Desenvolvimento e Avaliação de um Programa com Inteligência Artificial para Geração de Planos Alimentares Personalizados com Escala de Qualidade Percebida

• Processo: 25/06258-7
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de janeiro de 2026
• Data de Término da vigência: 28 de fevereiro de 2027
• Área de conhecimento: Ciências da Saúde - Nutrição
• Pesquisador responsável: Fabiana Braga Benatti
• Beneficiário: Ellis Wollis Malta Abhulime
• Instituição Sede: Faculdade de Ciências Aplicadas (FCA). Universidade Estadual de Campinas (UNICAMP). Limeira , SP, Brasil
• Assunto(s): Inteligência artificial
• Palavra(s)-Chave do Pesquisador: Inteligência Artificial | Nutrição personalizada | Planos alimentares | Qualidade percebida | Software Nutricional | Nutrição Personalizada e Inteligência Artificial

Resumo

O presente projeto propõe o desenvolvimento e a avaliação de um programa computacional com Inteligência Artificial (IA) voltado à elaboração de planos alimentares personalizados, embasados em referências nutricionais confiáveis, e à avaliação de sua qualidade percebida pelos usuários. A pesquisa será dividida em três fases principais: (1) prototipagem do sistema de IA utilizando modelos de linguagem avançados (LLMs) via API e técnicas de engenharia de prompts, integrando dados de tabelas nutricionais brasileiras (TACO, TBCA) e diretrizes alimentares nacionais e internacionais (Guia Alimentar para a População Brasileira, OMS, DRIs, etc.); (2) validação cega dos planos alimentares gerados, por nutricionistas especialistas que avaliarão tecnicamente as recomendações sem saber sua origem, comparando-as a planos padrão; e (3) teste com usuários finais, medindo usabilidade (incluindo escala SUS) e satisfação com os planos gerados. Espera-se desenvolver um sistema com arquitetura modular capaz de produzir cardápios equilibrados e adaptados, garantindo segurança nutricional e alta aceitação. O projeto inclui aspectos inovadores, como a avaliação iterativa baseada em feedback de especialistas e usuários (feedback iterativo), e assegurará conformidade ética (consentimento livre, privacidade conforme LGPD e aprovação pelo Comitê de Ética em Pesquisa). Os resultados esperados incluem a comprovação da qualidade técnica e qualidade percebida dos planos gerados por IA, contribuindo para avanços na interface entre nutrição e tecnologia e potencializando a personalização de dietas em larga escala.