IA na nutrição: facilitando uma alimentação saudável com visão computacional

Comer de forma saudável e manter a forma é um objetivo que muitos de nós procuramos alcançar. Segundo um inquérito, 70% das pessoas querem ser mais saudáveis e, para 50% delas, comer de forma mais saudável é uma prioridade. Por vezes, podemos recorrer aos conselhos de médicos e nutricionistas. No entanto, isso pode exigir muito tempo e implicar consultas e o registo das refeições. Em particular, registar as refeições pode ser aborrecido e propenso a erros.

A IA e a visão computacional podem tornar a alimentação saudável mais simples e acessível. Elas podem ajudar a analisar o que você come, acompanhar sua nutrição e até sugerir receitas com base em seus objetivos de saúde. Essas tecnologias também podem ajudar a identificar alérgenos, facilitando o planejamento de refeições e tornando-o mais seguro para pessoas com restrições alimentares. Neste artigo, vamos analisar mais de perto como essas tecnologias podem ser usadas em tarefas como o acompanhamento nutricional e a sugestão de receitas. Também veremos como a IA na nutrição está afetando o setor de saúde.

Fig. 1. Utilização da IA para contar as calorias de uma refeição.

Visão computacional no acompanhamento nutricional e na análise de alimentos#

Uma alimentação inadequada pode causar diversos problemas de saúde. Pesquisadores descobriram que consumir em excesso ou em quantidade insuficiente determinados alimentos e nutrientes pode aumentar o risco de doenças cardíacas e acidente vascular cerebral. Por isso, é muito importante acompanhar sua ingestão nutricional. Tradicionalmente, isso envolve registrar manualmente os alimentos consumidos, estimar o tamanho das porções e consultar informações nutricionais, um processo que pode consumir muito tempo e estar sujeito a erros. Com as tecnologias de IA e visão computacional, acompanhar a nutrição está se tornando muito mais fácil.

Quando você se senta para comer, pode tirar uma foto da sua tigela ou do seu prato, e os modelos de visão computacional podem analisar a imagem para identificar os diferentes alimentos. Em seguida, o sistema de IA pode estimar o tamanho das porções e fornecer informações nutricionais detalhadas. Por exemplo, usando a detecção de objetos, os sistemas de visão computacional podem identificar com precisão os alimentos no seu prato. Conjuntos de dados públicos como o Food Recognition 2022 permitem treinar esses modelos.

Fig. 2. Utilização do modelo de visão computacional Ultralytics YOLOv8 para detetar morangos.

Em seguida, esses alimentos identificados podem ser associados a um grande banco de dados de informações nutricionais. Algoritmos avançados, como a estimativa de profundidade, podem ajudar a estimar o tamanho das porções. Depois que os alimentos são identificados e as porções estimadas, o sistema pode calcular as calorias, os macronutrientes (como proteínas, gorduras e carboidratos) e os micronutrientes (como vitaminas e minerais), fornecendo uma análise nutricional detalhada da refeição.

Aplicações de acompanhamento de refeições com tecnologia de visão computacional#

Um dos usos mais populares da visão computacional no acompanhamento das refeições são os aplicativos para dispositivos móveis. Vamos conhecer rapidamente algumas opções de aplicativos de acompanhamento de refeições com IA.

A SnapCalorie é uma aplicação que utiliza visão computacional para estimar as calorias e os macronutrientes de uma fotografia. Treinada com 5000 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.

Da mesma forma, uma inovação interessante que impulsiona o acompanhamento nutricional com IA é a API LogMeal. Ela usa algoritmos de aprendizado profundo treinados com grandes conjuntos de imagens de alimentos para detectá-los e reconhecê-los com precisão. Os modelos da LogMeal alcançam 93% de precisão em 1.300 pratos e fornecem análises nutricionais detalhadas, identificação de ingredientes e estimativas do tamanho das porções. A API LogMeal pode ser facilmente integrada a aplicativos para criar soluções de acompanhamento de refeições para restaurantes, quiosques de autoatendimento, startups de tecnologia alimentar, prestadores de serviços de saúde e outros usuários.

Fig. 3. Identificação de alimentos com o LogMeal.

Usando IA para sugerir receitas#

A IA pode sugerir receitas saudáveis com base no que você tem disponível na cozinha. Técnicas de visão computacional, como a segmentação, podem identificar diferentes ingredientes em uma imagem da geladeira ou da despensa. Com base nisso, um grande modelo de linguagem (LLM), como o ChatGPT, pode sugerir receitas usando IA generativa. Como você pode dar instruções a um LLM, também pode especificar restrições alimentares, como uma dieta vegana, sem glúten ou com baixo teor de carboidratos, e o sistema de IA selecionará sugestões de receitas que atendam aos seus critérios.

Fig. 4. Reconhecimento de ingredientes usando visão computacional.

