O que a carne de uma tartaruga, de um jacaré ou de um veado pode dizer sobre nutrição e biodiversidade? Com a ajuda da Inteligência Artificial (IA), e do processamento de dados do Núcleo de Processamento de Alto Desempenho (NPAD/UFRN), pesquisadores analisaram 26 espécies de animais silvestres e revelaram a presença de proteínas, minerais e vitaminas em diferentes combinações. O estudo, publicado na revista Ethnobiology and Conservation, oferece novas ferramentas para apoiar a tomada de decisão em políticas públicas e garantir alimentação saudável para povos indígenas e comunidades tradicionais.
O consumo de carne de caça é uma prática tradicional em muitas comunidades indígenas e locais, reconhecida culturalmente e amparada pela legislação quando ocorre em contextos de subsistência. Além de representar um recurso alimentar importante, carrega valores simbólicos e sociais, reforçando identidades coletivas e modos de vida.
Segundo a pesquisadora Michelle Jacob, do Departamento de Nutrição da Universidade Federal do Rio Grande do Norte (DENUT/UFRN), carnes de mamíferos, aves e répteis apresentam não apenas elevado teor proteico, mas também quantidades significativas de minerais essenciais, como ferro, zinco e selênio. As vísceras, em especial fígado, coração e rim, se mostraram reservatórios de minerais e vitaminas, informação estratégica em situações de insegurança alimentar.
Outro achado relevante desafia o senso comum: aves silvestres podem apresentar concentrações mais elevadas de ferro do que alguns mamíferos, invertendo a lógica observada nas carnes de criação. Essa informação pode subsidiar aconselhamento nutricional em regiões de difícil acesso a outras fontes proteicas e onde haja prevalência elevada de anemia.
O estudo é resultado do mestrado de Ana Luisa dos Santos Medeiros, orientado por Michelle Jacob e coorientado por Juliana Kelly da Silva Maia, também do DENUT/UFRN. Os próximos passos envolvem expandir as técnicas desenvolvidas para outras áreas do conhecimento, em colaboração com diferentes grupos de pesquisa.
Para Michelle, este trabalho se destaca por integrar biodiversidade, cultura e nutrição. “Nosso trabalho fornece uma base para bancos de dados sobre a composição de alimentos e amplia a compreensão sobre a importância dos alimentos tradicionalmente consumidos por comunidades indígenas e locais”, completou.
O papel da Inteligência Artificial
Os resultados também indicaram que a composição nutricional varia entre as espécies, pois é influenciada por fatores ambientais, como local de captura, dieta dos animais e estações do ano. Compreender essa variação é fundamental para garantir a segurança alimentar de populações que dependem da caça de subsistência, especialmente em períodos de escassez. Além disso, a pesquisa destaca a importância da caça sustentável e o valor cultural desses alimentos, promovendo uma relação mais equilibrada entre conservação da natureza e bem-estar humano.
Elias Jacob, professor do Instituto Metrópole Digital (IMD/UFRN) e um dos autores da pesquisa, explicou que os dados nutricionais disponíveis na literatura científica são incompletos, o que limita o conhecimento sobre a composição da carne de animais silvestres. “As pesquisas não conseguem preencher todos esses nutrientes [nas tabelas], porque essa análise em laboratório é cara e requer a carne da caça, cuja coleta muitas vezes é ilegal e impacta o meio ambiente”, contou.
Para preencher essas lacunas, os pesquisadores recorreram à imputação de dados, método que estima valores ausentes com base em dados existentes, garantindo a continuidade de análises estatísticas e científicas. A técnica foi aplicada com o apoio da IA, importante aliada para garantir a qualidade dos estudos e ampliar a completude do banco de dados.
Apesar de ser mais conhecida pelo uso em assistentes virtuais e chats, como os que simulam diálogo humano, a IA também pode atuar em áreas menos visíveis. No caso desta pesquisa, foram aplicados métodos avançados de aprendizado de máquina voltados à imputação de dados numéricos, como o Imputation by Chained Equations (MICE), K-Nearest Neighbors (KNN), Soft Impute e outros. Essas técnicas, baseadas em regressão e análise multivariada, permitiram estimativas precisas da composição nutricional, mesmo sem a necessidade de novas coletas.
“Ao mesmo tempo que a gente consegue estimar o valor nutricional de uma informação que não existia usando IA, a gente faz isso sem precisar colocar em risco a vida silvestre”, destacou Elias. O Núcleo de Processamento de Alto Desempenho (NPAD/UFRN), o supercomputador da UFRN, também foi essencial para as análises e disponibilizou a infraestrutura necessária para o uso da IA, com Unidades de Processamento Gráfico (GPUs) de alta capacidade de processamento de dados.
Fonte: Agecom/UFRN
