# Sensores e algoritmos de aprendizado de máquina são confiáveis para medir o comportamento alimentar fora do laboratório?

> A revisão sistemática propôs uma taxonomia de sensores (acústicos, de movimento, de deformação, de distância, fisiológicos, câmeras e outros) e avaliou a acurácia dos dispositivos e métodos. Os autores destacam vantagens e limitações das abordagens que combinam sensores e aprendizado de máquina, enfatizam a necessidade de testá-las fora do laboratório e de preservar a privacidade.

Estudo citado: Hossain D, Thomas JG, McCrory MA, Higgins J, Sazonov E. A Systematic Review of Sensor-Based Methods for Measurement of Eating Behavior. Sensors (Basel, Switzerland). 2025. DOI: https://doi.org/10.3390/s25102966. PubMed: https://pubmed.ncbi.nlm.nih.gov/40431762/

## Resposta

A revisão sistemática reuniu manuscritos científicos e propôs uma taxonomia dos sensores usados para quantificar diferentes aspectos do comportamento alimentar, classificando os tipos de sensores empregados, como acústicos, de movimento, de deformação, de distância, fisiológicos, câmeras e outros. Além da classificação, o artigo avaliou a acurácia dos dispositivos e métodos de medição descritos na literatura.

O processo dinâmico de comer, incluindo mastigação, mordida, deglutição, itens alimentares, tempo e taxa de alimentação, massa, ambiente e outras métricas, pode caracterizar aspectos comportamentais da alimentação. A revisão destaca vantagens e limitações dos métodos que medem e monitoram diferentes métricas alimentares usando uma combinação de modalidades de sensores e algoritmos de aprendizado de máquina.

Os autores enfatizam a importância de testar esses métodos fora de condições laboratoriais restritas. Também apontam a necessidade de mais pesquisa para desenvolver abordagens que preservem a privacidade, como filtrar sons ou imagens não relacionados a alimentos, de modo a assegurar confidencialidade e conforto do usuário.

A revisão conclui com uma discussão de desafios e tendências futuras no uso de sensores para monitorar o comportamento alimentar. O resumo não informa detalhes sobre a população estudada, os resultados numéricos de acurácia por dispositivo ou as limitações específicas de cada estudo incluído.

Para o médico, o artigo é relevante como panorama metodológico: indica que a medição do comportamento alimentar por sensores é um campo em amadurecimento, com combinações de sensores e aprendizado de máquina, mas cuja validação fora do laboratório e cujas salvaguardas de privacidade ainda são temas em aberto.

## O que o estudo mostrou

Trata-se de uma revisão sistemática conduzida segundo as diretrizes PRISMA 2020, com revisão do texto completo de 161 manuscritos científicos. O estudo estabeleceu uma taxonomia de sensores para quantificar aspectos do comportamento alimentar, classificando tipos de sensores (acústicos, de movimento, de deformação, de distância, fisiológicos, câmeras e outros), e avaliou a acurácia dos dispositivos e métodos de medição. O resumo não informa resultados numéricos de acurácia.

## Limitações

O resumo não informa a qualidade metodológica dos manuscritos incluídos, não apresenta estimativas numéricas de acurácia por dispositivo e não detalha as limitações específicas de cada estudo. Também não descreve populações ou contextos de aplicação, o que limita conclusões sobre validade externa. Os próprios autores apontam a necessidade de testar os métodos fora de condições laboratoriais restritas e de desenvolver abordagens que preservem a privacidade.

## Aplicação no consultório

O artigo serve como referência para o médico entender o panorama tecnológico da medição do comportamento alimentar por sensores e aprendizado de máquina. Na prática e na gestão do consultório, sugere cautela ao adotar dispositivos ou aplicativos de monitoramento alimentar: é preciso verificar se os métodos foram validados fora do laboratório e se há salvaguardas de privacidade, como filtragem de sons e imagens não relacionados a alimentos. O resumo não fornece dados de acurácia que permitam indicar um dispositivo específico.

## Perguntas para aprofundar

- Quais tipos de sensores são usados para medir o comportamento alimentar e como eles se classificam?
- Como a combinação de sensores e aprendizado de máquina é avaliada em termos de acurácia?
- Que desafios de privacidade e de validação fora do laboratório existem no monitoramento por sensores?

Tema: IA e wearables. Página: https://alphadoctor.com.br/ciencia/ia-wearables/sensores-e-algoritmos-de-aprendizado-de-maquina-sao-confiaveis-para-medir-o/

Conteúdo educacional para profissionais de saúde, baseado no resumo do artigo citado. Não substitui a leitura do estudo original nem avaliação clínica.