NutriBench 식사설명 영양추정 대형언어모델 평가데이터셋

초록

NutriBench는 전 세계 11개국 식이섭취 데이터를 기반으로 11 857개의 자연어 식사 설명과 탄수화물·단백질·지방·칼로리 라벨을 제공하는 최초의 공개 벤치마크이다. 논문에서는 12개의 최신 LLM을 표준, 체인오브생각(CoT), 검색증강(RAG) 및 RAG+CoT 프롬프트로 평가하고, 전문 영양사와 비교하여 정확도·속도·실제 혈당 위험에 미치는 영향을 분석한다.

상세 분석

NutriBench는 기존 영양 데이터베이스가 주로 정형화된 표나 이미지에 국한된 점을 보완하기 위해, 일상 언어로 기술된 식사 설명을 중심으로 설계되었다. 데이터는 미국 USDA WWEIA와 FAO/WHO GIFT 두 대규모 설문조사에서 추출한 원시 식단을 기반으로 하며, 각 식품의 무게(g)와 영양성분을 정밀히 매핑한 뒤, GPT‑4o‑mini를 활용해 “한 컵의 물”, “반 조각 피자”와 같은 자연스러운 서술로 변환한다. 이 과정에서 인간 검증자를 투입해 문법·내용 오류를 교정하고, 탄수화물·단백질·지방·칼로리 라벨을 1 g 단위로 정밀히 부착하였다.

평가에서는 12개 모델을 네 가지 프롬프트 전략으로 실험했는데, 특히 CoT 프롬프트가 모델에게 각 식품별 영양값을 단계별로 계산하도록 유도해 정확도를 크게 끌어올렸다. GPT‑4o가 CoT 환경에서 66.82%의 정확도와 99.16%의 응답률을 기록했으며, 이는 가장 큰 파라미터를 가진 Llama 3.1‑405B‑FP8보다도 우수했다. RAG 전략은 외부 영양 데이터베이스를 검색해 보강 정보를 제공했지만, 검색 품질에 따라 오히려 오차가 증폭되는 경우가 관찰되었다. 특히 RAG+CoT 조합은 일부 모델에서 성능이 향상됐지만, 전체 평균에서는 CoT 단독이 가장 안정적인 결과를 보였다.

전문 영양사와의 비교 실험에서는 LLM이 평균 3배 이상 빠른 추정 속도를 보였으며, 정확도 면에서도 영양사와 통계적으로 유의한 차이를 보이지 않았다. 이는 LLM이 방대한 내부 지식과 빠른 연산 능력으로 실시간 영양 상담에 활용될 가능성을 시사한다.

마지막으로 논문은 44 800건의 혈당 시뮬레이션을 통해 탄수화물 추정 오차가 Type 1 당뇨 환자의 혈당 변동에 미치는 위험을 정량화했다. LLM 기반 추정값을 사용했을 때 평균 혈당이 목표 범위(70–180 mg/dL) 내에 머무는 비율이 87%에 달했으며, 이는 기존 수작업 추정 대비 12%p 상승한 수치다. 이러한 결과는 LLM이 개인 맞춤형 영양 관리와 당뇨 관리에 실질적인 임상 가치를 제공할 수 있음을 뒷받침한다. 전체적으로 NutriBench는 데이터 품질, 평가 프로토콜, 실세계 위험 분석까지 포괄적인 프레임워크를 제공함으로써, 향후 영양 AI 연구의 표준 벤치마크로 자리매김할 잠재력을 갖는다.