Cambiar a modo oscuro
Póster Eje temático 4. Dietas saludables y sostenibles a lo largo del curso de vida: evidencia, experiencias, desafíos y oportunidades

Adecuación nutricional de planes alimentarios generados por inteligencia artificial para ganancia de masa muscular

430 NP692FK

, , ,

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

Tiempo estimado de lectura: 2 min (249 palabras)

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

Resumo

Ver resumen en Português

Adecuación nutricional de planes alimentarios generados por inteligencia artificial para ganancia de masa muscular

Contexto/Objetivo: Ferramentas de inteligência artificial generativa (IAG) podem elaborar planos para ganho de massa muscular, porém a consistência nutricional dessas recomendações permanece incerta. Este estudo apresenta dados preliminares de planos 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 masculino fictício: 22 anos, 69 kg, 1,73 m e praticante de musculação três a quatro vezes por semana. 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), ao gasto energético total de 2.809,97 kcal/dia e às referências de macro e micronutrientes. Resultados preliminares: A energia variou de 2.076 a 3.165 kcal. Gemini Persona 1 ficou 26,1% abaixo do gasto energético total, enquanto ChatGPT Persona 1 ficou 12,6% acima; Persona 2 atingiu 2.698 kcal e 2.827 kcal (96,0% e 100,6% da referência). Carboidratos corresponderam a 39,3%–41,5%, abaixo de 45%–65%. Proteínas variaram de 26,4%–32,4% (2,43–3,27 g/kg); lipídios, de 26,1%–32,5%. Vitamina D ficou abaixo da referência (7,4–8,5 µg versus 15 µg), enquanto ferro e vitamina B12 a superaram. A diferença energética entre ChatGPT e Gemini foi de 1.089 kcal na Persona 1. Conclusões: Os dados preliminares indicam elevada variabilidade energética, proporção reduzida de carboidratos e inadequação recorrente de vitamina D. O detalhamento do prompt não produziu melhora sistemática. Recomendase avaliação profissional antes do uso de planos gerados por IAG para ganho de massa muscular.

Palavras-chave: inteligência artificial generativa, ganho de massa muscular, nutrição esportiva


Financing: Não houve financiamento externo

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

0%

Artículo anterior

Factores asociados al índice de masa corporal en poblaciones latinoamericanas

Siguiente artículo

Exposição excessiva ao iodo dietético em jovens do nordeste do Brasil

Indexación y presencia académica — Archivos Latinoamericanos de Nutrición

Bases de Datos

Directorios / Repositorios

Declaraciones, herramientas electrónicas y redes sociales