Nutrition.ad Nutrition.ad
Noticias de nutricao

IA na nutrição: promissoras na avaliação alimentar e orientação personalizada, mas com lacunas de precisão e equidade

Novas pesquisas destacam sistemas de IA que estimam nutrientes a partir de fotografias e adaptam o apoio nutricional, enquanto revisões e dados da JAMA levantam preocupações sobre a fiabilidade, o viés e a validação clínica em contexto real.

IA na nutrição: promissoras na avaliação alimentar e orientação personalizada, mas com lacunas de precisão e equidade
#Nenhum
  • “AI nutrition”
  • “precision nutrition”
  • “dietary assessment”
  • “maternal health”
  • “food safety”
  • “clinical tools”

Ferramentas de IA na nutrição mostram potencial na avaliação alimentar e orientação personalizada, mas persistem lacunas de precisão e equidade

A inteligência artificial está a entrar rapidamente na investigação em nutrição e no desenvolvimento de produtos, com novos estudos e orientações institucionais a apontar ganhos potenciais na avaliação dietética, nutrição de precisão na saúde materno-infantil e na indústria alimentar — ao mesmo tempo que sublinham preocupações por resolver sobre precisão, enviesamento e validação no uso clínico e em saúde pública.

Uma análise recente publicada na JAMA Network Open constatou que, quando chatbots de IA forneciam informação nutricional, grande parte do conteúdo foi classificada apenas como de qualidade “moderada”, com uma quota significativa avaliada como de baixa qualidade, o que destaca um desafio central para as ferramentas de nutrição potenciadas por IA: a fiabilidade em escala quando consumidores e pacientes podem considerar as respostas como autoritativas. O artigo acrescenta-se a um corpo crescente de evidência que pede uma avaliação cuidadosa antes de a IA ser usada para informar decisões de saúde.

A análise alimentar baseada em fotografias aproxima-se, dizem os investigadores

Investigadores da NYU Tandon School of Engineering relataram progressos num “scanner de alimentos” de IA que analisa fotografias tiradas por smartphone para estimar o conteúdo nutricional, posicionando a abordagem como uma potencial ferramenta para pessoas a gerir condições relacionadas com a dieta. O grupo descreveu o sistema como um passo rumo a uma avaliação automática de nutrientes baseada em imagem — uma área que várias revisões científicas identificaram como uma aplicação de rápido crescimento da IA na nutrição.

Revisões independentes notaram que as abordagens baseadas em imagens de alimentos podem complementar a avaliação dietética tradicional, mas continuam limitadas pela qualidade dos dados, diversidade alimentar, estimativa do tamanho das porções e generalização dos modelos — constrangimentos que podem ser amplificados através de diferentes culturas, culinárias e condições reais de iluminação ou de câmaras.

A nutrição de precisão foca-se na saúde materna e infantil — especialmente em contextos de poucos recursos

Num artigo da Nature Communications, os investigadores delinearam como um quadro de “nutrição de precisão” — suportado por avanços em IA e ciência de dados — poderia melhorar a avaliação nutricional e o desenho de intervenções para a saúde materna e infantil, particularmente em cenários com poucos recursos. O artigo enfatizou que abordagens individualizadas poderão ajudar a enfrentar a heterogeneidade no estado nutricional, exposições e desfechos, mas também levantou considerações práticas em torno da implementação, medição e de dados específicos ao contexto.

Investigadores de saúde pública têm reiteradamente alertado que sistemas de IA treinados em conjuntos de dados incompletos ou não representativos podem ter um desempenho fraco em contextos desfavorecidos. Essa preocupação é especialmente relevante na saúde materna e infantil, onde desafios de medição, constrangimentos de fornecimento e desigualdades no acesso digital podem moldar tanto as entradas como os impactos das ferramentas algorítmicas.

Tradução clínica: da modelagem nutricional a plataformas de gestão de doenças

Um artigo de 2025 na Frontiers in Nutrition descreveu aplicações de IA que abrangem nutrição personalizada e indústria alimentar, incluindo plataformas concebidas para apoiar a gestão de doenças com orientação dietética em tempo real e integração com tecnologias como sistemas de administração de insulina em circuito fechado. Os autores enquadraram esses sistemas como exemplos de como a modelagem nutricional pode ser traduzida em ferramentas usadas em ambientes de cuidados, embora a base de evidência mais ampla permaneça mista quanto ao desempenho, segurança e desfechos em diferentes populações.

Em paralelo, um estudo separado que comparou planos alimentares gerados por IA com os elaborados por nutricionistas reportou diferenças nutricionais mensuráveis entre planos produzidos por IA e abordagens desenvolvidas por clínicos, acrescentando ao debate sobre se os modelos generativos orientados ao consumidor atuais conseguem atingir padrões clínicos para planeamento nutricional.

A pressão da indústria acelera, mas os padrões de evidência são desiguais

Para além dos cuidados de saúde, a IA tem sido cada vez mais apresentada como forma de melhorar o controlo de qualidade, eficiência e segurança alimentar na produção. Um tópico de investigação da Frontiers sobre nutrição personalizada impulsionada por IA e fabrico alimentar destaca trabalhos em curso em otimização, análise de nutrientes e sistemas de produção. Um relatório separado da News-Medical descreveu como a IA — incluindo grandes modelos de linguagem — poderia ajudar a conectar listas de ingredientes com perfis nutricionais, potencialmente a informar a formulação de produtos.

Mas revisões sistemáticas sobre IA na investigação em nutrição alertam que o desempenho dos modelos depende fortemente da qualidade dos dados dietéticos e de saúde subjacentes, e que muitos sistemas permanecem concentrados na avaliação dietética em vez de intervenções clínicas rigorosamente testadas.

Grupos profissionais publicam orientações à medida que a adoção cresce

À medida que as ferramentas de IA proliferam, a American Society for Nutrition (ASN) lançou um guia de recursos sobre inteligência artificial e aprendizagem automática destinado a ajudar profissionais da nutrição a avaliar e navegar nas novas ferramentas em contextos de investigação, cuidados clínicos e saúde pública. O guia reflete a crescente atenção institucional à governação, transparência e uso responsável à medida que a IA se integra nos fluxos de trabalho.

Entretanto, sínteses revistas por pares continuam a apelar a padrões de validação mais claros, melhores práticas de reporte e uma consideração cuidadosa do enviesamento, privacidade e viabilidade no mundo real — particularmente quando as saídas de IA poderão influenciar decisões clínicas ou programas de saúde pública.

Referências & Links

Back to News