본 논문은 식품 가공의 진화, 분류 및 건강 영향을 탐구하며, 식품 정보학 발전에 있어 기계 학습, 인공지능(AI), 데이터 과학의 변혁적 역할을 강조한다. 기존의 NOVA, Nutri-Score, SIGA와 같은 분류 체계에 대한 역사적 개요와 비판적 검토를 통해 주관성과 재현성 문제점을 지적하고, 이를 해결하기 위한 새로운 계산 접근법을 제시한다. 특히, 영양소 구성 데이터를 기반으로 가공 수준을 추론하고 연속적인 FPro 점수를 생성하는 랜덤 포레스트 모델인 FoodProX를 소개한다. 또한 BERT 및 BioBERT와 같은 대규모 언어 모델을 사용하여 식품 설명과 재료 목록을 의미적으로 임베딩하여 예측 작업에 활용하는 방법을 탐구한다. Open Food Facts 데이터베이스를 사용한 사례 연구를 통해 다중 모드 AI 모델이 구조화된 데이터와 비구조화된 데이터를 통합하여 대규모로 식품을 분류하는 방법을 보여주며, 공중 보건 및 연구에서 식품 가공 평가에 대한 새로운 패러다임을 제시한다.
