Video Experimental Relacionado
Updated: Jan 8, 2026
06:21
Concept Development and Use of an Automated Food Intake and Eating Behavior Assessment Method
Published on: February 19, 2021
6.2K
Aplicaciones de la Inteligencia Artificial para Evaluar el Consumo de Alimentos Ultraprocesados: Una Revisión de
Jessica L Campbell1, Grant Schofield1, Hannah R Tiedt2
1Human Potential Centre, Faculty of Health and Environmental Sciences, Auckland University of Technology, Auckland1142, New Zealand.
The British journal of nutrition
|December 21, 2025
Resumen
La inteligencia artificial (IA) puede clasificar alimentos ultraprocesados (AUP) utilizando diversas técnicas. Esta revisión mapea las aplicaciones de IA en la clasificación de AUP, mostrando el potencial para mejorar las estrategias de monitorización dietética y de salud pública.
Área de la Ciencia:
- Ciencia de la Nutrición
- Ciencias de la Computación
- Salud Pública
Sus antecedentes:
- Los alimentos ultraprocesados (AUP) se asocian con resultados adversos para la salud.
- La identificación y monitorización del consumo de AUP es crucial para la salud pública.
- La aplicación de la inteligencia artificial (IA) en la clasificación de AUP está poco explorada.
Objetivo del estudio:
- Realizar una revisión de alcance sobre el uso de IA en la clasificación de alimentos ultraprocesados (AUP).
- Mapear técnicas de IA, datos de entrada, marcos de clasificación, precisión y aplicaciones para la evaluación de AUP.
- Identificar el potencial de la IA en la mejora de la monitorización dietética.
Principales métodos:
- Búsqueda sistemática de literatura científica (PubMed, Scopus, Medline, CINAHL) de 2015-2025.
- Inclusión de estudios revisados por pares que aplican IA para evaluar o clasificar AUP utilizando marcos reconocidos.
- Cribado y extracción de datos independientes por dos revisores, centrándose en métodos de IA, datos de entrada, marcos y resultados.
Principales resultados:
- Ocho estudios cumplieron los criterios de inclusión, utilizando diversas técnicas de IA como clasificadores de bosque aleatorio y modelos de lenguaje grandes.
- Cuatro estudios exploraron aplicaciones prácticas, incluida la evaluación de comportamientos de consumo y el desarrollo de herramientas de sustitución más saludables.
- Las precisiones predictivas reportadas (puntuaciones F1) variaron de 0.86 a 0.98, con una buena alineación entre los clústeres derivados de IA y las categorías NOVA.
Conclusiones:
- Las herramientas de IA demuestran un potencial significativo para mejorar la monitorización del consumo de alimentos ultraprocesados.
- Se necesita un mayor desarrollo y validación de métodos de IA en tiempo real para apoyar las iniciativas de salud pública.
- La IA ofrece una vía prometedora para la clasificación objetiva y escalable de AUP.
