Estudo da UC Davis usa IA generativa para pequenas trocas nas refeições

As aplicações de nutrição dizem às pessoas o que comer há anos. Na maioria dos casos, tentam montar o “prato ideal” do zero - cumprir metas de nutrientes e reduzir ao mínimo os alimentos processados.

O resultado costuma ser a refeição que se deveria comer, e não aquela que se prepara de facto.

E isso raramente pega. Um novo estudo escolheu outra via: partir das refeições que as pessoas já comem e procurar a alteração mais pequena possível que, ainda assim, faça diferença.

O fosso entre conselho e prática

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

Transformar essa realidade em decisões à mesa do jantar, porém, é muito mais difícil.

Trevor Chan e Ilias Tagkopoulos, cientistas de computação na Universidade da Califórnia, Davis (UC Davis), suspeitaram que a dificuldade real está no tamanho da tarefa.

Muitas aplicações de dieta exigem uma mudança total - e é precisamente essa mudança total que leva as pessoas a desistir.

Por isso, a ambição da equipa foi propositadamente contida.

Em vez de desenharem um prato perfeito a partir do nada, quiseram pegar no que as pessoas já comem e empurrar essas escolhas na direcção de uma alimentação saudável com o menor número possível de alterações.

Aprender a partir das refeições

Para perceber o que os americanos realmente põem no prato, a equipa recorreu a um inquérito federal de longa duração chamado O Que Comemos na América.

Esse inquérito reunia registos de mais de 135.000 refeições reportadas por mais de 55.000 adultos.

Ao organizar esse conjunto, o modelo agrupou as refeições em 34 padrões do quotidiano - o pequeno-almoço de cereais com leite, o almoço de sanduíche, ou o jantar de pizza.

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

O sistema trabalhou em duas frentes ao mesmo tempo. Por um lado, seleccionou alimentos que combinam naturalmente; por outro, ajustou tamanhos de porção para aproximar cada refeição das recomendações nutricionais federais, sem deixar de parecer algo que uma pessoa pudesse mesmo comer.

Mais perto das metas de saúde

Quando a equipa comparou as refeições geradas com as refeições reais dentro do mesmo padrão, as versões inventadas saíram mais saudáveis. Reduziram a distância às metas nutricionais federais em cerca de 47 percent.

Os ganhos foram concretos. Nas refeições geradas, a fibra, a proteína e o potássio aumentaram; e as carências em vitaminas foram mitigadas, mantendo-se, ainda assim, um aspecto e um perfil de sabor semelhantes aos originais.

Houve, contudo, um indicador a piorar. Em alguns almoços e jantares, o sódio subiu - um lembrete simples de que uma única intervenção não optimiza todos os nutrientes ao mesmo tempo.

Algumas trocas simples

Ferramentas anteriores já conseguiam compor um menu saudável do zero. O que não tinham conseguido era isolar a menor correcção numa refeição que alguém já come - uma ou duas substituições bem escolhidas.

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

Os efeitos acompanharam o esforço. Com apenas uma troca, a qualidade nutricional da refeição subiu cerca de 5%, ao mesmo tempo que o custo modelado desceu aproximadamente um quinto.

Com três trocas permitidas, as refeições ficaram cerca de 10% mais saudáveis por quase um terço menos dinheiro.

Ainda assim, as refeições mantiveram-se reconhecíveis - uma troca podia substituir um acompanhamento mais gorduroso por feijão, ou incluir mais folhas verdes.

A ideia não é reinventar o jantar; é fazer uma versão mais leve da mesma refeição.

Melhor do que conselhos de um assistente conversacional

Há uma pergunta inevitável em qualquer ferramenta alimentar com IA: porque não pedir simplesmente a um assistente conversacional?

A equipa testou exactamente isso, colocando o seu modelo criado para este fim frente ao GPT-4o, o assistente conversacional generalista mais forte disponível na altura.

O modelo especializado levou vantagem no que mais interessava. No equilíbrio entre proteína, gordura e hidratos de carbono, alinhou-se de forma muito mais consistente com as metas federais.

Já o assistente conversacional tendeu a sugerir pratos mais carregados em gordura e com falta de hidratos de carbono. Essa diferença encaixa num padrão mais amplo.

Uma revisão recente sobre assistentes conversacionais a dar aconselhamento alimentar concluiu que as recomendações são irregulares e, por vezes, erradas - o que sugere que incorporar regras nutricionais directamente no modelo pode dar uma vantagem em relação a uma conversa livre.

Limitações do estudo

O estudo tem uma limitação importante: todos os resultados existem apenas num modelo computacional.

Ninguém preparou estas refeições, ninguém as comeu, nem foi testado se as trocas sugeridas são viáveis de manter ao longo do tempo.

Os dados também trazem enviesamentos. Os participantes relataram a própria alimentação, e sabe-se que as pessoas tendem a subnotificar alimentos menos saudáveis e a sobrevalorizar escolhas mais saudáveis.

As poupanças estimadas seguem a mesma lógica: baseiam-se em menus modelados, e não em talões reais de compras.

Os autores não exageram a força do achado. Para eles, há um fio claro a atravessar os 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

O que aqui muda é o tamanho da alavanca. Uma refeição não precisa de ser redesenhada.

Uma ou duas substituições bem escolhidas podem aproximá-la das recomendações e, ao mesmo tempo, baixar a conta.

As implicações práticas são fáceis de imaginar. Uma aplicação de compras poderia sugerir uma única troca no momento do pagamento, em vez de impor uma dieta totalmente nova; e um programa de saúde pública poderia oferecer versões mais baratas e mais saudáveis das refeições que as pessoas já cozinham.

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

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