L’intelligenza artificiale rivela quanto zucchero è nascosto negli alimenti confezionati in tutto il mondo

L’intelligenza artificiale rivela quanto zucchero è nascosto negli alimenti confezionati in tutto il mondo

Un algoritmo innovativo rivela quanto zucchero nascosto si nasconde nei tuoi alimenti e mostra quali paesi e prodotti raggiungono il livello di carboidrati sani.

I carboidrati contribuiscono per circa il 70% all’apporto energetico giornaliero nella dieta umana media in tutto il mondo. Tuttavia, l’importanza della qualità dei carboidrati è spesso messa in ombra dalla loro quantità. In uno studio recentemente pubblicato sulla rivistaLimiti nella nutrizioneUn gruppo di ricerca europeo ha sviluppato un algoritmo per prevedere il contenuto di zucchero libero negli alimenti confezionati, fornendo informazioni sulla qualità dei carboidrati su scala globale.

Carboidrati nella dieta

I carboidrati sono un’importante fonte di energia e svolgono un ruolo cruciale nella nutrizione globale. Mentre le discussioni sull’alimentazione spesso si concentrano sulla quantità di carboidrati, la qualità dei carboidrati è altrettanto importante per mantenere una buona salute. Le prove scientifiche dimostrano che la qualità dei carboidrati influenza la funzione metabolica e il rischio di malattie croniche.

Uno strumento per valutare la qualità dei carboidrati è il rapporto qualità dei carboidrati (CQR), che valuta l’equilibrio tra carboidrati totali, fibre e zuccheri liberi negli alimenti. Questo rapporto fornisce almeno 1 grammo di fibra alimentare per 10 grammi di carboidrati totali e non più di 2 grammi di zuccheri liberi per 1 grammo di fibra. Questo rapporto aiuta a distinguere gli alimenti nutrizionali da quelli che possono contribuire a scarsi risultati in termini di salute.

Tuttavia, determinare con precisione il contenuto di zucchero libero negli alimenti confezionati rimane una sfida. Solo pochi paesi richiedono un’etichettatura esplicita degli zuccheri aggiuntivi, limitando la trasparenza per consumatori e ricercatori. Gli zuccheri liberi definiti dall'Organizzazione Mondiale della Sanità (OMS) includono gli zuccheri aggiunti e gli zuccheri presenti in natura nel miele, negli sciroppi e nei succhi di frutta, mentre la FDA definisce gli zuccheri aggiunti solo come quelli introdotti durante la lavorazione. Questa mancanza di informazioni ostacola gli sforzi per valutare efficacemente la qualità dei carboidrati, rendendo difficile prendere decisioni dietetiche informate e studiare gli effetti del consumo di carboidrati sulla salute.

A proposito dello studio

L’algoritmo ha dato priorità agli ingredienti elencati per primi sulle etichette perché i produttori alimentari spesso ordinano gli ingredienti in base al peso, fornendo indizi sulla dominanza dello zucchero nella composizione di un prodotto.

Nel presente studio, i ricercatori hanno sviluppato un algoritmo per prevedere gli zuccheri liberi negli alimenti confezionati in tutto il mondo, colmando una lacuna critica nella conoscenza della qualità dei carboidrati. Hanno utilizzato i dati del Mintel Global New Products Database (GNPD), che contiene ampie informazioni sugli alimenti confezionati provenienti da 86 paesi, inclusa la composizione nutrizionale e gli elenchi degli ingredienti.

Prima dell'analisi, il team ha pulito e standardizzato meticolosamente i dati per garantirne la coerenza. Un passaggio cruciale ha comportato la cura e l’etichettatura manuale degli ingredienti con espressioni regolari per classificarli come zuccheri aggiunti o presenti in natura, una distinzione essenziale per stimare con precisione il contenuto di zucchero libero.

Per costruire modelli predittivi, i ricercatori hanno utilizzato tecniche di apprendimento automatico. Hanno addestrato i loro modelli utilizzando dati provenienti dagli Stati Uniti (USA) e testato formalmente le loro prestazioni in 14 paesi selezionati, applicando i modelli a prodotti di altri 81 paesi. I modelli hanno analizzato le etichette dei prodotti tenendo conto dei primi sei ingredienti classificati come zuccheri aggiunti, frutta o latticini, nonché informazioni nutrizionali dettagliate come contenuto energetico, grassi, carboidrati, fibre, proteine, zucchero e sodio.

