sažima put klijenta od posjeta dijetetičaru do praćenja, gdje umjetna inteligencija dolazi u igru i gdje je ljudsko odobrenje ključno:

Pozornica

AI-ov posao

točka ljudskog odobrenja

1. Priprema za doček

Vodič za intervju, uređivanje bilješki

Intervju vodi dijetetičar

2. Evaluacija

Nacrt energetskog/makro računa

Dijetetičar preračunava

3. Baza podataka

Obračun s izvornim podacima

Dijetetičar potvrđuje vrijednosti

4. Planirajte

Pregled mogućnosti obroka

Dijetetičar balansira i potvrđuje

5. Recept

Varijacija, profinjenost

Provjera nutritivne vrijednosti i okusa

6. Sigurnost

Prethodni pregled na alergene

Dijetetičar doslovce potvrđuje

7. Praćenje

Sažetak trenda, pregled poruke

Klinička interpretacija i odnos kod ljudi

8. Obrazovanje

Pregled sadržaja

Znanstvena/etička revizija

9. Dokazi

Sažetak, kritično pitanje

Izvor je provjeren od strane dijetetičara

Pogledajte uobičajeni obrazac u ovoj tablici: AI proizvodi nacrt ili preliminarni korak u svakoj fazi; U svakoj fazi postoji točka ljudskog odobrenja. Sustav se temelji na ciklusu "AI proizvodi → čovjek provjerava → čovjek potvrđuje". Ako se ovaj ciklus prekine, dobivate na brzini, ali gubite sigurnost i odgovornost.

Privatnost i KVKK: zaštita podataka

Podaci o klijentima (identitet, zdravstvena povijest, analiza, lijekovi, mjerenje) su "osobni podaci posebne kategorije" u okviru KVKK u Turskoj i GDPR u Europi i zaslužuju najveću zaštitu. Načela koja treba slijediti pri radu s AI alatima:

1. Anonimiziraj: Ukloni identifikacijske podatke kao što su ime, TR ID, kontakt, institucija, datum rođenja. Dovoljno je "43-godišnja žena, dijabetes tipa 2".
2. Minimalni podaci: Podijelite minimalne podatke potrebne za zadatak; ne više.
3. Odaberite siguran alat: Odaberite korporativne alate s ugovorom o obradi podataka gdje se podaci ne koriste u obuci modela.
4. Eksplicitna privola: Informirajte klijenta o tome kako se obrađuju njegovi podaci i pribavite njegovu privolu.
5. Snimanje i zadržavanje: kontrolirajte gdje se podaci pohranjuju i tko ima pristup njima; Izbrišite nepotrebne podatke.

Pažnja: učitavanje analize PDF-a ili datoteke klijenta u AI alat bez anonimizacije "zbog brzine" može rezultirati kršenjem KVKK-a koje je teško ispraviti jednim klikom. Brzina nikada ne pobjeđuje privatnost. Ako ste u nedoumici, nemojte dijeliti.

Etički okvir: četiri načela

Četiri klasična načela zdravstvene etike također se primjenjuju na prehrambenu praksu: dobročinstvo (raditi za dobrobit klijenta), bezazlenost (posebno u odlukama kritičnim za sigurnost), autonomija (poštivanje vlastite odluke klijenta, informirani pristanak) i pravednost (uključiva usluga koja je osjetljiva na razlike u resursima, proračunu i kulturi). Korištenje umjetne inteligencije ne bi trebalo biti u suprotnosti s ovim načelima: neprovjereni rezultat može prouzročiti štetu (kršenje pravila o neškodljivosti), obrada podataka bez informiranja klijenta krši autonomiju, izrada planova prema jednoj kulturi potkopava pravdu. Etika nije naknadno dodan sloj, već disciplina utkana u svaki korak.

