Inteligencia artificial para identificar alimentos ultraprocesados
Inteligencia artificial para identificar alimentos ultraprocesados
En los últimos años, ha quedado sobradamente demostrado que el consumo de alimentos ultraprocesados se relaciona con la prevalencia de diversas enfermedades, como las cardiovasculares, la obesidad, la diabetes o el síndrome metabólico. Y hay evidencias bastante sólidas de que también se relaciona con la presencia se otras enfermedades crónicas como el cáncer y las enfermedades neurodegenerativas. Pero, ¿son todos los ultraprocesados iguales?
Hasta hace muy poco, no éramos capaces de responder a esta pregunta porque no teníamos información suficiente. Pero un complejísimo estudio realizado por investigadores de la Universidad Northeastern (Boston, EEUU, la Escuela Médica de Harvard (Boston, EEUU), la Universidad Europea Central (Budapest, Hundría) y la Escuela Tufts Friedman de Ciencias y Políticas de Nutrición (Boston, USA) aporta los primeros datos de que no todos los alimentos ultraprocesados afectan por igual a la salud.
El principal problema hasta el momento para establecer diferencias en la influencia entre los ultraprocesados en la salud era que no existía una clasificación que permitiera diferenciar diferentes grados de procesamiento dentro de esta categoría. El sistema de clasificación de alimentos ultraprocesados más aceptado por la comunidad científica y por los dietistas y nutricionistas en todo el mundo es el sistema NOVA. Este sistema clasifica todos los alimentos en 4 grupos, siendo los ultraprocesados aquellos integrados en el grupo NOVA 4.
Sin embargo, NOVA 4 es muy heterogéneo. En él podemos encontrar desde humus hasta productos de bollería industrial. Es decir, tenemos alimentos ultraprocesados, megaultraprocesados y, como dice la periodista Laura Caorsi, alimentos ultraperpetrados. Puesto que no es posible diferenciar grados de procesamiento dentro de este grupo, no es posible establecer diferentes asociaciones entre los diferentes ultraprocesados y la prevalencia de las enfermedades antes mencionadas.
Empleando inteligencia artificial
Este problema es el que han resuelto los investigadores de Boston y Bodapest mediante “machine learning” o “aprendizaje automático”, una rama de la inteligencia artificial. Voy a intentar explicar qué es lo que estos investigadores han conseguido, aunque sin detallar los métodos para ello porque exceden mis conocimientos. De todos modos, para el que quiera profundizar más, el artículo es este. Antes de nada, hay que aclarar que el artículo es un preprint, es decir, que no ha pasado aún por el sistema de revisión por pares, por lo que puede tener errores.
Los investigadores se dieron cuenta de que el sistema NOVA solo permite clasificar un 35% de los alimentos catalogados por el Departamento de Agricultura de los EEUU. Para el resto era necesario descomponer los alimentos en sus ingredientes. Además, con los propios ultraprocesados es posible generar recetas, lo que complica aún más la clasificación. De hecho, y a pesar de disponer de información detallada sobre los ingredientes, los especialistas en alimentación tienen dificultades para asignar alimentos en los grupos NOVA 1.
Por otra parte, el procesamiento industrial modifica la presencia de nutrientes en los alimentos, que es en último término, lo que puede resultar perjudicial para la salud. Por ejemplo, tomando como referencia los nutrientes de la cebolla cruda, el 75% de los productos de cebolla frita y rebozada cambian la concentración de sus nutrientes en más del 10%, y en más del 50% de esos productos el cambio es de 10 veces. De esa forma, aumentan considerablemente las concentraciones de grasa, de colesterol y de ácidos grasos saturados.
Para poder categorizar los alimentos en función de su grado de procesamiento, los investigadores crearon el índice Fpro a través del clasificador FoodProX, que emplea machine learning, empleando como inputs los nutrientes de los alimentos declarados en las etiquetas. Como resultado, FoodProX ofrece un vector de cuatro probabilidades, que representa la probabilidad de que el alimento correspondiente se clasifique como NOVA 1 (sin procesar o mínimamente procesado), NOVA 2 (ingredientes culinarios) NOVA 3 (procesado) o NOVA 4 (ultraprocesado).
