Video Experimental Relacionado
Updated: Apr 6, 2026

PTR-ToF-MS Coupled with an Automated Sampling System and Tailored Data Analysis for Food Studies: Bioprocess Monitoring, Screening and Nose-space Analysis
Published on: May 11, 2017
Inteligencia artificial en la innovación de alimentos funcionales: mejora bioactiva y optimización de la formulación:
Nadia Alkalbani1,2, Leen Shahin1, Hiba Benzeghiba1
1Department of Clinical Nutrition and Dietetics, College of Health Sciences, University of Sharjah, Sharjah, PO Box 27272, United Arab Emirates.
La inteligencia artificial (IA) mejora la investigación de alimentos funcionales al predecir la actividad antioxidante e identificar compuestos. Sin embargo, las aplicaciones de IA requieren más validación experimental e integración de consideraciones éticas para su uso práctico.
Área de la Ciencia:
- Ciencias de la alimentación Ciencias de la alimentación.
- Biología computacional Biología computacional.
- Ciencias de la Nutrición Ciencias de la Nutrición
Sus antecedentes:
- La inteligencia artificial (IA) se utiliza cada vez más en la investigación de alimentos funcionales.
- Se realizó una revisión cuasi sistemática de 53 estudios (2015-2025) para analizar las aplicaciones de la IA.
- La revisión se centra en el papel de la IA en el desarrollo de alimentos antioxidantes, el descubrimiento de compuestos, la metabolomía y el modelado del consumidor.
Objetivo del estudio:
- Para sintetizar las aplicaciones actuales de IA en la investigación de alimentos funcionales.
- Identificar direcciones emergentes y brechas de conocimiento, particularmente en el desarrollo de alimentos antioxidantes.
- Hacer hincapié en las oportunidades de integración metodológica de la IA en la ciencia de los alimentos.
Principales métodos:
- Análisis de 53 estudios revisados por pares desde 2015-2025.
- Categorización de los enfoques de IA, incluida la IA basada en datos (aprendizaje automático clásico) y el aprendizaje profundo.
- Examen de las aplicaciones de la IA en la predicción de la actividad antioxidante, la identificación de compuestos bioactivos, el análisis de datos metabólicos y el modelado del consumidor.
Principales resultados:
- Los métodos de IA predicen con éxito la actividad antioxidante e identifican compuestos bioactivos.
- El aprendizaje automático ayuda a agrupar datos metabólicos y optimizar los atributos de los alimentos.
- Los hallazgos actuales de la IA son predominantemente computacionales (in silico) con una validación experimental limitada.
- El modelado del consumidor es en gran medida predictivo y carece de integración ética / regulatoria.
Conclusiones:
- La IA muestra un potencial significativo en el avance de la investigación de alimentos funcionales, especialmente para el desarrollo de antioxidantes.
- Existe una necesidad crítica de validación experimental y clínica de las predicciones impulsadas por la IA.
- La colaboración mejorada entre los científicos de alimentos y datos es crucial para traducir las ideas de la IA en aplicaciones del mundo real.
Videos de Conceptos Relacionados
Plant Breeding and Biotechnology
Non-equilibrium in the Cell
Bioavailability Enhancement: Determination and Conceptual Approaches in Overcoming Bioavailability Problems
Bioavailability Enhancement: Drug Stability Enhancement and GI Retention
Biopharmaceutical Factors Influencing Drug Product Design: Overview
Bioreactor Controls-III

