Modelizan las señales cerebrales para entender su reacción ante sabores dulces para reducir el consumo de azúcar
El Instituto Ibermática de Innovación (i3B), junto con BCC Innovation, Be Food Lab y la Universidad de A Coruna, han podido dar un paso más en el ámbito de la neurocomputación, logrando modelizar con sistemas de Inteligencia Artificial señales cerebrales (EEG) para comprender las preferencias y hábitos de los usuarios, al entender un poco mejor la respuesta cerebral a distintos estímulos. Lo han hecho mediante el análisis de las reacciones del cerebro ante diferentes sabores dulces, cada vez más demandados, detectando además las relaciones existentes entre nutrición, salud y placer, de cara a contribuir en la mejora de la alimentación de las personas.
El uso de respuestas implícitas (EGG) para determinar la reacción de los consumidores ante diferentes estímulos se está convirtiendo en un requerimiento cada vez más habitual, pero aún se necesita investigación para comprender los resultados de las diferentes tecnologías utilizadas para recopilar datos.
Actualmente, todavía se desconoce mucho sobre los mecanismos detrás de las respuestas intermodales y el proceso de percepción de la dulzura, y la motivación de este proyecto se basaba en la necesidad de conocer dichos mecanismos cerebrales, con el objetivo de promover nuevas opciones de alimentos saludables en una sociedad con una demanda creciente de productos dulces. Una mejor comprensión de las respuestas cerebrales a diferentes modalidades de estímulos dulces (olor dulce, sabor dulce) es la base para diseñar nuevos alimentos y experiencias que desencadenen reacciones positivas específicas en los consumidores y, por lo tanto, para reducir el consumo de azúcar entre la población.
La hipótesis inicial se basaba en la idea de que la activación de ciertas regiones del cerebro puede ofrecer información sobre la respuesta no filtrada de las personas, proporcionando evidencia asociada con las emociones y sentimientos inconscientes de los consumidores, que “a posteriori”, no es la misma que la información que los mismos usuarios suministran de forma “consciente”. Y sin embargo, se puede objetivizar que la respuesta subconsciente es igual e incluso más fiable.
El estudio, liderado en la parte analítica por i3B, y en colaboración con el BCC (Basque Culinary Center, BCCInnovation), y la empresa alimentaria Be Food Lab, se desarrolló con el objetivo de explorar los procesos de respuesta neurológica asociados con la exposición de sabor dulce a sacarosa y aroma dulce (vainillina) en matrices alimentarias, y para estudiar si la respuesta implícita (respuesta cerebral) podría correlacionarse con la respuesta explícita (respuesta razonada por los participantes después de la experiencia sensorial, en base a una encuesta que debían rellenar). Además, se agregó una muestra que incluía sacarosa y vainilla para explorar la respuesta al sabor dulce. También se agregaron diferentes sabores en el diseño experimental (sulfuro de dimetilo, cayena) para determinar si las clasificaciones de sabor/aroma dulce eran diferentes de las de otras categorías de sabor/aroma.
Durante la investigación, se recopilaron respuestas de electroencefalografía (EEG) y gustos y emociones detectados en diferentes estímulos (olor, sabor, muestras de sabor) para comprender mejor la percepción del dulzor. Se utilizaron herramientas de Inteligencia Artificial para clasificar las respuestas implícitas, identificando árboles de decisión para discriminar los estímulos por sistema sensorial activado (olor/sabor/sabor) y por la naturaleza de los estímulos (olores “dulces” o “no dulces”; “olores dulces”; “sabor”, “sabor dulce” y “sabor no dulce”; y “estímulos dulces” frente a “estímulos no dulces”).
Se encontraron diferencias significativas entre el gusto detectado por los estímulos y las emociones provocadas por los estímulos, pero, validando la hipótesis inicial, no se identificó una relación clara entre los datos explícitos e implícitos, lo que es muy interesante a efectos de comprender cómo los usuarios gestionan las experiencias en dos hitos muy diferentes desfasados en el tiempo.
La presente investigación suma datos interesantes para la investigación relacionada con EEG, así como para el análisis de datos de EEG, aunque todavía se desconoce mucho sobre cómo explotar adecuadamente las tecnologías de medición implícitas y sus datos. En todo caso, la neurocomputación, y en concreto el análisis del comportamiento cerebral, está siendo la base en los últimos años de los mayores avances de los algoritmos más potentes en Inteligencia Artificial, y en una espiral simbiótica, estos nuevos avances están permitiendo un estudio y una comprensión más completa de la complejidad del funcionamiento del cerebro.
Ante este escenario, desde Ibermática, tal y cómo comenta Aitor Moreno, su responsable de la unidad de IA y computación cuántica, “estamos convencidos de que la neurocomputación es una gran oportunidad de generar un nuevo ecosistema industrial que permita liderar a las industrias nacionales en este no tan nuevo paradigma de producción de sistemas EEG y de nuevos sistemas de IA asociados, a nivel internacional. No podemos perderla”.
