IA na nutrição: simplificar a alimentação saudável com visão computacional

Alimentar-se de forma saudável e manter-se em forma é um objetivo que muitos de nós procuramos alcançar. De acordo com um inquérito, 70% das pessoas querem ser mais saudáveis e, para 50% delas, alimentar-se de forma mais saudável é uma prioridade máxima. Ocasionalmente, podemos recorrer a conselhos de médicos e nutricionistas. No entanto, isto pode consumir muito tempo e envolver consultas e o registo das refeições. Registar as refeições, em particular, pode ser aborrecido e propenso a erros.

A IA e a visão computacional podem tornar a alimentação saudável mais simples e acessível. Podem ajudar a analisar o que come, acompanhar a sua nutrição e até sugerir receitas com base nos seus objetivos de saúde. Estas tecnologias também podem ajudar a identificar alergénios, tornando o planeamento das refeições mais fácil e seguro para pessoas com restrições alimentares. Neste artigo, analisaremos mais detalhadamente como estas tecnologias podem ser utilizadas em tarefas como o acompanhamento nutricional e a sugestão de receitas. Veremos também como a IA na nutrição está a afetar o setor dos cuidados de saúde. Vamos começar!

Fig. 1. Utilizar IA para contar o número de calorias numa refeição.

Visão computacional no acompanhamento nutricional e na análise de alimentos#

Podem surgir várias complicações de saúde devido a uma ingestão nutricional inadequada. Os investigadores descobriram que consumir demasiado ou muito pouco de determinados alimentos e nutrientes pode aumentar o risco de doença cardíaca e acidente vascular cerebral. Por isso, é muito importante acompanhar a sua ingestão nutricional. Tradicionalmente, acompanhar a ingestão nutricional envolve registar manualmente os alimentos que come, estimar os tamanhos das porções e consultar informações nutricionais, o que pode consumir muito tempo e envolver uma margem de erro. Com as tecnologias de IA e visão computacional, acompanhar a nutrição é agora mais fácil do que nunca.

Quando se senta para comer, pode tirar uma fotografia da sua taça ou prato, e os modelos de visão computacional podem analisar a imagem para identificar os diferentes alimentos. O sistema de IA pode então estimar os tamanhos das porções e fornecer informações nutricionais detalhadas. Por exemplo, através da deteção de objetos, os sistemas de visão computacional podem identificar com precisão os alimentos no seu prato.

Fig. 2. Utilizar o modelo de visão computacional Ultralytics YOLOv8 para detetar morangos.

Estes alimentos identificados podem depois ser associados a uma grande base de dados de informações nutricionais. Algoritmos avançados, como a estimativa de profundidade, podem ajudar a estimar os tamanhos das porções. Depois de os alimentos serem identificados e os tamanhos das porções estimados, o sistema pode calcular as calorias, os macronutrientes (como proteínas, gorduras e hidratos de carbono) e os micronutrientes (como vitaminas e minerais), para lhe fornecer uma análise nutricional detalhada da sua refeição.

Aplicações de acompanhamento de refeições baseadas em visão computacional#

Uma das aplicações mais populares da visão computacional no acompanhamento de refeições é através de aplicações móveis. Vejamos rapidamente algumas opções interessantes de acompanhamento de refeições com IA.

A SnapCalorie é uma aplicação que utiliza visão computacional para estimar o teor calórico e os macronutrientes a partir de uma fotografia. Treinada com 5 000 refeições, reduz os erros de estimativa de calorias para menos de 20% e supera a maioria das pessoas. Os resultados podem ser registados num diário alimentar ou exportados para plataformas de fitness como a Apple Health.

De forma semelhante, uma inovação interessante que impulsiona o acompanhamento nutricional com IA é a LogMeal API. Utiliza algoritmos de aprendizagem profunda treinados com grandes conjuntos de dados de imagens de alimentos para detetar e reconhecer alimentos com precisão. Os modelos da LogMeal alcançam uma precisão de 93% em 1 300 pratos e fornecem análises nutricionais detalhadas, deteção de ingredientes e estimativa do tamanho das porções. A LogMeal API pode ser facilmente integrada em aplicações para criar soluções de acompanhamento de refeições para restaurantes, quiosques de autoencomenda, startups de tecnologia alimentar, prestadores de cuidados de saúde e outros consumidores.

Fig. 3. Identificar alimentos utilizando a Logmeal.

Utilizar IA para sugerir receitas#

A IA pode sugerir receitas saudáveis com base no que tem disponível na sua cozinha. Técnicas de visão computacional, como a segmentação, podem identificar diferentes ingredientes numa imagem do seu frigorífico ou despensa. Com base nisso, um modelo de linguagem de grande escala (LLM), como o ChatGPT, pode sugerir receitas utilizando IA generativa. Como pode fornecer instruções a um LLM, também pode especificar restrições alimentares, como vegan, sem glúten ou com baixo teor de hidratos de carbono, e o sistema de IA selecionará sugestões de receitas que cumpram os seus critérios.

Fig. 4. Reconhecer ingredientes utilizando visão computacional.

O "Sous Chef", uma versão personalizada do ChatGPT, é um excelente exemplo desta tecnologia. Pode sugerir receitas com base no que tem disponível. Pode escrever os ingredientes como instrução ou carregar uma imagem do que tem no frigorífico.

Pode estar a perguntar-se: precisamos realmente de um sistema destes? Os sistemas de sugestão de receitas com IA oferecem muitos benefícios, como reduzir o desperdício alimentar através da utilização eficaz dos ingredientes disponíveis e aumentar a variedade das refeições com pratos gourmet. Também podem ajudar a manter uma dieta equilibrada. Por exemplo, os planos de refeições personalizados sugeridos por um gerador de receitas com IA podem ajudar a alcançar objetivos de fitness. Estes sistemas também podem tornar a culinária muito mais divertida e criativa.

Startups que inovam com IA no setor da nutrição#

Está a ser desenvolvido muito trabalho fascinante na indústria alimentar e nutricional relacionado com a IA. Vejamos algumas das startups que estão a integrar a IA nos alimentos que consumimos todos os dias.

A Journey Foods, uma startup sediada nos EUA, fornece inteligência sobre ingredientes para desenvolver e lançar novos produtos alimentares embalados. A sua plataforma de ciência de dados, JourneyAI, analisa milhões de ingredientes e dados da cadeia de abastecimento para encontrar o ingrediente ideal para cada produto. Recolhe e armazena grandes quantidades de dados sobre substâncias químicas e nutrientes para criar as melhores formulações de produtos alimentares. A plataforma também permite que as empresas de fabrico de alimentos embalados façam uma melhor gestão de todo o ciclo de vida dos produtos através da descoberta alimentar orientada por dados.

Outra startup inovadora no setor da nutrição é a Viome. A Viome utiliza inteligência artificial e tecnologia de sequenciação de mRNA para oferecer recomendações personalizadas de nutrição e bem-estar. Fornece testes para realizar em casa que analisam o microbioma e a expressão genética para obter informações precisas sobre a saúde de uma pessoa. Estas informações ajudam a identificar as causas subjacentes dos desequilíbrios microbianos e da inflamação. Com base nestas informações, a Viome prescreve suplementos personalizados e recomendações alimentares adaptadas à bioquímica única de cada pessoa. Ao concentrar-se na prevenção de doenças crónicas e na resolução das causas subjacentes dos problemas de saúde, a Viome torna a gestão avançada da saúde acessível e personalizada.

Fig. 5. Recomendações alimentares baseadas em IA e sequenciação genómica.

Avaliar as desvantagens dos nutricionistas com IA#

Embora os sistemas nutricionais potenciados por IA ofereçam muitos benefícios, também precisamos de compreender algumas das suas desvantagens. Um dos principais problemas é a privacidade e a segurança dos dados. Estes sistemas precisam de acesso a informações pessoais sensíveis sobre a saúde e a alimentação. Se estes dados não forem devidamente protegidos, podem ser utilizados indevidamente ou roubados.

Existe também a preocupação com o enviesamento nos algoritmos de IA. Se os dados de treino não forem suficientemente diversificados, as recomendações podem não ser precisas para todas as pessoas, podendo levar a conselhos inadequados para determinados grupos. Outro problema é o risco de se ficar demasiado dependente da tecnologia. A IA pode fornecer informações úteis, mas não deve substituir a experiência dos nutricionistas e dos profissionais de saúde.

O impacto no setor médico#

Os sistemas de acompanhamento nutricional e de nutricionistas potenciados por IA deverão transformar o setor médico, alterando as funções dos nutricionistas e dos profissionais de saúde. Também oferecem ao público mais opções para obter aconselhamento sobre a ingestão nutricional. Cerca de 40% das pessoas não sentem necessidade de falar com o seu médico antes de adicionar um suplemento à sua rotina diária. A IA facilita o acesso a uma opinião especializada e pode incentivar o público a procurar mais informações antes de fazer alterações à sua ingestão nutricional.

É provável que uma transformação impulsionada pela IA possa alterar fundamentalmente a forma como a nutrição e a gestão alimentar são abordadas. Alexandra Kaplan, nutricionista na Core Nutrition, sediada em Westchester, Nova Iorque, afirma: "Partindo do princípio de que é precisa (a IA), pode ser muito útil, porque me ajudaria a saber a porção exata do que está no prato e, depois, o que existe nos alimentos; por isso, poderia ajudar os pacientes a saber o que estão a comer nessa refeição."

Em vez de substituir os nutricionistas, a IA pode servir como uma ferramenta poderosa que complementa a sua experiência. A IA pode fornecer informações baseadas em dados que apoiam a tomada de decisões clínicas, ajudando os nutricionistas a desenvolver planos de tratamento mais eficazes. Por exemplo, a IA pode identificar padrões nos hábitos alimentares de um paciente que contribuem para doenças crónicas e permitir que os nutricionistas intervenham mais cedo e de forma mais eficaz.

Resumo sobre a IA na nutrição#

A visão computacional e a IA podem tornar muito mais fácil acompanhar o que comemos e podem até funcionar como o seu nutricionista pessoal. Estas tecnologias podem ser utilizadas para ajudar a melhorar a saúde dos pacientes, fornecendo um acompanhamento preciso e planos alimentares personalizados, ao mesmo tempo que reduzem os custos dos cuidados de saúde ao tornar mais eficientes a maioria dos complexos processos dos nutricionistas. Embora a IA tenha algumas limitações, como problemas de precisão e a falta do contacto humano pessoal, as inovações em IA podem complementar a experiência humana e melhorar os cuidados nutricionais em geral. Podemos ainda estar muito longe dos replicadores de alimentos de Star Trek, mas a IA na nutrição está a reformular o futuro.

Vamos inovar juntos! Explore o nosso repositório no GitHub para conhecer os nossos contributos para a IA. Descubra como estamos a redefinir setores como o da indústria transformadora e o dos cuidados de saúde com tecnologia de IA de ponta. 🚀