La IA revela cuánta azúcar oculta hay en los alimentos envasados ​​en todo el mundo

Los carbohidratos aportan aproximadamente el 70 % de la ingesta energética diaria en la dieta humana promedio a nivel mundial; sin embargo, la importancia de la calidad de los carbohidratos a menudo se ve eclipsada por su cantidad. En un estudio reciente publicado en la revista Frontiers in Nutrition , un equipo de investigación europeo desarrolló un algoritmo para predecir el contenido de azúcar libre en alimentos envasados, lo que proporciona información sobre la calidad de los carbohidratos a escala global.

Los carbohidratos son una fuente vital de energía y desempeñan un papel crucial en la nutrición global. Si bien los debates sobre la dieta suelen centrarse en la cantidad de carbohidratos, su calidad es igualmente esencial para mantener una buena salud. La evidencia científica indica que la calidad de los carbohidratos afecta la función metabólica y el riesgo de enfermedades crónicas.

Una herramienta utilizada para evaluar la calidad de los carbohidratos es el Índice de Calidad de Carbohidratos (CQR), que evalúa el equilibrio entre carbohidratos totales, fibra dietética y azúcares libres en los alimentos. Este índice especifica al menos 1 gramo de fibra dietética por cada 10 gramos de carbohidratos totales y no más de 2 gramos de azúcares libres por cada gramo de fibra. Este índice ayuda a distinguir los alimentos nutricionalmente beneficiosos de aquellos que pueden contribuir a problemas de salud.

Sin embargo, determinar con precisión el contenido de azúcares libres en los alimentos envasados ​​sigue siendo un desafío. Pocos países exigen el etiquetado explícito de los azúcares añadidos, lo que limita la transparencia para consumidores e investigadores. Los azúcares libres, según la definición de la Organización Mundial de la Salud (OMS), incluyen tanto los azúcares añadidos como los azúcares naturales presentes en la miel, los jarabes y los jugos de fruta, mientras que la FDA define los azúcares añadidos únicamente como aquellos introducidos durante el procesamiento. Esta falta de información dificulta la evaluación eficaz de la calidad de los carbohidratos, lo que dificulta la toma de decisiones dietéticas informadas y el estudio del impacto del consumo de carbohidratos en la salud.

Azúcar oculta en los alimentos revelados por IA

En el presente estudio, los investigadores desarrollaron un algoritmo para predecir los azúcares libres en alimentos envasados ​​a nivel mundial, abordando así una importante brecha de conocimiento sobre la calidad de los carbohidratos. Utilizaron datos de la Base de Datos Global de Nuevos Productos (GNPD) de Mintel, que contiene amplia información sobre alimentos envasados ​​de 86 países, incluyendo la composición nutricional y las listas de ingredientes.

Antes del análisis, el equipo depuró y estandarizó meticulosamente los datos para garantizar su consistencia. Un paso crucial consistió en seleccionar y etiquetar manualmente los ingredientes mediante expresiones regulares para clasificarlos como azúcares añadidos o naturales, una distinción esencial para estimar con precisión el contenido de azúcar libre.

Para construir modelos predictivos, los expertos emplearon técnicas de aprendizaje automático. Los entrenaron con datos de Estados Unidos y probaron formalmente su rendimiento en 14 países seleccionados, aplicándolos a productos de 81 países adicionales. Los modelos analizaron las etiquetas de los productos, considerando los seis primeros ingredientes categorizados como azúcares añadidos, frutas o lácteos, junto con información nutricional detallada, como el contenido energético, las grasas, los carbohidratos, la fibra, las proteínas, los azúcares y el sodio.

El proceso incluyó tres clasificadores binarios para detectar la presencia de azúcares añadidos y modelos de regresión basados ​​en árboles apilados para estimar su cantidad. Además, los valores de azúcar añadido previstos se utilizaron como estimaciones del azúcar libre, excepto para categorías específicas de alimentos como los jugos y los productos de confitería, donde se utilizaron directamente los azúcares totales debido a sus perfiles de azúcar únicos.

Finalmente, los modelos se aplicaron a productos sin declaraciones explícitas de azúcares añadidos para predecir la composición de carbohidratos. La calidad de los carbohidratos se evaluó utilizando una proporción predefinida de 10:1 a 1:2 de carbohidratos, fibra y azúcares libres.

Alto grado de precisión en productos alimenticios envasados
 

El estudio reveló que los modelos de aprendizaje automático demostraron un alto grado de precisión al predecir el contenido de azúcar libre en productos alimenticios envasados. El error absoluto medio del conjunto de prueba se calculó en 0,96 g/100 g, lo que indica una diferencia promedio relativamente pequeña entre los valores predichos y declarados.

Además, el modelo alcanzó un alto R² de 0,98 entre los valores predichos y declarados, y superó a modelos anteriores, como el de k vecinos más cercanos, que mostró una tasa de error mucho mayor, lo que confirma la fiabilidad de las predicciones. Cabe destacar que la capacidad predictiva del modelo no se limitó a EEUU.

Los investigadores descubrieron que el modelo funcionó con precisión al probarse formalmente en 14 países y aplicarse en 81 países adicionales, lo que destaca su aplicabilidad global. También examinaron la proporción de productos alimenticios que cumplían con el índice de calidad de carbohidratos objetivo, revelando variaciones significativas entre categorías de alimentos y países. En EEUU, los productos que cumplían con el índice de calidad de carbohidratos variaban considerablemente, desde un relativamente alto 60% para cereales calientes hasta un notablemente bajo 0% para leche saborizada y bebidas de malta. Esta amplia gama puso de relieve la diversidad en la calidad de los carbohidratos incluso dentro de un mismo país.

Al considerar todas las categorías de alimentos, el porcentaje de productos que cumplían la proporción objetivo varió entre el 67% en el Reino Unido, lo que representa una adhesión relativamente alta al estándar de calidad, hasta el 9,8% en Malasia, lo que indica una proporción significativamente menor de productos que cumplían la calidad de carbohidratos deseada.

En particular, las bebidas de origen vegetal (a diferencia de la mayoría de las categorías de bebidas) mostraron una adherencia relativamente alta a la relación calidad de los carbohidratos en todos los países, debido al mayor contenido de fibra y los menores niveles de azúcar agregada.

Sin embargo, los investigadores reconocieron que la precisión de las predicciones para ciertos países puede estar limitada en cierta medida por el pequeño tamaño de las muestras, lo que potencialmente podría afectar la generalización de los resultados para esas regiones específicas.

Además, los autores realizaron pruebas z comparando los valores de azúcar libre previstos y declarados en 18 categorías de alimentos en EE. UU. y no encontraron diferencias estadísticamente significativas, lo que confirma la solidez del modelo.

Un enfoque totalmente automatizado y escalable

En resumen, el análisis desarrolló y validó con éxito un método basado en aprendizaje automático para predecir el contenido de azúcar libre en alimentos envasados ​​utilizando una base de datos global a gran escala. Este enfoque, totalmente automatizado y escalable, demostró una alta precisión en diferentes países y categorías de alimentos, y podría extenderse a otras bases de datos y métricas de nutrientes que requieran la estimación de azúcar libre.

Los valores de azúcar libre previstos también podrían mejorar los sistemas de perfiles de nutrientes como Nutri-Score, que actualmente se basan en los azúcares totales debido a los requisitos de etiquetado limitados.

Este enfoque metodológico innovador proporcionó una herramienta valiosa y poderosa para monitorear y evaluar la calidad de los carbohidratos en el suministro mundial de alimentos, ofreciendo información crucial para las iniciativas de salud pública y la orientación dietética.