IA Revolucionando a Nutrição de Precisão: Uma Revisão Abrangente

A nutrição de precisão é uma abordagem avançada para o planejamento alimentar que adapta as orientações nutricionais às características individuais, incluindo genética, estilo de vida e fatores ambientais. A integração da inteligência artificial (IA) na nutrição de precisão abre oportunidades sem precedentes para aprimorar a eficácia e a personalização das recomendações nutricionais. A IA pode analisar grandes quantidades de dados de diversas fontes, como perfis multiômicos, hábitos alimentares e históricos médicos, permitindo a identificação de necessidades dietéticas sutis em nível individual. Esta revisão explora os avanços mais recentes em IA e suas aplicações na nutrição de precisão.

Foi utilizada uma estratégia de revisão de escopo seguindo a extensão dos Itens de Relato Preferenciais para Revisões Sistemáticas e Meta-análises para Revisões de Escopo (PRISMA-ScR). Os critérios de inclusão incluíram artigos de 8 de dezembro de 2014 a 28 de maio de 2024, em inglês, provenientes de bases de dados acadêmicas respeitáveis. As palavras-chave da pesquisa foram categorizadas em nutrição de precisão, IA e processamento de linguagem natural. Os critérios de exclusão incluíram editoriais, erratas, cartas, notas, comentários e estudos em animais. Um total de 198 artigos relevantes foram incluídos nesta revisão de literatura.

Os 198 artigos foram disseminados em 142 locais, compreendendo 98 periódicos e 44 conferências. Os periódicos foram classificados manualmente em cinco categorias distintas: Medicina Clínica, Ciência de Alimentos e Nutrição, Informática, Ciência da Computação e Biologia. Essa distribuição reflete um alto nível de interesse e atividade em Medicina Clínica e Informática, sugerindo um forte foco na aplicação de técnicas de IA em ambientes clínicos para intervenções nutricionais personalizadas ou aplicações médicas.

Entre as 198 publicações analisadas, 99 estudaram especificamente uma ou mais doenças. As três doenças mais estudadas são diabetes, doenças cardiovasculares e cânceres. Doenças menos estudadas incluem distúrbios gastrointestinais, doenças neurodegenerativas, transtornos alimentares, transtornos de saúde mental, obesidade, fadiga ocular, COVID-19, alergias alimentares e doenças de pele. A pesquisa sobre essas doenças menos estudadas emergiu principalmente após 2020.

As principais aplicações da IA na nutrição de precisão são otimização da saúde, prevenção de doenças e manejo de doenças. A otimização da saúde visa aprimorar o bem-estar dos indivíduos por meio de intervenções nutricionais personalizadas usando várias abordagens de IA. A prevenção de doenças foca no uso de IA para prever e prevenir o início de doenças por meio de recomendações dietéticas personalizadas. O manejo de doenças envolve o uso de IA para auxiliar no manejo de doenças existentes por meio de planos nutricionais adaptados.

A revisão destaca diversos conjuntos de dados utilizados na literatura e resume metodologias e métricas de avaliação para orientar estudos futuros. Os métodos de IA são sistematicamente categorizados, com cada método descrito juntamente com exemplos de pesquisa em nutrição de precisão. As métricas de avaliação usadas para avaliar modelos de IA também são categorizadas e explicadas com exemplos relevantes.

A revisão enfatiza a importância das perspectivas minoritárias e culturais na promoção da equidade para a nutrição de precisão usando IA. Ela explora o impacto e o potencial de vários fatores, como socioeconomia, sensibilidade cultural, acessibilidade tecnológica e literacia digital, preocupações éticas e de privacidade, necessidades nutricionais personalizadas, abordagens comunitárias e políticas e advocacia, na IA para nutrição de precisão.

Pesquisas futuras devem integrar ainda mais fatores minoritários e culturais para aproveitar totalmente o potencial da IA na nutrição de precisão. Há necessidade de pesquisas mais abrangentes, informações detalhadas sobre métodos de pesquisa e materiais de pesquisa, incluindo links e descrições detalhadas de conjuntos de dados. Abordar o conhecimento fragmentado e os padrões de publicação dispersos também é crucial.

Esta revisão de escopo fornece uma visão geral abrangente do cenário atual da IA na nutrição de precisão, destacando os avanços, desafios e direções futuras. Ao examinar locais de publicação, doenças-alvo, aplicações, conjuntos de dados, métodos de IA, métricas de avaliação e fatores minoritários e culturais, esta revisão melhora a compreensão do potencial da IA na nutrição de precisão e fornece novas direções para pesquisas futuras.

DA: Doença de Alzheimer, IA: inteligência artificial, ANOVA: análise de variância, AUC: área sob a curva, AUROC: área sob a curva característica de operação do receptor, CGM: monitoramento contínuo de glicose, CRC: câncer colorretal, DSS: sistema de apoio à decisão, EHR: prontuário eletrônico de saúde, EN: nutrição enteral, FEL: lista de troca de alimentos, FFQ: Questionário de Frequência Alimentar, HbA1c: hemoglobina A1c, HEI: Índice de Alimentação Saudável, ICU: unidade de terapia intensiva, LLM: modelo de linguagem grande, LSTM: memória de longo prazo, MIMIC-IV: Medical Information Mart for Intensive Care IV, NLP: processamento de linguagem natural, PPGR: resposta glicêmica pós-prandial