A inteligência artificial revela a quantidade de açúcar escondido em alimentos embalados em todo o mundo

Um algoritmo pioneiro revela a quantidade de açúcar oculto que se esconde em sua comida – e mostra países e produtos que atendem à marca saudável de carboidratos.

Ingressos: Previsões de qualidade de carboidratos em um banco de dados global de alimentos embalados. Imagem de crédito: nova África / obturador

Os carboidratos contribuem com cerca de 70 % da ingestão diária de energia na dieta humana média em todo o mundo; No entanto, a importância dos carboidratos é frequentemente sobrecarregada por uma quantidade. Em um estudo recente publicado na revista Fronteiras na alimentaçãoUm algoritmo europeu procura prever o teor de açúcar gratuito em alimentos embalados, fornecendo uma visão da qualidade global de carboidratos.

Carboidratos na dieta

Os carboidratos são uma fonte vital de energia e desempenham um papel importante na nutrição global. Embora as discussões sobre a dieta geralmente se concentrem na quantidade de carboidratos, a qualidade dos carboidratos é igualmente necessária para manter a boa saúde. Evidências científicas indicam que a qualidade dos carboidratos afeta a função do metabolismo e o risco de doenças crônicas.

Uma das ferramentas usadas para avaliar a qualidade dos carboidratos é a porcentagem de carboidratos (CQR), que avalia o equilíbrio do total de carboidratos, fibras dietéticas e açúcares livres em produtos alimentícios. Essa porcentagem determina pelo menos 1 gramas de fibra alimentar por 10 gramas de carboidratos totais e não mais que 2 gramas de açúcar livre para cada grama de fibra. Essa proporção ajuda a distinguir entre alimentos que são úteis nutricionalmente daqueles que podem contribuir para resultados fracos à saúde.

No entanto, determinar o teor de açúcar gratuito em alimentos com precisão ainda é um desafio. Poucos países exigem sinais explícitos de açúcares adicionados, o que limita a transparência para consumidores e pesquisadores. Os açúcares livres incluem, conforme determinado pela Organização Mundial da Saúde (OMS), aditivos e açúcares que ocorrem naturalmente em mel, bebida e sucos de frutas, enquanto o FDA é definido como aditivos como aqueles que foram servidos apenas durante o tratamento. Essa deficiência de informação dificulta os esforços feitos para avaliar a qualidade dos carboidratos de maneira eficaz, o que dificulta fazer as escolhas nutricionais esclarecidas e estudar o efeito dos carboidratos na saúde.

Sobre estudo

Neste estudo, os pesquisadores desenvolveram um algoritmo para prever açúcares gratuitos em alimentos embalados em todo o mundo, lidando com uma lacuna crítica de conhecimento na qualidade dos carboidratos. Use dados do Mintel Global New Products Database (GNPD), que contém informações extensas sobre alimentos embalados de 86 países, incluindo a formação de nutrientes e ingredientes.

Antes da análise, a equipe limpou os dados e o unificou firmemente para garantir a consistência. Ele inclui uma etapa decisiva na coordenação dos componentes manualmente usando expressões regulares para classificá -los como um aditivo naturalmente ou açúcar – uma discriminação necessária para estimar o teor de açúcar livre com precisão.

Para construir modelos preditivos, os pesquisadores usaram técnicas de aprendizado de máquina. Eles treinaram seus modelos usando dados dos Estados Unidos (Estados Unidos) e testaram oficialmente seu desempenho em 14 países selecionados, com modelos aplicados a produtos de 81 países adicionais. Os modelos analisaram os adesivos do produto, levando em consideração os seis primeiros componentes classificados como açúcares, frutas ou laticínios adicionados, além de informações detalhadas sobre alimentos, como conteúdo de energia, gorduras, carboidratos, fibras, proteínas, açúcares e sódio.

O oleoduto garante três trabalhos bilaterais para detectar a presença de açúcares adicionados e modelos de inclinação com base nas árvores acumuladas para estimar sua quantidade. Além disso, os valores esperados de açúcar aditivo foram utilizados como estimativas de açúcar livre, exceto para categorias específicas de alimentos, como suco e doces de açúcar, pois o total de açúcares foram utilizados diretamente devido a características únicas de açúcar.

Finalmente, os modelos são aplicados a produtos sem anúncios de açúcar adicionais explícitos para prever a composição dos carboidratos. A qualidade dos carboidratos foi avaliada usando 10: 1 a 1: 2: a porcentagem de carboidratos, fibras e açúcares livres.

Os principais resultados

O estudo constatou que os modelos de aprendizado de máquina mostraram um alto grau de precisão na previsão do teor de açúcar livre em produtos alimentares engarrafados. O erro médio absoluto do grupo de teste foi calculado em 0,96 g/100 gramas, indicando uma diferença relativamente média entre os valores esperados e anunciados.

Além disso, o modelo ROM possui uma altura de 0,98 entre valores esperados e anunciados e modelos anteriores que os superam, como vizinhos mais parecidos com K, que mostraram uma taxa de erro muito mais alta, confirmando a confiabilidade das previsões. Vale ressaltar que as capacidades preditivas do modelo não se limitaram aos Estados Unidos, os pesquisadores descobriram que o modelo é realizado cuidadosamente quando foi oficialmente testado em 14 países e aplicado em 81 países adicionais, destacando sua aplicação global.

O estudo também estudou a porcentagem de produtos alimentares que enfrentavam qualidade de carboidrato direcionados, revelando diferenças significativas tanto em alimentos quanto em países. Nos Estados Unidos, os produtos que atendem significativamente à qualidade dos carboidratos, que variam de 60 % de grãos relativamente quentes a 0 % de sabor e sabor. Este amplo grupo destacou a diversidade de carboidratos, mesmo em um país.

Ao considerar todas as categorias de alimentos, a porcentagem de produtos que atendem à porcentagem direcionada entre 67 % no Reino Unido, que é um compromisso relativamente alto com os padrões de qualidade, variou a 9,8 % na Malásia, indicando uma porcentagem muito menor de produtos que atendem à qualidade dos carboidratos necessários.

Vale a pena notar que as plantas baseadas na maioria das plantas-como a maioria das categorias de bebidas-estavam usando um compromisso relativamente alto pela qualidade dos carboidratos em todo os países, devido ao alto teor de fibras e baixos níveis aditivos de açúcar.

No entanto, os pesquisadores reconheceram que a precisão das previsões de alguns países pode estar um pouco limitada aos tamanhos de pequenas amostras, que podem afetar a generalização dos resultados dessas áreas específicas.

Além disso, os autores conduziram os testes de Zi em comparação com os valores esperados de açúcar gratuitos anunciados em 18 categorias de alimentos nos Estados Unidos e não encontraram diferenças estatisticamente significativas, confirmando a durabilidade do modelo.

conclusão

Em suma, o estudo conseguiu desenvolver e alcançar a validade de um método que depende do aprendizado da máquina para prever o teor de açúcar gratuito em alimentos usados ​​usando um banco de dados global em grande escala. Essa abordagem automática e de desenvolvimento mostrou uma forte precisão entre países e grupos de alimentos e pode se estender a outros bancos de dados e padrões de nutrientes que requerem estimativa gratuita de açúcar.

Os valores esperados de açúcar livre podem melhorar os estereótipos de nutrientes, como o escore nutri, que atualmente dependem do total de açúcares devido aos requisitos para definir sinais limitados.

Essa abordagem sistemática inovadora forneceu uma ferramenta forte e valiosa para monitorar e avaliar a qualidade dos carboidratos em suprimentos globais de alimentos, fornecendo visões importantes de iniciativas de saúde pública e orientação alimentar.