Pessoas com certas condições, como diabetes ou pressão alta, geralmente são aconselhadas a melhorar suas dietas para controlar os sintomas e impedir a progressão de suas doenças. Mas muitos se veem incapazes ou relutantes em seguir um rígido plano de nutrição "tamanho único" recomendado por seus médicos porque essas abordagens nem sempre levam em consideração as preferências e hábitos alimentares dos pacientes.

De acordo com um engenheiro de sistemas da Johns Hopkins, as dietas personalizadas para os gostos e hábitos individuais dos pacientes por meio de um processo de aprendizado de inteligência artificial chamado "otimização inversa" podem ser a chave para ajudar as pessoas a fazer escolhas alimentares mais saudáveis.

"A ideia não é apenas dizer ao paciente o que ele deveria comer idealmente", diz Kimia Ghobadi , professora assistente do Departamento de Engenharia Civil e de Sistemas da Whiting School of Engineering. “Em vez disso, precisamos levar em consideração as preferências, estilo de vida e escolhas anteriores do paciente para descobrir qual é a melhor dieta possível ”.

Ao contrário da otimização tradicional, que usa matemática para modelar um processo de tomada de decisão e encontrar a melhor decisão possível, a otimização inversa usa decisões passadas para aprender qual deve ser o modelo matemático para replicar o processo de tomada de decisão em questão. Por exemplo, no caso de uma pessoa fazer escolhas sobre o que deve comer para melhorar sua saúde ou controlar uma condição, as restrições (o que ela deve fazer) são claras, mas como ela come na vida real não. A otimização inversa pode ajudar a esclarecer essas preferências com base nas decisões anteriores do indivíduo.

O modelo de Ghobadi atualmente usa dados da Pesquisa Nacional de Saúde e Nutrição do Centro de Controle de Doenças, que inclui informações sobre os hábitos de cerca de 5.000 pessoas em todo o país.

Sua abordagem combina o ideal (o que os pacientes devem fazer para diminuir a ingestão de sal ou açúcar ou aumentar a ingestão de fibras ou proteínas, por exemplo) com o prático (o que eles realmente fazem todos os dias). O resultado é um conjunto de planos sugeridos que começam com alimentos que se alinham estreitamente com os hábitos diários dos pacientes e, ao longo do tempo, os orientam na direção de atingir metas nutricionalmente mais saudáveis.

"Basicamente, nós os ajudamos a encontrar uma dieta saudável e, ao mesmo tempo, o mais próxima possível do que eles já estão fazendo no dia a dia", diz Ghobadi. "Em seguida, adicionamos sugestões para ajudar os pacientes a se aproximarem do ideal, mantendo-o palatável para eles e adequado ao seu estilo de vida, incluindo quanto tempo levará para preparar a comida. Isso aumenta a chance de os pacientes terem sucesso e aderirem à dieta longo prazo."

As dietas recomendadas ao longo do tempo seriam fornecidas aos pacientes no início, para que eles entendessem os passos que dariam em direção a um regime mais saudável, de acordo com Ghobadi.

"Então cabe a eles - e seus médicos - decidir quando mudar de uma dieta mais tolerante para uma mais ideal", diz ela. " Dessa forma, a dieta otimizada serve como um caminho e um conjunto de opções que respeita o paciente e seus hábitos alimentares, mas também o orienta para atingir metas nutricionais mais saudáveis. Eles sabem o que está por vir a cada passo do caminho. E podemos executar o modelos matemáticos novamente para ajustar as coisas à medida que avançam, caso seu comportamento e hábitos mudem."

Ghobadi prevê que essa abordagem de planejamento e modificação da dieta pode eventualmente estar disponível para os clientes por meio de um aplicativo, mas, enquanto isso, ela e sua equipe estão trabalhando com populações de pacientes e desenvolvendo um site interativo que permitirá que eles experimentem suas dietas personalizadas. fazendo logon e revisando caminhos alimentares de amostra com base nos dados disponíveis.

“O objetivo é permitir a personalização da dieta baseada em dados, e este é o primeiro passo”, diz Ghobadi.

Ghobadi está trabalhando com os doutorandos Farzin Ahmadi e Fardin Ganjkhanloo no Departamento de Engenharia Civil e de Sistemas, e Tinglong Dai , professor da Johns Hopkins Carey Business School no projeto.