Kontrola kvalitete: provjera vlastitog rada

Redovito provjeravajte vlastitu upotrebu umjetne inteligencije dok radite od početka do kraja. Jednostavna samoprovjera: za ispis svakog klijenta, "Jesam li potvrdio ovaj broj? Jesam li pregledao ovaj alergen? Jesam li potkrijepio ovu tvrdnju? Jesam li anonimizirao ove podatke? Jesam li odobrio ovaj plan?" Ako ne možete odgovoriti s "da" na ovih pet pitanja, rezultat još nije spreman.

tri mini kućišta

Slučaj 1 — Slaba karika u lancu. Dijetetičar brzo postavlja lanac unos-račun-plan s AI, ali preskače sigurnosni korak (provjera alergena); jer pretpostavlja "ako su prethodni koraci bili dobri, i ovo je dobro". Međutim, klijent je imao alergiju na sezam i umak u planu sadržavao je sezam. Ako jedna karika u lancu pukne, cijeli lanac nije siguran. Lekcija: točka odobrenja svake faze je neovisna; Jedno ne zamjenjuje drugo.

Slučaj 2 — lanac povrede privatnosti. Radi učinkovitosti, klinika pokušava učitati sve klijentske datoteke po imenu u AI alat i izraditi masovni plan. Revizija otkriva da se radi o povredi KVKK i podaci su otišli izvan ustanove. Klinika zaustavlja proces i prelazi na anonimizirani i ugovoreni tijek. Lekcija: učinkovitost ne opravdava narušavanje privatnosti; Postavite sustav kao zaštićen privatnošću od nule.

Slučaj 3 — Ispravan protok s kraja na kraj. Za novog klijenta, dijetetičar: (1) izrađuje vodič za razgovor s anonimiziranim podacima, (2) ima AI nacrt i ručno provjerava izračun, (3) dostavlja nutritivne vrijednosti iz USDA, (4) dobiva i uravnotežuje plan opcija, (5) provjerava alergene na bazi jedan na jedan, (6) pruža personaliziranu edukaciju klijentu, (7) koristi sažetak trendova za tjedno praćenje. Primjenjuje točku odobrenja na svakom koraku, čuva podatke anonimnima i odobrava sam plan. Rezultat: štedi ~40% vremena uz AI, bez ugrožavanja sigurnosti i odgovornosti. Lekcija: brzina i sigurnost dolaze zajedno kada je sustav pravilno postavljen.

Predlošci upita koji se mogu kopirati

END-TO-END PREDLOŽAK RADNOG OKVIRA Vaša uloga: pomoćnik dijetetičara u pripremi nacrta. Stavite bilješku "POTREBNO ODOBRENJE DIJETETIČARA" na kraju svakog ispisa i doslovno navedite koje točke treba provjeriti (račun, alergen, izvor). Klijent (anonimno): [...]. Potraga: [etapa]. Nemojte dodavati izmišljene podatke; označi gdje nisi siguran.

PREDLOŽCI ZA PRETHODNU PROVJERU PRIVATNOSTI skenirajte sljedeći tekst radi zaštite privatnosti PRIJE nego što ga date alatu umjetne inteligencije: Sadrži li identifikacijske podatke kao što su ime, ID, kontakt, institucija, datum rođenja, ID analize? Ako je tako, označite ga i predložite anonimiziranu verziju. Tekst: [...]

OBRAZAC ZA SAMOPROVJERU KVALITETE Primijenite kontrolni popis za sljedeći ispis klijenta i označite svaku stavku kao ispunjenu/nedostajuću: (1) je li račun provjeren, (2) je li nutritivna vrijednost iz izvora, (3) je li pregledan na alergene, (4) jesu li podaci anonimni, (5) postoji li odobrenje dijetetičara, (6) je li zdravstvena tvrdnja kvantificirana. Navedite sve propuste. Izlaz: [...]

OBRAZAC ZA ETIČKI PREGLED Predstavlja li sljedeći plan/sadržaj problem u smislu četiri etička načela: dobrobit, neškodljivost, autonomija (pristanak/informacija), pravednost (proračun/kulturna inkluzivnost)? Ukratko procijenite svaku politiku i predložite poboljšanja. Sadržaj: [...]

Slab upit / Jak upit

Slab upit:

Dodao sam analizu i datoteku gospođe Ayşe, izaći će kompletan plan.

Imenovani podaci, "potpuni plan" u jednom koraku, bez točaka odobrenja: rizik od kršenja KVKK i neprovjerenog, nesigurnog izlaza.

Snažan upit:

Vaša uloga: pomoćnik nacrta; Odobrenje pripada dijetetičaru. Klijent (anonimno): žena, 41 godina, dijabetes tip 2, [relevantne numeričke vrijednosti, ime/identitet NEMA]. Zadatak: NACRT plana obroka, s opcijama. Procijenjene makronaredbe za svaki obrok i napomena "mora se provjeriti". Alergen: susam (ne dodavati). Na kraju navedite koje točke treba osobno provjeriti dijetetičar. Dodavanje prilagođenih podataka.

Drugi prompt anonimizira podatke, zatvara izlaz, sadrži sigurnosno ograničenje i kontrolne točke; Zaštićeni su i povjerljivost i kvaliteta.

Uobičajene greške

• Preskakanje karike u lancu: Preskakanje koraka sigurnosti/odobrenja jer je prethodni korak bio dobar.
• Žrtvovanje privatnosti radi učinkovitosti: Skupno učitavanje imenovanih datoteka — ozbiljno kršenje KVKK.
• Očekivanje jednokratnog "cjelovitog plana": Oslanjanje na izlaz crne kutije koji preskače kontrolne točke.
• Razmišljanje o etici nakon toga: Sjetite se etike na kraju umjesto da je utkate u svaki korak.
• Zaobilaženje samoprovjere: korištenje rezultata bez testiranja na pet osnovnih pitanja (račun/alergen/izvor/anonimno/odobrenje).
• Zaboravljanje privole: Neinformiranje klijenta o tome kako se obrađuju njegovi podaci.

Ukratko

Umjetna inteligencija može ubrzati praksu prehrane i dijetetike od kraja do kraja; ali bit će sigurno samo ako se ciklus "AI proizvodi → čovjek provjerava → čovjek potvrđuje" održava u svakoj fazi. Uvijek anonimizirajte podatke o klijentima, nemojte žrtvovati KVKK i povjerljivost radi brzine, utkajte četiri etička načela u svaki korak i samokontrolirajte svoje rezultate pomoću pet osnovnih pitanja. Svaka karika u lancu je neovisna točka odobrenja; Kada se jedan od njih pokvari, sustav nije siguran. Zapamtite: AI jača vašu profesiju, ali je ne zamjenjuje. Dijagnoza, odluka o liječenju i konačno odobrenje plana - znanost, etika i potpis - pripadaju dijetetičaru. AI je vaš brzi pomoćnik; Vi ste odgovorni stručnjak.

Zadatak aplikacije

Postavite mini tijek klijenta od početka do kraja: odaberite anonimni profil, uzastopno izradite (1) vodič za intervjue, (2) pregled računa + provjeru, (3) obrok s izvornim podacima, (4) provjeru alergena, (5) materijal za obuku. Zapišite koju ste ljudsku kontrolnu točku primijenili na svakom koraku. Zatim primijenite "predložak samoprovjere kvalitete" na cijeli tijek, pronađite i popravite sve nedostatke. Na kraju, pokrenite "pretprovjeru privatnosti" kako biste potvrdili da su vaši podaci doista anonimni.

popis za provjeru

• [ ] Primijenio sam ciklus "AI generira → provjeri → potvrdi" u svakoj fazi.
• [ ] Anonimizirao sam klijentske podatke i dijelio minimalne podatke.
• [ ] Koristio sam sigurno/ugovoreno vozilo; Dobio sam pristanak.
• [ ] Promatrao sam četiri etička načela (dobrobit, neškodljivost, autonomija, pravda).
• [ ] Samostalno sam provjerio izlaz s pet ključnih pitanja.
• [ ] Kao dijetetičar, dao sam konačno odobrenje; Ja sam odgovoran.

Modul ispit

1. Dijetetičar prenosi dnevni ciljni unos kalorija izračunat od strane umjetne inteligencije u plan klijenta bez provjere. Koja je temeljna pogreška u ovom pristupu?

• A) Izlaz umjetne inteligencije ne može se koristiti bez provjere; Nacrt računa mora biti ponovno izračunat i odobren od strane dijetetičara ✔
• B) Umjetna inteligencija uvijek podcjenjuje broj kalorija
• C) Umjesto izračuna kalorija treba napraviti samo makro izračun.
• D) Plan je trebao biti dan klijentu na papiru umjesto e-mailom.

Objašnjenje: dok umjetna inteligencija može ispravno izračunati, ona također može uzeti netočne pretpostavke kao što je koeficijent aktivnosti i dati netočne rezultate s istom pouzdanošću. Dijetetika je sigurnosno kritično područje; Svaki račun mora ponovno provjeriti dijetetičar, a konačno odobrenje mora pripadati čovjeku.

2. Koje je najbolje ponašanje u smislu privatnosti (KVKK) prilikom prijenosa podataka o klijentima u alat umjetne inteligencije?

• A) Puno ime i prezime klijenta i PDF analize trebaju se prenijeti radi brzine.
• B) Treba dijeliti samo nužne kliničke informacije uklanjanjem podataka koji mogu identificirati osobu i anonimiziranjem podataka ✔
• C) Ako su podaci šifrirani, mogu se poslati i podaci o imenu
• D) Cijela datoteka se može podijeliti bez pitanja klijenta jer je svrha dobra

Pojašnjenje: Podaci o zdravstvenom stanju klijenta su posebni osobni podaci. Identifikacijske informacije kao što su ime, TR ID i podaci za kontakt trebaju biti uklonjeni, a podaci anonimizirani; Treba podijeliti minimum podataka potrebnih za zadatak. Učitavanje neobrađene datoteke prema imenu ozbiljno je kršenje.

3. Umjetna inteligencija daje '220 g ugljikohidrata, 150 g proteina, 90 g masti' za ciljanih 2000 kcal. Koja je prva provjera koju dijetetičar treba napraviti?

• A) Prihvaćanje vrijednosti onakvima kakve jesu, jer umjetna inteligencija nema pogrešaka u aritmetici
• B) Dovoljno je kontrolirati samo količinu proteina
• C) Pomnožite makrograme s 4/4/9 kako biste provjerili dostiže li ukupna količina ciljne kalorije ✔
• D) Povećanje cilja kalorija na 2290 na temelju makronaredbi

Objašnjenje: Makronaredbe pomnožene s 4/4/9: 220x4 + 150x4 + 90x9 = 880 + 600 + 810 = 2290 kcal. Premašuje ukupni cilj za 290 kcal; vrijednosti su nedosljedne. Povratno množenje je najjednostavniji i najmoćniji način za hvatanje AI makro pogrešaka.

4. Koja je najslabija i najrizičnija točka umjetne inteligencije u podacima o nutritivnim vrijednostima?

• A) Umjetna inteligencija uvijek daje nutritivne vrijednosti u metričkim jedinicama
• B) Umjetna inteligencija poznaje samo vrijednosti povrća
• C) Umjetna inteligencija je spora jer daje nutritivne vrijednosti s previše decimala.
• D) Umjetna inteligencija može prilagoditi prehrambene vrijednosti dok ih proizvodi iz svoje memorije; stoga vrijednosti treba uzeti iz priznate baze podataka ✔

Objašnjenje: Jezični model ne pamti brojeve, on ih generira vjerojatnosno; Stoga može dati vrijednost proteina/kalorija hrane tečno, ali netočno (halucinacija). Zbog toga bi nutritivne vrijednosti trebale biti preuzete iz poznatih baza podataka, a umjetna inteligencija bi trebala raditi samo s tim podacima.

5. U planu obroka umjetna inteligencija točno je zadržala kalorije i makronaredbe, ali cijeli dan se sastoji od bijelog kruha, tjestenine i piletine. Što tu nedostaje?

• A) Iako sadrži makroelemente, nije postignuta ravnoteža vlakana, povrća i mikronutrijenata; Plan je neadekvatan u smislu prehrambene raznolikosti ✔
• B) Ciljani kalorijski unos postavljen je previsoko
• C) Postoji problem jer je količina proteina visoka
• D) Broj obroka treba biti veći od tri

Objašnjenje: Činjenica da makronaredba pogađa cilj ne znači da je plan zdrav. Također treba osigurati ravnotežu vlakana, povrća i mikronutrijenata (vitamini, minerali). Ova ravnotežna prosudba pripada dijetetičaru; Sama makropreciznost nije dovoljna.

