La inteligencia artificial está abriendo nuevas posibilidades para facilitar el cálculo de hidratos de carbono y mejorar la gestión de la diabetes. Pero ¿hasta qué punto podemos confiar en estas herramientas?
La alimentación es uno de los pilares fundamentales en el manejo de la diabetes. Para muchas personas, especialmente aquellas con diabetes tipo 1 que utilizan insulina rápida, calcular correctamente la cantidad de hidratos de carbono de cada comida forma parte de su rutina diaria. Sin embargo, esta tarea no siempre resulta sencilla.
¿Cuántos hidratos contiene un plato de arroz? ¿Cómo calcular las raciones cuando comemos fuera de casa? ¿Qué ocurre cuando una receta combina numerosos ingredientes?
Estas situaciones, aparentemente cotidianas, pueden convertirse en un desafío. Durante el XXXVI Congreso Nacional de la Sociedad Española de Diabetes, David Barajas Galindo abordó precisamente esta cuestión en su ponencia «Del contaje de raciones a la IA: redefiniendo la evaluación nutricional en diabetes», analizando cómo las nuevas herramientas digitales podrían transformar la educación nutricional y facilitar la toma de decisiones.
Contar hidratos de carbono: una tarea más compleja de lo que parece
El contaje de hidratos de carbono es una herramienta educativa que permite estimar la cantidad de carbohidratos presentes en los alimentos y ajustar, cuando corresponde, la dosis de insulina a la ingesta prevista. Aunque es una técnica ampliamente utilizada, su aplicación diaria presenta dificultades. Según los datos expuestos durante la ponencia, solo alrededor del 30 % de las personas con diabetes tipo 1 y menos del 15 % de aquellas con diabetes tipo 2 tratadas con insulina realizan habitualmente este cálculo. Uno de los principales problemas es la estimación visual de las porciones. Por ejemplo, una ración de arroz cocido de 50 gramos puede aportar aproximadamente 15 gramos de hidratos de carbono, mientras que una de 150 gramos aporta alrededor de 45 gramos. A simple vista, distinguir correctamente ambas cantidades puede resultar complicado. La presentación también recogió investigaciones en adultos con diabetes tipo 1 que muestran errores frecuentes en estas estimaciones, con tendencia a subestimar las cantidades consumidas. Estas diferencias pueden influir en el cálculo de los bolos de insulina y contribuir a la aparición de hiperglucemias después de las comidas.Por ello, aunque el aprendizaje del contaje de hidratos sigue siendo fundamental, resulta interesante explorar herramientas que ayuden a hacerlo más sencillo y preciso.
De las aplicaciones tradicionales a la inteligencia artificial
Las primeras aplicaciones de nutrición requerían introducir manualmente cada alimento, buscarlo en una base de datos y especificar la cantidad consumida. Posteriormente aparecieron herramientas que incorporaban lectores de códigos de barras, registros de comidas frecuentes y bases de datos nutricionales cada vez más amplias. Ahora estamos entrando en una nueva etapa: las aplicaciones capaces de reconocer alimentos a partir de una fotografía. Gracias a la inteligencia artificial y a la visión por computador, algunas herramientas pueden analizar una imagen, identificar los alimentos presentes y estimar su composición nutricional. Imaginemos que una persona va a comer un plato de pasta con verduras. En lugar de buscar cada ingrediente por separado, podría fotografiarlo y obtener una estimación de los hidratos de carbono, proteínas, grasas y calorías. Esto podría reducir el tiempo dedicado al registro alimentario y facilitar el seguimiento nutricional, especialmente en situaciones donde resulta difícil pesar o medir los alimentos.
¿Qué aplicaciones existen actualmente?
Durante la ponencia se analizaron distintas herramientas de reconocimiento alimentario, como MyFitnessPal, SNAQ, Foodvisor, SnapCalorie y CalorieMama. Estas aplicaciones ofrecen funcionalidades diferentes: algunas permiten escanear productos, otras reconocen alimentos mediante fotografías y algunas incorporan recomendaciones nutricionales personalizadas. Uno de los aspectos más interesantes es que ya existen estudios que comparan la precisión de estas herramientas con los cálculos realizados manualmente. Por ejemplo, los resultados presentados sobre SNAQ mostraron errores de estimación inferiores a los obtenidos mediante determinados métodos tradicionales de cálculo. Sin embargo, no todas las aplicaciones disponen del mismo nivel de validación científica. Algunas utilizan bases de datos alimentarias de otros países, lo que puede dificultar el reconocimiento de recetas, productos o preparaciones habituales en nuestra alimentación. Además, hay que considerar su disponibilidad en España, el idioma, la compatibilidad con los teléfonos móviles y los posibles costes de suscripción. Por tanto, antes de recomendar una aplicación a una persona con diabetes, es importante valorar no solo su facilidad de uso, sino también la fiabilidad de sus resultados.
