Uso da absorciometria de raios x de dupla energia (DXA) para predição da composição da carcaça de vacas de descarte

A avaliação da composição de carcaças de vacas de descarte é essencial para a indústria da carne, mas métodos tradicionais de dissecação são inviáveis em ambientes industriais devido à sua natureza invasiva, demorada e custosa. O objetivo deste estudo foi desenvolver equações para predizer a composição física (músculo, gordura, osso) de meias-carcaças de vacas Nelore de descarte utilizando absorciometria de raios X de dupla energia (DXA). Foram avaliadas 24 meias- carcaças, que, após 24 horas de resfriamento, foram pesadas, divididas em cinco seções padronizadas e escaneadas pelo DXA. Em seguida, cada seção foi dissecada em músculo, gordura subcutânea, gordura intramuscular e osso, com os dois tipos de gordura somados para representar a gordura total. As estimativas de tecido magro, gordura e conteúdo mineral ósseo (BMC) obtidas pelo DXA foram usadas como preditoras para desenvolver modelos de regressão linear simples, sendo a precisão avaliada por R², RMSEP e AICc, com validação cruzada leave- one-out. Os resultados mostraram que o DXA apresentou excelente capacidade de predição para gordura (R² = 0,96; RMSEP = 1,53 kg), boa performance para músculo (R² = 0,84; RMSEP = 4,31 kg) e moderada para osso (R² = 0,73; RMSEP = 1,46 kg). A análise por seção evidenciou que regiões específicas da carcaça apresentam maior representatividade para certos tecidos: S2 foi mais precisa para gordura, S4 e S5 para músculo, e S1 para osso. Além disso, os modelos baseados em estimativas de gordura total ou seções isoladas também previram com alta acurácia a gordura subcutânea. Conclui-se que o DXA é uma ferramenta robusta e confiável para avaliar a composição física de carcaças de vacas de descarte, sendo que a utilização de seções representativas permite otimizar protocolos de avaliação, com potencial aplicação em cenários industriais para estimativa rápida e precisa de rendimento de carne. Palavras-chave: análise de imagem; bovinos; composição física; modelos de predição·