Por ejemplo, para los nutrientes de la cebolla cruda, el sistema da una probabilidad de NOVA 1 del 96,51% y para los nutrientes de “aros de cebolla preparados y congelados” una probabilidad de NOVA 4 del 99,21%. Para la cebolla salteada, la probabilidad de NOVA4 es del 65,21% y de NOVA3 es del 24.88%. Estos resultados confirman que los cambios en el contenido de nutrientes tienen un importante poder predictivo para captar el grado de procesamiento de los alimentos. Además, los investigadores encontraron que ningún nutriente individual era capaz de producir predicciones seguras, sino que la señal predictiva se basaba en combinaciones de múltiples nutrientes.
Un sistema de clasificación del grado de procesamiento de 0 a 1
Sobre la base de estas probabilidades, se estableció el Score de Procesamiento de Alimentos (FPro), en el que FPro=0 para ingredientes crudos, y FPro=1 para el alimento más ultraprocesado posible. Por ejemplo, FPro aumenta progresivamente de cebolla cruda (FPro = 0,0203) a cebolla hervida (FPro = 0,3126), cebolla frita (FPro = 0,7779) y aros de cebolla congelados (FPro = 0,9955). Así, el score permite desvelar el grado de procesamiento que caracteriza las diferentes técnicas de preparación de alimentos, asignando valores más bajos a los alimentos elaborados con ingredientes frescos que a los elaborados con ingredientes más procesados. Además, FPro también permite la clasificación de recetas complejas y platos mixtos.
Otro ejemplo, usando FPro es posible diferenciar entre cereales para desayunos de una misma marca, todos clasificados como NOVA 4 en función de su contenido de fibra, presencia de vitaminas y minerales y adición de azúcar y grasas.
Una de las características de los ultraprocesados, según la clasificación NOVA, es la presencia de determinados aditivos que mejoran las características sensoriales de los productos, como potenciadores del sabor, aromas, colorantes, emulgentes, etc. Para incorporar estos aditivos a FoodProX, los investigadores usaron la base de datos de OpenFoodFacts. Si bien la información sobre los aditivos mejoró el rendimiento de FoodProX para clasificar alimentos, los cambios en el perfil de nutrientes tenían la mayor parte del poder predictivo. Dicho de otra manera, el sistema no necesitaba incluir aditivos para determinar si un alimento es un ultraprocesado. Con los nutrientes era suficiente.
Entrenando a la inteligencia artifical
Pero es que, además, a la inteligencia artificial se la puede entrenar para que incluya el lugar donde se prepararon los alimentos en la calidad nutricional de los alimentos. Es decir, distinguir entre alimentos caseros, alimentos preparados en cafeterías, cantinas, restaurantes, comidas rápidas y productos disponibles en las máquinas expendedoras. Así, el valor de FPro más bajo se observó para “Cultivado o capturado por usted o alguien que conoce” (FPro = 0,4423) y “Elaboración doméstica” (FPro = 0,6238), lo que confirma la naturaleza menos procesada de los alimentos preparados en casa. En cambio, el FPro fue mucho más alto para “Restaurante de comida rápida/pizza” (FPro=0,9060) y “Máquina expendedora” (FPro=0,9800), lo que confirma la dependencia de estos lugares en los ingredientes ultraprocesados para la elaboración o distribución de los alimentos.
Y, por si te ha parecido poco, FoodProX puede evaluar la contribución de los alimentos ultraprocesados a la dieta de cada individuo. Para ellos los investigadores crearon un nuevo score: El Score de Procesamiento de Alimentos Individual (iFPro), que también varía de 0 a 1. El iFPro fue empleado para evaluar la dieta de 20.047 personas con de la encuesta NHANES de EEUU (1999-2006), que se basa en cuestionarios de recuerdo de 24h. Así, se pudo obtener el dato de iFPro para la población estadounidense representada en esa encuesta, que es 0,7872, lo que confirmaba la alta dependencia de la ingesta de alimentos ultraprocesados en esa población.
