AI4Food, a feasibility study for the implementation of automated devices in the nutritional advice and follow up within a weight loss intervention
Dado el aumento de enfermedades crónicas no transmisibles (ECNT), es necesario mejorar su prevención y tratamiento. Las tecnologías portátiles pueden ser clave en el desarrollo de estrategias de nutrición de precisión, pero su uso clínico se ve limitado por la falta de validación y herramientas adec...
| Autores: | , , , , , , , , , , |
|---|---|
| Tipo de recurso: | artículo |
| Fecha de publicación: | 2025 |
| País: | España |
| Institución: | Universidad Europea (UEM) |
| Repositorio: | ABACUS. Repositorio de Producción Científica |
| Idioma: | inglés |
| OAI Identifier: | oai:abacus.universidadeuropea.com:11268/14558 |
| Acceso en línea: | http://hdl.handle.net/11268/14558 |
| Access Level: | acceso abierto |
| Palabra clave: | Nutrición Obesidad Inteligencia artificial Goal 3: Ensure healthy lives and promote well-being for all at all ages |
| Sumario: | Dado el aumento de enfermedades crónicas no transmisibles (ECNT), es necesario mejorar su prevención y tratamiento. Las tecnologías portátiles pueden ser clave en el desarrollo de estrategias de nutrición de precisión, pero su uso clínico se ve limitado por la falta de validación y herramientas adecuadas. Este estudio evaluó la viabilidad del uso de métodos manuales y automáticos de recolección de datos en una intervención nutricional para la pérdida de peso, con el objetivo de facilitar la implementación de herramientas basadas en inteligencia artificial (IA) en la práctica clínica. Métodos: Se realizó un ensayo prospectivo cruzado en personas con sobrepeso u obesidad, divididas en dos grupos. Un grupo comenzó con recolección de datos manual y el otro con sensores portátiles; luego intercambiaron métodos tras dos semanas. Se recopilaron datos de estilo de vida, medidas antropométricas y muestras biológicas. Resultados: 93 participantes completaron la intervención, con una pérdida promedio de 2 kg. Se observaron reducciones significativas en el índice de masa corporal, grasa visceral, circunferencia de cintura, colesterol total y niveles de HbA1c. Los dispositivos electrónicos fueron bien aceptados (puntuación de usabilidad: 78.27). Además, se identificaron distintos grupos de pacientes según sus mediciones continuas de glucosa. Conclusión: El estudio generó una gran cantidad de datos y demostró que los dispositivos automáticos pueden ser útiles en intervenciones nutricionales, facilitando el uso futuro de herramientas basadas en IA en la práctica clínica nutricional. |
|---|