6. Klijentu koji je alergičan na lješnjake, umjetna inteligencija predlaže zamjenu poput 'koristite maslac od badema'. Zašto bi dijetetičar ovu preporuku mogao smatrati nesigurnom?

• A) Pasta od badema je skuplja od paste od lješnjaka
• B) Bademi mogu biti u istoj skupini alergija na orašaste plodove kao i lješnjaci; Zamjena može biti rizična jer spada u istu skupinu ✔
• C) Pasta od badema ima puno više kalorija
• D) Pasta od badema nije prikladna za tursku kuhinju.

Objašnjenje: Lješnjaci i bademi su u istoj alergijskoj skupini 'orašasti plodovi'. Alergijom se upravlja na grupnoj osnovi, a ne na jednoj hrani; Ako zamjena spada u istu skupinu, to je riskantno. Dijetetičar poznaje skupinu alergija i točno provjerava zamjenu.

7. Koji je ispravan pristup korištenju lisnatog povrća bogatog vitaminom K za klijenta koji uzima varfarin (razrjeđivač krvi)?

• A) Sva hrana sa zelenim lišćem trebala bi biti strogo zabranjena
• B) Unos vitamina K treba dopustiti i ne treba ga uopće uzimati u obzir
• C) Unos vitamina K treba biti konstantan i situaciju treba podijeliti s liječnikom ✔
• D) Lisnato povrće treba jesti samo za večeru

Objašnjenje: Za one koji koriste varfarin, cilj nije potpuno zabraniti vitamin K, već njihov unos biti dosljedan; Velike fluktuacije umanjuju učinak lijeka. Ovo ograničenje tipa 'održavaj dosljedan' klinička je sofisticiranost koja nedostaje AI-u i dijeli se s liječnikom.

8. Kako se može napraviti ispravna interpretacija kada klijent primijeti 'povećanje' od 1 kg u tjednu?

• A) Plan treba napisati odmah ispočetka s malo kalorija
• B) Klijenta treba natjerati da prestane s vaganjem.
• C) Jednotjedno povećanje smatra se konačnim povećanjem težine.
• D) Treba promatrati višetjedne trendove, a ne jedno mjerenje; kratkoročne fluktuacije (kao što je zadržavanje vode) treba klinički procijeniti ✔

Objašnjenje: Jedno mjerenje dovodi u zabludu; Čimbenici kao što su zadržavanje vode, menstrualni ciklus i unos soli stvaraju kratkoročne fluktuacije. Ono što je značajno je višetjedni trend. Ovo kliničko tumačenje donosi dijetetičar; AI samo organizira podatke.

9. Umjetna inteligencija proizvodi rečenicu 'zeleni čaj sagorijeva masti i ubrzava metabolizam' u skeču na društvenim mrežama. Koja je etička odgovornost dijetetičara?

• A) Temeljenje pretjerane tvrdnje na dokazima, prevođenje na odmjereni jezik i dodavanje općeg informativnog upozorenja ✔
• B) Objavljivanje tvrdnje kakva jest jer privlači pozornost
• C) Dodatno pojačajte rečenicu i dodajte 'sprečava rak'
• D) Uopće ne objavljivati sadržaj, jer je zabranjeno govoriti o zelenom čaju

Opis: Umjetna inteligencija sklona je iznošenju pretjeranih i slabo dokazanih tvrdnji. Dijetetičar bi trebao moderirati ove tvrdnje u skladu s razinom dokaza, ukloniti jezik sigurnosti i čuda i dodati upozorenje 'to su općenite informacije'. Iskrenost u zdravstvenim tvrdnjama je etička obveza.

10. Dijetetičar traži od umjetne inteligencije '3 studije koje dokazuju dobrobiti povremenog posta' za prezentaciju. Koji je glavni rizik ovog zahtjeva?