La pipeline comprendeva tre classificatori binari per rilevare la presenza di zuccheri aggiuntivi e modelli di regressione impilati basati su alberi per stimarne la quantità. Inoltre, i livelli di zucchero aggiunti previsti sono stati utilizzati come stima degli zuccheri liberi, ad eccezione di alcune categorie di alimenti come succhi e dolciumi, dove gli zuccheri totali sono stati utilizzati direttamente a causa dei loro profili zuccherini unici.

Infine, i modelli sono stati applicati a prodotti senza esplicite spiegazioni aggiuntive sullo zucchero per prevedere la composizione dei carboidrati. La qualità dei carboidrati è stata valutata utilizzando un rapporto predefinito da 10:1 a 1:2 tra carboidrati, fibre e zuccheri liberi.

Risultati chiave

Le alternative al latte a base vegetale (ad esempio, bevande all’avena o alle mandorle) hanno dimostrato un rispetto sorprendentemente elevato degli standard di qualità dei carboidrati, superando molti prodotti a base di latte in tutto il mondo.

Lo studio ha rilevato che i modelli di apprendimento automatico hanno dimostrato un elevato livello di precisione nella previsione del contenuto di zucchero libero negli alimenti confezionati. L'errore medio assoluto per il set di test è stato calcolato pari a 0,96 g/100 g, indicando una differenza media relativamente piccola tra i valori previsti e dichiarati.

Inoltre, il modello ha raggiunto un elevato R² di 0,98 tra i valori previsti e quelli dichiarati, superando i modelli precedenti come K-Nearest Neighbours, che aveva un tasso di errore molto più elevato, confermando l’affidabilità delle previsioni. In particolare, le capacità predittive del modello non erano limitate agli Stati Uniti. I ricercatori hanno scoperto che il modello ha funzionato in modo accurato quando è stato formalmente testato in 14 paesi e applicato in altri 81 paesi, evidenziandone l’applicabilità globale.

Lo studio ha inoltre esaminato la percentuale di prodotti alimentari che soddisfacevano il rapporto qualitativo dei carboidrati target e ha mostrato variazioni significative sia tra gli alimenti che tra i paesi alimentari. Negli Stati Uniti, i prodotti che rispettavano il rapporto qualità-carboidrati variavano in modo significativo, da un valore relativamente alto del 60% per i cereali caldi allo 0% per il latte aromatizzato e le bevande al malto. Questa ampia gamma ha dimostrato la diversità della qualità dei carboidrati anche in un singolo paese.

I prodotti al gusto di cioccolato (come barrette di cereali o snack) sono stati tra i peggiori trasgressori, con il 95% che non ha raggiunto il rapporto target a causa dell’eccesso di zuccheri liberi e del basso contenuto di fibre.

Considerando tutte le categorie alimentari, la percentuale di prodotti che soddisfano il rapporto target varia dal 67% nel Regno Unito, che rappresenta un livello relativamente elevato di conformità allo standard di qualità, al 9,8% in Malesia, che indica una percentuale significativamente inferiore di prodotti che soddisfano la qualità dei carboidrati desiderata.

In particolare, le bevande a base vegetale, a differenza della maggior parte delle categorie di bevande, hanno indotto un’adesione relativamente elevata ai rapporti di qualità dei carboidrati in tutti i paesi a causa del loro contenuto di fibre più elevato e di un contenuto di zuccheri inferiore.

Tuttavia, i ricercatori hanno riconosciuto che l’accuratezza delle previsioni per paesi specifici può essere limitata in una certa misura dalle piccole dimensioni del campione, che potrebbero potenzialmente influenzare la generalizzabilità dei risultati a queste regioni specifiche.

Inoltre, gli autori hanno condotto Z-test confrontando i livelli di zucchero libero previsti e dichiarati in 18 categorie di alimenti negli Stati Uniti e hanno riscontrato differenze statisticamente significative, confermando la robustezza del modello.

Diploma

In sintesi, lo studio ha sviluppato e convalidato con successo un metodo basato sull’apprendimento automatico per prevedere il contenuto di zucchero libero negli alimenti confezionati utilizzando un database globale su larga scala. Questo approccio completamente automatizzato e scalabile ha dimostrato una forte precisione tra paesi e categorie di alimenti e può essere esteso ad altri database e parametri nutrizionali che richiedono stime gratuite dello zucchero.

I livelli di zucchero libero previsti potrebbero anche migliorare i sistemi di profilazione dei nutrienti come Nutri-Score, che attualmente si basa sugli zuccheri totali a causa dei requisiti di etichettatura limitati.

Questo approccio metodologico innovativo ha fornito uno strumento prezioso e potente per monitorare e valutare la qualità dei carboidrati nell’offerta alimentare globale e ha fornito importanti spunti per iniziative di salute pubblica e consulenza nutrizionale.

Fonti: