Algoritmo de aprendizado de máquina prevê ultra

02 de maio de 2023 - Última atualização em 02 de maio de 2023 às 15h29 GMT

Tags relacionadas classificação NOVA de processamento função de alimentos ultraprocessados ​​higien_gpt_value2(gptValue) { var vOut = ""; var aTags = gptValue.split(','); var reg = new RegExp('\\W+', "g"); para (var i=0; i

A medida em que um alimento ou bebida é processado é de crescente interesse para as partes interessadas – desde nutricionistas a consumidores e formuladores de políticas – preocupadas com o impacto dos alimentos ultraprocessados ​​na saúde humana e planetária.

Mas o sistema mais amplamente utilizado para avaliar o processamento de alimentos, o sistema de classificação NOVA, recebeu críticas com alegações de que sua categoria de alimentos ultraprocessados ​​NOVA 4 é muito heterogênea.

Em resposta, pesquisadores de Massachusetts desenvolveram um algoritmo de aprendizado de máquina que dizem poder “construir” e “estender” o NOVA para prever com precisão o grau de processamento de qualquer alimento.

Em meio a um número crescente de estudos sugerindo ligações entre alimentos ultraprocessados ​​(UPF) e riscos à saúde, o grau em que os alimentos são processados ​​está bem e verdadeiramente no centro das atenções.

A maioria classifica o grau de processamento recorrendo ao sistema NOVA, desenvolvido em 2009. O NOVA divide os níveis de processamento de alimentos em quatro classificações: alimentos crus e minimamente processados; ingredientes culinários processados; alimentos processados; e alimentos ultraprocessados.

Embora estudos epidemiológicos baseados na classificação NOVA 4 (UPF) tenham produzido descobertas importantes, pesquisadores da Northeastern University e da Tufts School of Medicine em Boston sugerem que sua natureza qualitativa pode resultar em 'inconsistências' e 'ambiguidades'. Além disso, eles acreditam que isso limita a pesquisa sobre o impacto dos alimentos processados.

Entre as críticas, os pesquisadores observam que todo o risco observado para a classificação NOVA está na classe NOVA 4, que representa uma 'categoria grande e heterogênea' de alimentos ultraprocessados ​​que limita a capacidade dos pesquisadores de investigar as implicações para a saúde de diferentes gradações de processamento.

Em outros lugares, o sistema NOVA também foi criticado. Em uma coletiva de imprensa organizada pela FoodDrinkEurope na semana passada, Gert Meijer, presidente da European Technology Platform (ETP) Food for Life e vice-chefe de assuntos científicos e regulatórios corporativos da Nestlé, questionou a falha dos sistemas em "entender o relacionamento entre a ingestão alimentar e a saúde”.

Edith Feskens, professora de Nutrição Global na Universidade de Wageningen, na Holanda, criticou o sistema NOVA por não distinguir entre diferentes produtos 'NOVA 4' – como refrigerantes carbonatados e pão.

Em resposta, os pesquisadores recorreram ao FoodProx, um classificador de aprendizado de máquina treinado para prever o grau de processamento de qualquer alimento de maneira reprodutível, portátil e escalável.

O FoodProX depende de nutrientes como entrada, o que os pesquisadores explicam porque a lista de nutrientes em um alimento é consistentemente regulamentada e relatada em todo o mundo; e suas quantidades em alimentos não processados ​​são limitadas por faixas fisiológicas determinadas pela bioquímica.

Além disso, o processamento de alimentos altera sistemática e reprodutivelmente as concentrações de nutrientes por meio de mudanças combinatórias detectáveis ​​por aprendizado de máquina.

O FoodProX permite que os pesquisadores definam um índice contínuo (FPro) que capta o grau de processamento de qualquer alimento. Além disso, ajuda os pesquisadores a quantificar a qualidade geral da dieta dos indivíduos e, finalmente, revelar as correlações estatísticas entre o grau de processamento que caracteriza as dietas individuais e vários fenótipos de doenças.

Os pesquisadores calcularam pontuações individuais de processamento de alimentos (iFPro) para mais de 20.000 indivíduos com registros alimentares em amostras nacionais representativas dos EUA de 1999-2006.