• A) Umjetna inteligencija zadaje previše posla i zamara dijetetičara
• B) Umjetna inteligencija može izmisliti nepostojeće studije, autore i časopise; izvori se ne mogu koristiti bez provjere primarnog izvora ✔
• C) Studije umjetne inteligencije izvode se samo na engleskom jeziku
• D) Tri studije su uvijek nedostatne za prezentaciju

Objašnjenje: Jezični modeli mogu izmisliti djela, autore i časopise koji zapravo ne postoje (halucinacija izvora). Umjetna inteligencija nije tražilica literature. Pravi način: pronađite stvarne izvore iz PubMed/Cochrane i neka ih AI sažme; Svaka referenca je provjerena iz primarnog izvora.

11. Zašto je pogrešno zaključiti da 'doručak gubi na težini' iz opservacijske studije koja pokazuje da su 'oni koji doručkuju mršaviji'?

• A) Studija još nije važeća jer je previše nova.
• B) Doručak zapravo uzrokuje debljanje, učenje je pogrešno
• C) Opservacijska studija pokazuje samo korelaciju; ne dokazuje uzročnost, povezanost može biti posljedica drugih čimbenika ✔
• D) Nevažeći je jer se uzorak sastoji samo od žena

Objašnjenje: Opservacijska studija pokazuje korelaciju (pojavljivanje zajedno), a ne uzročnost (jedno uzrokuje drugo). Oni koji doručkuju općenito mogu živjeti aktivnije i redovitije; Veza može biti posljedica drugih čimbenika. Brkanje korelacije s uzročnom vezom uobičajena je pogreška u čitanju dokaza.

12. U 24-satnom podsjetniku o prehrani, klijent kaže '2 šake orašastih plodova dnevno'. AI pretpostavlja da je '60 grama'. Koji je pravi pristup?

• A) Pretpostavka umjetne inteligencije o 60 grama smatra se sigurnom
• B) Matice su potpuno uklonjene iz plana
• C) 100 grama se uzima kao prosječna vrijednost
• D) Porcija nije pretpostavka umjetne inteligencije, pojašnjava se pitanjem klijenta ili mjerenjem vagom ✔

Objašnjenje: Procjene porcija uvelike se razlikuju od osobe do osobe; Šaka može imati 30 g ili 90 g. Pretpostavka umjetne inteligencije je početni raspon, a ne mjerenje. Stvarni udio treba razjasniti pitajući klijenta ili koristeći kuhinjsku vagu.

13. Nutritivne baze podataka obično daju vrijednosti na 100 grama sirovog. Koju bi pogrešku to moglo uzrokovati?

• A) Primjena sirove vrijednosti na kuhani dio (ili obrnuto) može uvesti ozbiljne kalorijske/makro pogreške; Mjerna jedinica mora biti razjašnjena ✔
• B) Sirove vrijednosti uvijek su niže od kuhanih, nema problema
• C) Neće biti problema budući da baze podataka vraćaju samo kuhane vrijednosti.
• D) Razlika sirovo/kuhano se vidi samo u mesu, ne u žitaricama.

Opis: Tijekom kuhanja hrana upija vodu i mijenja težinu; 100 g sirove riže se kuhanjem povećava na ~250-300 grama. Primjena sirove vrijednosti na kuhanu količinu (ili obrnuto) rezultirat će ozbiljnim pogreškama u kalorijama. Uvijek treba razjasniti je li korištena vrijednost sirova ili kuhana.

14. Kako ključno načelo naglašeno kroz cijeli modul opisuje ulogu umjetne inteligencije u dijetetici?

• A) Umjetna inteligencija može sama donositi odluke, zamjenjujući iskusne dijetetičare
• B) Umjetna inteligencija je pomoćnik i generator nacrta; Dijagnoza, odluka o liječenju i konačno odobrenje pripadaju dijetetičaru/liječniku ✔
• C) Umjetna inteligencija se koristi samo za vizualni dizajn, ne i za izračune
• D) Izlaz umjetne inteligencije siguran je čak i bez provjere jer se temelji na znanstvenim izvorima

Opis: Umjetna inteligencija ubrzava repetitivni rad pomoćnika i generatora propuha, ali budući da radi u sigurnosno kritičnom području, dijagnoza, odluka o nutritivnoj terapiji i konačno odobrenje plana pripadaju nadležnom stručnjaku (dijetetičaru i po potrebi liječniku). Nepotvrđeni izlaz je nepotpisana skica.