Aplicações de nutrição: IA da UC Davis encontra pequenas trocas melhores do que o GPT-4o

As aplicações de nutrição dizem há anos às pessoas o que devem comer. A maioria tenta construir o prato ideal do zero: metas de nutrientes cumpridas e alimentos ultraprocessados reduzidos ao mínimo.

Na prática, acaba por ser a refeição que se devia fazer - e não aquela que realmente se prepara.

E isso raramente pega. Um estudo recente decidiu inverter a lógica: partir das refeições que as pessoas já comem e procurar a alteração mais pequena possível que, ainda assim, produza um efeito real.

O fosso entre conselhos e prática

O problema é concreto. Uma alimentação de fraca qualidade está entre as maiores causas de diabetes, doença cardíaca e outras doenças crónicas, como mostrou um grande estudo que abrangeu quase 200 países.

Mas levar essa intenção para a mesa ao jantar é outra história.

Trevor Chan e Ilias Tagkopoulos, investigadores em ciência de computação na Universidade da Califórnia, Davis (UC Davis), levantaram a hipótese de que a dificuldade principal está na dimensão da tarefa.

Muitas aplicações de dieta exigem uma transformação completa - e é precisamente nessa transformação total que as pessoas desistem.

Por isso, a ambição do grupo foi propositadamente contida.

Em vez de desenhar do zero um prato perfeito, quiseram começar pela comida que as pessoas já consomem e empurrá-la, com o mínimo de alterações, para um padrão de alimentação saudável.

Aprender com as refeições

Para perceber o que os norte-americanos realmente colocam no prato, a equipa recorreu a um inquérito federal de longa duração chamado O que comemos na América.

Nesse inquérito estavam registadas mais de 135,000 refeições reportadas por mais de 55,000 adultos.

Ao tratar esse conjunto de dados, o modelo agrupou as refeições em 34 padrões comuns do dia a dia - pequeno-almoço de cereais com leite, almoço de sanduíche de charcutaria e jantar de pizza, por exemplo.

Depois, um programa de IA generativa aprendeu a compor novas refeições que se enquadrassem em cada um desses padrões.

O sistema enfrentou dois objectivos em simultâneo: seleccionar alimentos que façam sentido juntos e, ao mesmo tempo, ajustar as porções para aproximar cada refeição das directrizes federais de nutrição, sem deixar de parecer algo que uma pessoa comeria de facto.

Mais perto das metas de saúde

Quando a equipa comparou as refeições geradas com as refeições reais do mesmo padrão, as versões criadas pelo modelo revelaram-se mais saudáveis. Reduziram a distância face às metas federais de nutrição em cerca de 47 por cento.

As melhorias não ficaram no abstrato. Nas refeições geradas, a fibra, a proteína e o potássio aumentaram, e as lacunas em vitaminas foram sendo preenchidas - mantendo, ainda assim, o aspecto geral e o sabor aproximado das refeições originais.

Houve, no entanto, um indicador a piorar. O sódio subiu ligeiramente em alguns almoços e jantares, lembrando que uma única intervenção não arruma todos os nutrientes de uma só vez.

Algumas trocas simples

Ferramentas anteriores já conseguiam montar um menu saudável do zero. O que não conseguiam era identificar a correcção mais pequena para uma refeição que a pessoa já come - duas ou três substituições bem escolhidas.

A dupla experimentou alterações de um, dois ou três itens por refeição. As mudanças mais frequentes foram fáceis de imaginar: acrescentar legumes ou leguminosas e retirar os componentes mais salgados ou mais fortemente processados.

O benefício acompanhou o nível de esforço. Com apenas uma troca, a nutrição de uma refeição subiu cerca de 5% e o custo estimado no modelo desceu aproximadamente um quinto.

Com três trocas permitidas, as refeições ficaram cerca de 10% mais saudáveis, por quase menos um terço no preço.

Ainda assim, as refeições mantiveram-se reconhecíveis - por exemplo, trocar um acompanhamento mais gordo por feijão ou adicionar mais folhas verdes.

A ideia não é reinventar o jantar - é apenas uma versão mais leve da mesma refeição.

Melhor do que orientação de chatbot

Há uma dúvida natural sempre que se fala de IA aplicada à alimentação: por que não pedir simplesmente a um chatbot?

A equipa testou precisamente isso, colocando o seu modelo especializado frente a frente com o GPT-4o, o chatbot generalista mais forte disponível na altura.

O modelo concebido para este fim saiu a ganhar no que importa. O equilíbrio entre proteína, gordura e hidratos de carbono - cumpriu as metas federais com muito mais consistência.

Já o chatbot tendeu a propor pratos com muita gordura e poucos hidratos. Esse desvio encaixa num padrão mais amplo.

Uma revisão recente sobre chatbots a dar conselhos alimentares concluiu que as recomendações são irregulares e, por vezes, incorrectas, sugerindo que incorporar regras nutricionais directamente no modelo pode dar vantagem sobre uma conversa livre.

Limitações do estudo

O estudo tem uma limitação relevante: todos os resultados existem apenas num modelo informático.

Ninguém confeccionou estas refeições, ninguém as comeu, e não foi testado se as trocas sugeridas são realistas e sustentáveis ao longo do tempo.

Os próprios dados trazem enviesamentos. Os participantes reportaram a sua alimentação, e sabe-se que as pessoas tendem a subnotificar os alimentos menos saudáveis e a exagerar nas escolhas mais saudáveis.

As poupanças de custo estimadas também são calculadas a partir de ementas modeladas, não de talões reais de compras.

Os autores não tentam vender uma certeza. Para eles, há um fio condutor evidente nos números.

“Uma alimentação mais saudável não tem de significar abdicar das refeições de que as pessoas já gostam”, observaram os investigadores.

O que pode mudar

A novidade aqui está na dimensão da alavanca. Uma refeição não precisa de ser redesenhada.

Uma ou duas substituições bem pensadas podem aproximá-la das directrizes e, ao mesmo tempo, reduzir a conta.

As implicações práticas são fáceis de imaginar. Uma aplicação de compras poderia sugerir uma única troca na finalização da compra, em vez de impor uma dieta totalmente nova; e um programa de saúde pública poderia apresentar versões mais baratas e mais saudáveis das refeições que as pessoas já cozinham.

No limite, o mesmo motor poderia alimentar as ferramentas usadas por dietistas, propondo alterações que um paciente consiga manter.

A lição mais ampla é simples: comer melhor pode depender menos de força de vontade e mais da pequena mudança certa.