案例：
某校园食材区块链溯源平台虽成功拦截3批次农药超标蔬菜，但若系统被黑客攻击，可能导致学生健康数据泄露。
科学依据：
世界卫生组织（WHO）强调，AI健康应用需遵循“数据最小化”原则，但实际执行中，部分平台仍存在数据过度收集问题。
规避建议：
案例：
AI为追求低卡路里，可能过度推荐代餐粉，忽视用户对正常饮食的心理需求，导致暴食反弹。
科学依据：
中国营养学会指出，AI算法若仅基于体重数据生成方案，可能忽略微量元素需求，如孕妇需额外补充叶酸，而AI可能未纳入此变量。
规避建议：
案例：
某AI换脸虚拟主播宣称“超级坚果混合包”可治疗三高，实为普通坚果组合，所谓“独家配方”毫无科学依据。
科学依据：
研究显示，30%的AI推荐食品存在成分虚假标注，如用果葡糖浆冒充有机蓝莓提取物，甚至添加泻药成分宣称“排毒养颜”。
规避建议：
案例：
AI为糖尿病患者推荐低升糖食谱，但未考虑用户同时患有肾病，导致蛋白质摄入超标，加重肾脏负担。
科学依据：
梅吉托夫团队研究证实，AI若未整合基因数据（如APOE基因型影响脂肪代谢），其建议可能加重代谢负担，甚至诱发疾病。
规避建议：
案例：
某用户严格遵循AI生成的生酮饮食计划，但因未监测血酮水平，导致酮症酸中毒，出现恶心、乏力等症状。
科学依据：
实验显示，仅依赖AI指令而缺乏专业监督的用户，方案执行偏差率达47%，如误将“低升糖”理解为“完全戒断碳水”。
规避建议：