O "Sous Chef", uma versão personalizada do ChatGPT, é um exemplo dessa tecnologia. Ele pode sugerir receitas com base no que você tem. Você pode informar os ingredientes ou enviar uma imagem do que tem na geladeira.

Podes estar a perguntar-te: será que precisamos mesmo de um sistema destes? Os sistemas de sugestão de receitas com IA oferecem muitos benefícios, como reduzir o desperdício alimentar aproveitando bem os ingredientes disponíveis e aumentar a variedade de refeições com pratos gourmet. Também podem ajudar-te a manter uma dieta equilibrada. Por exemplo, os planos alimentares personalizados sugeridos por um gerador de receitas com IA podem ajudar-te a atingir os teus objetivos de fitness. Estes sistemas também podem tornar a cozinha muito mais divertida e criativa.

Startups que inovam com IA na indústria da nutrição#

Há muitos trabalhos interessantes sendo realizados com IA no setor de alimentos e nutrição. Vamos conhecer algumas startups que estão integrando a IA aos alimentos que consumimos todos os dias.

A Journey Foods, uma startup sediada nos EUA, oferece inteligência sobre ingredientes para desenvolver e lançar novos produtos alimentícios embalados. Sua plataforma de ciência de dados, JourneyAI, analisa milhões de ingredientes e dados da cadeia de suprimentos para encontrar o ingrediente ideal para cada produto. Ela coleta e armazena grandes volumes de dados sobre substâncias químicas e nutrientes para criar as melhores formulações de produtos alimentícios. A plataforma também permite que empresas fabricantes de alimentos embalados gerenciem melhor todo o ciclo de vida dos produtos por meio da descoberta de alimentos orientada por dados.

Outra startup inovadora na indústria da nutrição é a Viome. A Viome usa inteligência artificial e tecnologia de sequenciação de mRNA para oferecer recomendações personalizadas de nutrição e bem-estar. A empresa disponibiliza testes para fazer em casa que analisam o microbioma e a expressão genética para fornecer informações precisas sobre a saúde de cada 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 profundas dos problemas de saúde, a Viome torna a gestão avançada da saúde acessível e personalizada.

Fig. 5. Recomendações alimentares baseadas em IA e sequenciação do genoma.

Ponderar as desvantagens dos dietistas de 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 segurança dos dados. Estes sistemas precisam de aceder a informações pessoais sensíveis sobre saúde e alimentação. Se estes dados não estiverem bem protegidos, podem ser usados indevidamente ou roubados.

Também existe a preocupação com o viés nos algoritmos de IA. Se os dados de treino não forem suficientemente diversificados, as recomendações podem não ser precisas para todos, podendo levar a conselhos inadequados para determinados grupos de pessoas. Outro problema é o risco de dependermos demasiado da tecnologia. A IA pode fornecer informações úteis, mas não deve substituir a experiência de nutricionistas e profissionais de saúde.

O impacto na indústria médica#

Os sistemas de acompanhamento nutricional e de dietistas com IA estão prestes a transformar a indústria médica, alterando as funções dos dietistas humanos e dos profissionais de saúde. Também oferecem ao público mais opções para obter conselhos sobre a ingestão nutricional. Cerca de 40% das pessoas não acham que precisam de falar com o 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 orientação antes de fazer alterações à ingestão nutricional.

A IA poderia mudar fundamentalmente a forma como a nutrição e o controle alimentar são conduzidos. Alexandra Kaplan, nutricionista da Core Nutrition, com sede em Westchester, Nova York, afirma: "Supondo que esteja correta (a IA), ela poderia ser muito útil porque me ajudaria a saber exatamente qual é a porção de cada alimento no prato e o que há nele, então poderia ajudar os pacientes a saber o que estão comendo naquela refeição."

Em vez de substituir os nutricionistas, a IA pode servir como uma ferramenta poderosa que complementa a experiência deles. A IA pode fornecer insights orientados por dados que apoiam a tomada de decisões clínicas, ajudando 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 crônicas e permitir que nutricionistas intervenham mais cedo e com mais eficácia.

Resumo da IA na nutrição#

A visão computacional e a IA podem facilitar muito o acompanhamento do que comemos e até podem ser o teu dietista pessoal. Estas tecnologias podem ajudar a melhorar a saúde dos pacientes através de uma monitorização precisa e de planos alimentares personalizados, reduzindo também os custos de saúde ao tornar mais eficientes muitos dos processos complexos dos dietistas. Embora a IA tenha algumas limitações, como problemas de precisão e falta de contacto humano, as inovações em IA podem complementar a experiência humana e melhorar os cuidados nutricionais em geral. Ainda podemos estar longe dos replicadores de alimentos de Star Trek, mas a IA na nutrição está a transformar o futuro.

Vamos inovar juntos! Explore nosso repositório no GitHub para conhecer nossas contribuições para a IA. Descubra como aplicamos IA em setores como manufatura e saúde.