Una vez los alimentos, las comidas completas y las dietas pueden ser clasificadas usando FPro e iFPro, se pueden usar estos indicadores para buscar asociaciones con la prevalencia de las enfermedades metabólicas más habituales, del mismo modo que usando la clasificación NOVA, pero de una forma mucho más precisa.
Y eso es lo que hicieron los investigadores, que encontraron una asociación positiva significativa entre estos scores con las puntuaciones de riesgo cardiovascular de Framingham y ACC/AHA. En general, las personas con puntuaciones de iFPro más altas tenían una mayor presión arterial, grasa visceral, obesidad y niveles de insulina y triglicéridos en sangre, además de menores concentraciones de colesterol-HDL (“el bueno”). Además, encontraron una mayor prevalencia de diabetes tipo 2, inflamación, deficiencia de vitaminas (homocisteína, ácido metilmalónico) y artritis inflamatoria. Pero es más, también encontraron una asociación inversa entre iFPro y la longitud de los telómeros, que puede verse afectada por la dieta a través de la inflamación y la oxidación, lo que sugiere que las personas que consumen alimentos ultraprocesados podrían estar más envejecidas. Muchas de estas asociaciones no se encontraron cuando se empleaba solo el sistema NOVA.
Aplicaciones de los scores FPro e iFpro
A pesar de que, como decía más arriba, el artículo no ha llegado a publicarse en una revista tras ser evaluado por otros científicos, el score FPro ya se está aplicando. La web TrueFood, creada por el mismo grupo de investigación, muestra el grado de procesamiento de un gran número de productos que los investigadores incluyeron en su estudio en forma de percentiles. Por ejemplo, un yogur natural estaría en el percentil 4 entre todos los yogures, lo que significa que si tenemos 100 yogures diferentes en un estante, 95 de ellos estarán más procesados que ese yogur natural.
Como se puede ver, las implicaciones del uso de un sistema de clasificación de alimentos ultraprocesados como FPro e iFPro en lugar de NOVA son múltiples. A mí se me ocurren varias:
- Poder establecer un punto de corte en el score FPro a partir del cual un mayor grado de procesamiento industrial se asocia con un mayor riesgo de padecer las enfermedades mencionadas. O, de otro modo, un nivel de procesamiento seguro, por debajo del cual se pierde esa relación.
- Entrenar la inteligencia artificial con otras variables, como la publicidad que reciben algunos alimentos o si la empresa que los produce es una multinacional. Todo ello podría asociarse con la relación entre ultraprocesados y la salud.
- Para los dietistas-nutricionistas, poder valorar el nivel de consumo de ultraprocesados en sus pacientes, usando para ellos el score iFPro.
- Para las autoridades, conocer el nivel de consumo de estos alimentos en un determinado grupo de población o en la población de una región.
- El punto de corte mencionado más arriba podría servir también para regular la publicidad de este tipo de alimentos.
Seguro que a ti se te ocurren muchas más aplicaciones de este sistema, que desde mi punto de vista, supone un espaldarazo a la clasificación NOVA pero que va mucho más allá.
Este artículo es una versión ampliada del publicado en The Conversation.
Soy Científico Titular del CSIC y profesor asociado de la Universidad Pablo de Olavide. Me gusta investigar, la docencia y la divulgación, así que hago lo que puedo para dedicarle tiempo a las tres. Además, soy un apasionado de las presentaciones e imparto cursos para ayudar a otros a que sus presentaciones sean más eficaces.
- Goff DC Jr, Lloyd-Jones DM, Bennett G, et al. 2013 ACC/AHA guideline on the assessment of cardiovascular risk: a report of the American College of Cardiology/American Heart Association Task Force on Practice Guidelines [published correction appears in Circulation. 2014 Jun 24;129(25 Suppl 2):S74-5]. Circulation. 2014;129(25 Suppl 2):S49-S73. doi:10.1161/01.cir.0000437741.48606.98