Validez limitada de una aplicación impulsada por IA para la evaluación dietética en mujeres con obesidad

Por qué una aplicación para registrar alimentos puede no contar toda la historia

Muchas personas recurren a aplicaciones de teléfono para vigilar lo que comen, sobre todo cuando intentan controlar su peso. Estas herramientas prometen convertir fotos rápidas de las comidas en recuentos precisos de calorías. Este estudio comprobó si una de esas aplicaciones impulsadas por inteligencia artificial (IA), llamada SNAQ, refleja realmente cuánta energía utilizan las mujeres con obesidad en la vida cotidiana. Los hallazgos son relevantes para cualquiera que pueda fiarse de estos números para guiar decisiones médicas, planes de pérdida de peso o metas de salud a largo plazo.

Cómo se diseñó el estudio

Investigadores en Suiza reclutaron a 20 mujeres adultas con obesidad y las siguieron durante una semana en sus rutinas diarias normales. Cada participante usó la aplicación SNAQ para fotografiar todo lo que comía y bebía. La app empleó sensores de profundidad y visión por computadora para convertir esas imágenes en estimaciones de calorías y nutrientes diarios. Para disponer de un referente fiable, el equipo también midió el gasto energético total diario de cada mujer con un método de laboratorio considerado de referencia, el agua doblemente etiquetada, que rastrea la rapidez con la que trazadores inocuos salen del cuerpo. Además, las mujeres completaron entrevistas dietéticas de 24 horas, una técnica tradicional pero imperfecta para recordar la ingesta del día anterior.

Qué falló en la app

Cuando los investigadores compararon las cifras de la app con el gasto energético real del cuerpo, las diferencias fueron grandes. En promedio, los cuerpos de las mujeres utilizaron alrededor de 3000 calorías al día, pero SNAQ reportó solo unas 2200, una subestimación de aproximadamente el 25 por ciento. Las entrevistas de recuerdo de 24 horas fueron incluso peores, pasando por alto aproximadamente la mitad de la ingesta real. Lo crucial es que los errores no fueron consistentes entre personas. Para algunas mujeres, la app sobreestimó ligeramente las calorías, mientras que para otras falló por miles. Pruebas estadísticas mostraron esencialmente que no había una coincidencia fiable entre lo que la app reportó y lo que indicaba el metabolismo corporal en cada individuo.

Por qué los números se desvían tanto

Los investigadores atribuyen la discrepancia tanto al comportamiento humano como a limitaciones tecnológicas. En condiciones de la vida real, las personas pueden olvidar fotografiar tentempiés, variar la iluminación o cubrir parcialmente la comida en el encuadre. El sistema de IA también debe inferir qué es cada elemento y cuánto hay, lo que se complica cuando las porciones son grandes, los alimentos están mezclados o las bebidas están en recipientes opacos. