Contar mordidas com IA pode um dia ajudar a prevenir a obesidade infantil

Quanto mais rápido uma criança morde durante uma refeição ou lanche, maior o risco de desenvolver obesidade, de acordo com pesquisadores do Departamento de Ciências Nutricionais da Penn State. Mas a investigação sobre esta associação é muitas vezes limitada a pequenos estudos em ambientes laboratoriais, em grande parte porque é difícil contar a taxa de mordidas de uma criança; exige que alguém assista a vídeos de uma criança comendo e registre manualmente cada mordida.

Para tornar possível a contagem da taxa de mordida para estudos maiores e em diferentes ambientes, pesquisadores dos Departamentos de Ciências Nutricionais e de Desenvolvimento Humano e Estudos da Família da Penn State colaboraram para desenvolver um modelo de inteligência artificial (IA) que mede a taxa de mordida.

Um estudo piloto – recentemente publicado em Fronteiras na Nutrição—demonstrou que o sistema é atualmente cerca de 70% tão bem-sucedido quanto os contadores de mordidas humanas. Embora exija mais desenvolvimento, os investigadores disseram que o modelo de IA mostra-se promissor para ajudar os investigadores – e eventualmente os pais e profissionais de saúde – a identificar quando as crianças precisam de abrandar ou de outra forma ajustar a forma como comem.

Comer muito rápido e risco de obesidade

“Quando comemos rapidamente, não damos tempo ao nosso trato digestivo para sentir as calorias”, disse Kathleen Keller, professora e Helen A. Guthrie Presidente de ciências nutricionais da Penn State e coautora deste estudo. “Quanto mais rápido você come, mais rápido ele passa pelo estômago, e o corpo não consegue liberar hormônios a tempo de avisar que está satisfeito. Mais tarde, você pode sentir que comeu demais, mas quando esse comportamento se repete, quem come mais rápido corre maior risco de desenvolver obesidade.

Uma taxa de mordida mais rápida, especialmente quando combinada com um tamanho de mordida maior, está associada a taxas mais altas de obesidade entre crianças, de acordo com pesquisa anterior do grupo de laboratório de Keller. Outros estudos demonstraram que o tamanho maior da mordida também pode ser um fator de risco para asfixia.

“A taxa de mordida é frequentemente o comportamento alvo para intervenções que visam diminuir a taxa de alimentação”, disse Alaina Pearce, bibliotecária de gerenciamento de dados de pesquisa da Penn State e coautora desta pesquisa. “Isso ocorre porque a taxa de mordida é uma característica estável do estilo alimentar das crianças que pode ser direcionada para reduzir a taxa de alimentação, a ingestão e, em última análise, o risco de obesidade”.

Medir a taxa de mordidas é um trabalho tedioso e trabalhoso, o que significa que é caro, o que muitas vezes limita a quantidade de dados considerados em estudos de taxa de mordidas, de acordo com Keller, membro do corpo docente cofinanciado do Penn State Social Science Research Institute.

Aproveitando a tecnologia para manter as crianças saudáveis

Para resolver esse problema, Yashaswini Bhat, doutorando em ciências nutricionais e principal autor do estudo, queria desenvolver o primeiro contador de mordidas de IA para uso em estudos sobre o comportamento alimentar de crianças.

“Tenho interesse em IA e ciência de dados, mas nunca desenvolvi um sistema como este”, disse Bhat.

Ela colaborou com Timothy Brick, professor associado de desenvolvimento humano e estudos familiares na Penn State e coautor do estudo, para construir um sistema que pudesse identificar rostos de crianças em um vídeo com várias pessoas e então detectar mordidas individuais quando uma criança estava comendo.

“Um colaborador experiente e conhecedor como o Dr. Brick foi inestimável para este projeto”, disse Bhat.

Os pesquisadores usaram 1.440 minutos de vídeos do Keller’s Estudo de alimentos e cérebroum estudo dos mecanismos neurais que podem influenciar a alimentação excessiva em crianças. O vídeo incluiu 94 crianças de 7 a 9 anos consumindo quatro refeições em ocasiões separadas, com quantidades variadas de alimentos idênticos.

Os pesquisadores identificaram mordidas em 242 vídeos assistindo aos vídeos e anotando cada mordida. Eles então usaram essas informações para treinar o modelo de IA. Assim que o modelo conseguiu identificar eventos que pareciam ser mordidas, os pesquisadores avaliaram 51 outros vídeos do mesmo conjunto de dados. Os pesquisadores então compararam as mordidas identificadas pelo modelo para ver se correspondiam às mordidas codificadas pelos assistentes de pesquisa.

Um primeiro passo de sucesso

“O sistema que desenvolvemos teve muito sucesso na identificação dos rostos das crianças”, disse Bhat. “Ele também fez um excelente trabalho na identificação de mordidas quando tinha uma visão clara e desobstruída do rosto de uma criança”.

O sistema, porém, ainda não está pronto para uso generalizado, segundo Bhat. Os resultados demonstraram que o modelo teve aproximadamente 97% de sucesso quanto um humano na identificação do rosto de uma criança no vídeo, mas foi cerca de 70% tão bem-sucedido quanto um humano na identificação de cada mordida.

“O sistema era menos preciso quando o rosto da criança não estava totalmente visível para a câmera ou quando a criança mastigava a colher ou brincava com a comida, como costuma acontecer no final da refeição”, disse Bhat. “Como se pode imaginar, este tipo de comportamento é muito mais comum entre as crianças do que entre os adultos. Mastigar um utensílio às vezes parecia ser uma mordida, e isso complicou a tarefa do modelo de IA”.

Embora seja necessário mais trabalho, os pesquisadores disseram que este estudo representa um teste piloto bem-sucedido. Com mais treinamento, eles disseram que o sistema – chamado ByteTrack – identificará mordidas com mais precisão e aprenderá a ignorar outras ações, como bebericar uma bebida.

“O objetivo final é desenvolver um sistema robusto que possa funcionar no mundo real”, disse Bhat. “Um dia, poderemos oferecer um aplicativo para smartphone que avise as crianças quando elas precisam diminuir o ritmo de alimentação, para que possam desenvolver hábitos saudáveis ​​que durem a vida toda”.