Cambiar a modo oscuro
Póster Eje temático 3. Entorno y comportamiento alimentario

Adequação nutricional de planos alimentares gerados por inteligência artificial para emagrecimento

152 FS592KJ

, , ,

  1. Unicentro, Nutrição, Nutrição, Paraná, Guarapuava, Brasil. (2) UniMax, Nutrição, São Paulo, Indaiatuba, Brasil

Tiempo estimado de lectura: 2 min (239 palabras)

(Esta estimación no incluye el texto de las tablas, figuras y referencias)

Resumo

Ver resumen en Português

Adequação nutricional de planos alimentares gerados por inteligência artificial para emagrecimento

Contexto/Objetivo: Ferramentas de inteligência artificial generativa (IAG) são usadas para obter orientações alimentares, mas podem produzir recomendações sem validação profissional. Este estudo apresenta dados preliminares sobre a adequação nutricional de planos para emagrecimento gerados por ChatGPT e Gemini, com dois níveis de detalhamento  do prompt. Metodologia: Estudo exploratório, descritivo e comparativo in silico. Foram analisados quatro planos para um perfil feminino fictício: 38 anos, 74 kg, 1,62 m, sedentária e com objetivo de emagrecimento. Cada ferramenta recebeu um prompt pouco detalhado (Persona 1) e outro detalhado (Persona 2). Os planos foram quantificados no WebDiet® 3.0 e comparados às Dietary Reference Intakes (DRIs) e à meta de 1.610 kcal/dia, definida com déficit de 500 kcal sobre o gasto energético total. Resultados preliminares: A energia variou de 1.215 a 1.470 kcal, abaixo da meta; os planos Persona 2 também ficaram abaixo da taxa metabólica basal (1.401,5 kcal). Carboidratos corresponderam a 32,4%–36,9%, abaixo da referência de 45%–65%. Proteínas variaram de 25,1%–34,4% (1,24–1,58 g/kg); lipídios atingiram 36,8% e 41,4% nos planos do ChatGPT. Ferro (8,6–13,6 mg) e cálcio (775,8–954,5 mg) ficaram abaixo das referências. A diferença energética entre as ferramentas foi de 3 kcal na Persona 1 e 139 kcal na Persona 2. Conclusões: Os dados preliminares indicam déficit energético maior que a meta e inadequações recorrentes de carboidratos, ferro e cálcio. O detalhamento do prompt não garantiu melhor adequação. O uso de IAG para orientar emagrecimento requer avaliação nutricional individualizada.

Palavras-chave: inteligência artificial generativa, emagrecimento, adequação nutricional


Financing: Não houve financiamento externo

Disclosure of conflict of interest: As autoras declaram não haver conflito de interesse

0%

Artículo anterior

Determinantes sociales de salud y calidad de vida en hogares familiares en ciudad guzmán, México.

Siguiente artículo

¿Qué nos está faltando para mejorar la práctica de la lactancia materna en Costa Rica?

Indexación y presencia académica — Archivos Latinoamericanos de Nutrición

Bases de Datos

Directorios / Repositorios

Declaraciones, herramientas electrónicas y redes sociales