Pesquisa de Igor Ferrão e Ricardo Campante Vale demonstra que modelos preditivos podem identificar mais de 76% dos domicílios em insegurança alimentar e contribuir para a construção de um sistema nacional de alerta precoce contra a fome.

Blog do IFZ | 09/11/2026

O Brasil dispõe de informações e instrumentos institucionais que podem permitir um avanço importante no combate à fome: passar do monitoramento da insegurança alimentar para a identificação antecipada das famílias mais vulneráveis, possibilitando intervenções antes que sua situação se agrave.

Essa é a principal conclusão do estudo Towards an Early-Warning System for Food Insecurity in Brazil: Forecasting Vulnerable Households Using National Survey Data (Rumo a um sistema de alerta precoce para a insegurança alimentar no Brasil), publicado em setembro de 2026 pelo Centro Internacional de Políticas para o Desenvolvimento Inclusivo (IPCid), vinculado ao Instituto de Pesquisa Econômica Aplicada (Ipea).

Assinado pelos pesquisadores Igor Ferrão, vinculado ao socialprotection.org e ao Ipea, e Ricardo Campante Vale, do Ipea, o trabalho integra a série IPCid Working Papers e examina como técnicas estatísticas e de aprendizado de máquina podem contribuir para aperfeiçoar as políticas de segurança alimentar.

A pesquisa utiliza dados da Pesquisa Nacional por Amostra de Domicílios Contínua (PNAD Contínua), de 2023 e 2024, que incorporou a Escala Brasileira de Insegurança Alimentar (EBIA). Os autores compararam seis abordagens de previsão, incluindo regressões estatísticas tradicionais e algoritmos de inteligência artificial.

O resultado mais expressivo foi obtido pelo modelo conhecido como XGBoost, capaz de identificar corretamente 76,3% dos domicílios em situação de insegurança alimentar moderada ou grave, com precisão global de classificação de 71,2%. Outro método, denominado LASSO, apresentou resultados competitivos, demonstrando que soluções estatísticas relativamente simples também podem contribuir para o planejamento de políticas públicas.

O estudo chama atenção para uma questão fundamental: não basta que um modelo apresente elevada taxa de acertos se ele deixar de identificar justamente as famílias que mais precisam de apoio. Para os autores, o custo social de não reconhecer uma família vulnerável pode ser muito superior ao custo administrativo de investigar um domicílio que posteriormente não seja considerado prioritário.

Outro resultado relevante diz respeito às variáveis climáticas. Contrariando as expectativas iniciais, a inclusão de informações sobre precipitação não melhorou significativamente a capacidade preditiva dos modelos. Isso não significa que o clima seja irrelevante para a fome, mas indica que a utilização de dados climáticos exige metodologias mais adequadas para captar seus impactos sobre as condições de vida.

Os pesquisadores também distinguem duas funções das políticas públicas. O monitoramento permite conhecer a dimensão da insegurança alimentar em determinado território. Já um sistema de alerta precoce procura identificar famílias concretas em risco, tornando possível uma resposta preventiva.

Nesse sentido, o Brasil apresenta vantagens institucionais importantes. O Cadastro Único, que alcança aproximadamente 45% da população, pode ser articulado aos dados da PNAD Contínua, à EBIA e à Triagem para Risco de Insegurança Alimentar (TRIA), realizada na atenção primária à saúde. Os autores sugerem experiências-piloto em municípios, com validação das previsões por profissionais da assistência social.

O estudo ressalta, entretanto, que algoritmos não devem determinar automaticamente quem receberá benefícios, nem substituir o trabalho de campo, o conhecimento das comunidades ou a participação da sociedade civil.

Para o Instituto Fome Zero, os resultados oferecem uma contribuição especialmente relevante à agenda de proteção social antecipatória: utilizar informações disponíveis para identificar riscos e agir antes que crises econômicas, sanitárias ou climáticas se transformem em situações graves de fome.

A perspectiva é transformar dados e capacidade tecnológica em decisões públicas mais rápidas, preventivas e eficazes, fortalecendo o direito humano à alimentação adequada.

Principais mensagens

• Antecipar a fome é possível: modelos preditivos podem identificar famílias vulneráveis antes do agravamento das crises.
• 76,3% de identificação: o algoritmo XGBoost apresentou o melhor desempenho geral na previsão dos domicílios em insegurança alimentar.
• Dados já disponíveis: PNAD Contínua, EBIA, Cadastro Único e TRIA oferecem bases para um sistema nacional de alerta precoce.
• Prevenir é diferente de monitorar: conhecer a quantidade de famílias vulneráveis não equivale a identificar quais precisam de intervenção imediata.
• Tecnologia com supervisão humana: os modelos devem apoiar, e não substituir, profissionais da assistência social e decisões de políticas públicas.
• Proteção social antecipatória: o estudo abre possibilidades para respostas mais rápidas diante de choques econômicos, sanitários e climáticos.

Fonte: FERRÃO, Igor; VALE, Ricardo Campante. Towards an Early-Warning System for Food Insecurity in Brazil: Forecasting Vulnerable Households Using National Survey Data. IPCid Working Paper nº 006, Ipea, setembro de 2026. DOI: https://doi.org/10.38116/ipcid-wp006