¿Puede ChatGPT calcular los hidratos de carbono de una comida?
Una de las cuestiones más llamativas de la conferencia fue el análisis de herramientas de inteligencia artificial generativa, como ChatGPT. Cuando subimos una fotografía de un plato, estos sistemas pueden identificar los alimentos visibles y utilizar información nutricional para estimar su composición.
Los resultados de un estudio presentado durante la sesión, que comparaba el rendimiento de ChatGPT-4V con el de dietistas profesionales a partir de 113 fotografías de comidas, mostraron una capacidad de identificación de alimentos cercana al 93 % y errores medios relativamente bajos en determinadas estimaciones nutricionales. No obstante, los resultados también evidenciaron limitaciones importantes. La precisión disminuía ante platos complejos, porciones grandes o preparaciones cuyos ingredientes no podían identificarse fácilmente. Esto nos lleva a una cuestión fundamental: reconocer correctamente un alimento no significa calcular con precisión la cantidad de hidratos de carbono que contiene. Una fotografía no siempre permite conocer el peso real de la ración, los ingredientes ocultos, el aceite utilizado o las cantidades exactas de una receta.
Por tanto, aunque estas herramientas pueden ser útiles como apoyo, sus estimaciones deben interpretarse con cautela y no deberían utilizarse como única referencia para calcular una dosis de insulina.
Los retos de la inteligencia artificial aplicada a la nutrición
A pesar de sus posibilidades, todavía existen barreras que debemos tener presentes. La primera es la precisión. Un mismo alimento puede presentar formas, tamaños y preparaciones muy diferentes. No es lo mismo una patata cocida que una frita, ni un plato de arroz blanco que una paella con numerosos ingredientes. La segunda es la diversidad alimentaria. Muchas herramientas se han desarrollado utilizando bases de datos que no representan adecuadamente todas las culturas gastronómicas. También debemos considerar la privacidad. Las aplicaciones pueden recopilar fotografías, horarios, preferencias y otros datos relacionados con los hábitos alimentarios de sus usuarios. Es importante conocer cómo se almacenan y utilizan estos datos. Finalmente, existe el riesgo de confiar excesivamente en los resultados de una aplicación, olvidando que la tecnología también puede equivocarse.
¿Sustituirá la inteligencia artificial a la educación diabetológica?
La respuesta es no. Al contrario, estas herramientas hacen todavía más necesaria una educación diabetológica de calidad. La inteligencia artificial puede ayudar a identificar alimentos, estimar cantidades y simplificar tareas, pero no conoce necesariamente todas las circunstancias que influyen en las necesidades de cada persona. La actividad física, la sensibilidad individual a la insulina, el momento del día, la composición de la comida o las situaciones de enfermedad son factores que requieren una valoración personalizada. Por eso, el papel de los profesionales sanitarios, en especial de las enfermeras educadoras en diabetes y de la educación terapéutica sigue siendo esencial: ayudar a interpretar la información, reconocer posibles errores y utilizar estas herramientas de forma segura.
Mirando al futuro: una alimentación cada vez más personalizada
La ponencia también permitió imaginar algunas de las tecnologías que podrían incorporarse en los próximos años. Entre ellas destacan la realidad aumentada, que permitiría visualizar información nutricional directamente sobre los alimentos; los sensores avanzados, capaces de aportar nuevos datos metabólicos; y la integración de diferentes dispositivos y aplicaciones para ofrecer recomendaciones cada vez más individualizadas. Aunque muchas de estas posibilidades todavía están en desarrollo, apuntan hacia un modelo de atención en el que la tecnología podría reducir parte de la carga diaria que supone gestionar la diabetes.
El verdadero avance no será que una aplicación nos diga cuántos hidratos contiene un plato, sino que ayude a las personas con diabetes a tomar decisiones más informadas, con mayor autonomía y seguridad.
Desde ANADI, consideramos fundamental acercar estas innovaciones a las personas con diabetes y sus familias, promoviendo un uso crítico, responsable y acompañado de una adecuada educación diabetológica. Porque la tecnología puede facilitarnos muchas tareas, pero el conocimiento, la autonomía y la capacidad para tomar decisiones siguen siendo las herramientas más importantes para convivir con la diabetes.
