Caso de estudio

Mejora del seguimiento nutricional clínico con IA, Validithi Project

El Validithi Project tenía como objetivo evaluar la precisión y la viabilidad del uso del reconocimiento de alimentos con IA para automatizar el análisis de la ingesta alimentaria en entornos clínicos.

Contexto y objetivos

Una alimentación inadecuada es uno de los principales factores que contribuyen a las enfermedades no transmisibles (ENT), como las enfermedades cardiovasculares, la diabetes y el cáncer, lo que incrementa significativamente los costes sanitarios mundiales. Los métodos tradicionales de evaluación alimentaria, como los recordatorios de 24 horas, los diarios alimentarios, los cuestionarios de frecuencia de consumo de alimentos y las entrevistas dietéticas, son manuales, laboriosos y propensos a errores. Estos métodos dependen en gran medida de la memoria y de las estimaciones, lo que a menudo genera inconsistencias en la información sobre el tamaño de las raciones y el contenido de los alimentos, con márgenes de error de hasta el 35%.

El Validithi Project tenía como objetivo evaluar la precisión y la viabilidad del uso del reconocimiento de alimentos con IA para automatizar el análisis de la ingesta alimentaria en entornos clínicos. El proyecto pretendía:

Reducir el tiempo y los costes asociados a la evaluación alimentaria manual
Mejorar la precisión del seguimiento nutricional
Mejorar la motivación y la participación de los pacientes mediante información en tiempo real
Validar la precisión del registro alimentario de LogMeal AI mediante su comparación con marcadores biológicos (recogida de orina)

Evaluación inicial

Realizado en colaboración con hospitales y entidades académicas de los Países Bajos
Se evaluó a los participantes mediante protocolos tradicionales de recordatorio alimentario de 24 horas
La ingesta de nutrientes obtenida a partir de estos recordatorios se contrastó con biomarcadores urinarios (datos biológicos objetivos)
Los participantes también registraron sus comidas mediante los algoritmos de reconocimiento de alimentos de LogMeal, con identificación de alimentos, ingredientes y tamaños de las raciones mediante IA

Seguimiento digital con LogMeal

Registro alimentario automatizado basado en fotografías: Los participantes capturaban imágenes de sus comidas en tiempo real
Análisis con IA: Desglose nutricional de calorías, macronutrientes, micronutrientes e ingredientes mediante el modelo de 37 nutrientes de LogMeal
Generación automática de diarios alimentarios, que elimina la necesidad de introducir los datos manualmente
Comparación con el análisis nutricional basado en orina para validar la precisión del sistema de IA
Acceso a un panel para profesionales clínicos con informes de ingesta y análisis de nutrientes en tiempo real

Intervenciones grupales y personalizadas

Los profesionales sanitarios accedían a registros alimentarios automatizados para las consultas individuales
Los datos en tiempo real permitían ofrecer recomendaciones con mayor rapidez y realizar ajustes en la alimentación
Los datos se utilizaban para mejorar las estrategias de motivación, mostrando a los pacientes información nutricional cuantificada y vinculada a biomarcadores
Mejora de la eficiencia asistencial mediante la reducción de la carga de trabajo de los dietistas y del tiempo de consulta

Teniendo todo esto en cuenta, en este proyecto comparamos el uso del registro automatizado de reconocimiento de alimentos de LogMeal con los valores nutricionales obtenidos mediante un análisis de orina de 24 horas. Aquí se puede ver la comparación de los resultados de uno de los proyectos europeos que realizamos con hospitales y universidades de los Países Bajos.

Selección de artículos científicos sobre alimentación:

paper_logmeal_1.pdf , paper_logmeal_2.pdf , paper_logmeal_3.pdf

Repositorio de la Dra. Petia Radeva (catedrática de la UB): listado de artículos sobre IA y visión por computador de la Dra. Petia Radeva
https://dblp.org/pid/r/PetiaRadeva.html

Listado de artículos sobre IA y visión por computador del Dr. Marc Bolaños, doctor en Visión por Computador con la tesis «Deep Multimodal Learning for Egocentric Storytelling and Food Analysis»
https://dblp.org/pid/147/3344.html

Dra. Petia Radeva, profesora y directora del Departamento de Visión por Computador de la U.B. (Universidad de Barcelona).
http://www.ub.edu/cvub/petiaradeva/?p=36

Resultados y valor de Logmeal en el programa

Reducción del tiempo de consulta: Análisis de nutrientes realizado automáticamente, con un ahorro de 15–30 minutos por paciente
Mayor precisión de los datos: Reducción significativa del sesgo de los datos declarados por los pacientes y de las estimaciones incorrectas de las raciones
Mayor adherencia al tratamiento: Los pacientes respondieron positivamente a las recomendaciones basadas en datos y a los informes visuales sobre alimentación
Fiabilidad para uso clínico: El análisis de la ingesta mediante IA mostró una fuerte correlación con los biomarcadores de orina de 24 horas
Análisis alimentario basado en imágenes con reconocimiento instantáneo de alimentos, raciones e ingredientes

Valor de la tecnología de LogMeal en el programa

Desglose de 39 nutrientes que permite un seguimiento detallado de micronutrientes y macronutrientes
Integración sencilla en los flujos de trabajo clínicos, que permite la supervisión profesional sin carga de trabajo adicional
Diarios alimentarios automatizados para mejorar la precisión y reducir los errores humanos
Mayor autonomía de los pacientes mediante indicadores de salud concretos y visuales

Conclusión

El Validithi Project demostró que las herramientas de reconocimiento de alimentos con IA como LogMeal pueden complementar eficazmente o incluso sustituir las evaluaciones alimentarias tradicionales en la práctica clínica. El uso de registros objetivos basados en imágenes mostró una estrecha correspondencia con los indicadores biológicos de nutrientes, al tiempo que reducía significativamente la carga de trabajo de los profesionales sanitarios y aumentaba la participación de los pacientes.

Reducción de la tasa de error de hasta el 35% de las encuestas alimentarias declaradas por los propios pacientes
Ahorro de 15–30 minutos por consulta al sustituir las evaluaciones manuales de la ingesta
Mayor precisión y consistencia en el seguimiento de la ingesta de macronutrientes y micronutrientes
Mejora de la motivación de los pacientes y de la adherencia al tratamiento mediante información visual basada en datos
El reconocimiento automatizado de alimentos de LogMeal ofrece una alternativa más eficiente, escalable y objetiva al seguimiento tradicional de la ingesta, validada mediante colaboraciones con hospitales y universidades europeos.

Socios y colaboradores

REFERENTES EN SALUD Y NUTRICIÓN

Stephan Bakker
Profesor de Medicina Interna en University Medical Center Groningen (UMCG)

Más información
Linkedin

“Validado médicamente para la terapia renal sustitutiva” Seguimiento diario de pacientes con trasplante renal (antes y después de la cirugía), utilizando análisis de orina de 24 horas como contraste. Se ha demostrado una adherencia muy superior, un menor coste, menos molestias para el paciente y una alta correlación de los datos, lo que confirma la validez de la solución LogMeal.