Pesquisadores estão ocupados tentando entender melhor as ligações entre “alimentos ultraprocessados” e a saúde humana por meio do projeto Foodome.
por Tanner Stening, Northeastern University com informações de MedicalXPress
Como parte desse esforço, pesquisadores do Center for Complex Network Research desenvolveram um algoritmo de aprendizado de máquina que, segundo eles, prevê com precisão o grau de processamento em produtos alimentícios que compõem o suprimento de alimentos dos EUA. Suas descobertas foram publicadas na Nature Communications em abril.
O classificador de aprendizado de máquina, chamado FoodProX, usa informações de rotulagem nutricional fornecidas pelo Banco de Dados de Alimentos e Nutrientes do Departamento de Agricultura dos EUA para Estudos Dietéticos como insumos para pontuar o nível de processamento em um determinado produto alimentício.
O algoritmo funciona produzindo uma saída que representa a probabilidade de um determinado alimento se enquadrar em uma das quatro categorias que fazem parte do sistema de classificação de alimentos da NOVA – um sistema desenvolvido por pesquisadores da Universidade de São Paulo, Brasil, que os pesquisadores dizem é “amplamente utilizado em estudos epidemiológicos “.
O algoritmo atribui a cada produto uma pontuação única entre zero (que denota alimentos “minimamente ou não processados”) e 100 (alimentos altamente ultraprocessados).
Usando o FoodProX, os pesquisadores conseguiram preencher lacunas no banco de dados de nutrientes para estudos dietéticos; classificar “receitas complexas e comidas e refeições mistas”; e fornecem uma lente de resolução mais alta para examinar alimentos processados. Como resultado, os pesquisadores observam que o FoodProX fornece uma compreensão mais nítida de como os alimentos processados realmente são – um passo importante para os pesquisadores que estudam os impactos na saúde desses alimentos.
Os pesquisadores observam como o sistema NOVA, que divide os alimentos em quatro classificações, de “não processados ou minimamente processados” a ultraprocessados, é fundamentalmente limitante porque não leva em consideração as diferentes gradações de processamento dentro de cada categoria separada.
“Essa homogeneidade percebida dos alimentos NOVA 4 limita tanto a pesquisa científica quanto a orientação prática do consumidor sobre os efeitos na saúde de diferentes graus de processamento”, escreveram os pesquisadores. “Também reduz os incentivos da indústria para reformular os alimentos para ofertas menos processadas, transferindo os investimentos dos alimentos ultraprocessados NOVA 4 para as categorias menos processadas NOVA 1 e NOVA 3”.
“No artigo, o que realmente fazemos é dizer que acreditamos que as informações nutricionais, portanto, os produtos químicos que são medidos como nutrientes nos fatos nutricionais, de alguma forma codificam a impressão digital do processamento de alimentos”, diz Giulia Menichetti, pesquisadora sênior da Northeastern’s Network Science Institute e principal autor da pesquisa. “Porque quando processamos um alimento, quando modificamos alguns ingredientes básicos, mudamos sua química de muitas maneiras diferentes.”
Essa “impressão digital” é a maneira pela qual os pesquisadores podem obter informações sobre quantas alterações químicas foram feitas em um determinado alimento.
“Não sabemos necessariamente quais são todas as impressões digitais químicas associadas, uma a uma, a cada processo”, disse Menichetti ao Northeastern Global News. “Não podemos nem enumerar quantas maneiras diferentes existem para processar um alimento.”
Por fim, a ferramenta de IA confirmou a descoberta anterior da equipe de que mais de 73% do sistema alimentar dos EUA é ultraprocessado, ao mesmo tempo em que fornece um nível de detalhe que não era obtido anteriormente. Menichetti diz que sua equipe é a primeira a criar com sucesso uma ferramenta de IA que avalia de forma confiável o conteúdo químico dos alimentos.
“É o primeiro artigo na área de nutrição e saúde pública que aproveita o aprendizado de máquina para classificar de forma reproduzível e sistemática os alimentos de acordo com seu grau de processamento de alimentos”, diz ela.
O trabalho da equipe é significativo porque, como diz Menichetti, “não havia muita cultura de dados” no campo da nutrição e da ciência da saúde no que se refere ao processamento de alimentos, o que promoveu conversas menos rigorosas cientificamente sobre o que o processamento significa.
“Quando você não tem uma maneira sistemática de olhar para um alimento e avaliar suas propriedades, é difícil permitir grandes estudos em outras partes do mundo que sejam comparáveis”, diz Menichetti.
“O FPro nos ajuda a avaliar a qualidade da dieta de um indivíduo, oferecendo poder preditivo em mais de 200 variáveis de saúde”, diz Albert-László Barabási, professor Robert Gray Dodge de Network Science na Northeastern e coautor do estudo. “Isso nos mostra o impacto da substituição de alimentos processados por alternativas menos processadas do mesmo item, resultando em mudanças dietéticas personalizadas com o mínimo de esforço”.
Mais informações: Giulia Menichetti et al, Machine learning prediction of the degree of food processing, Nature Communications (2023). DOI: 10.1038/s41467-023-37457-1
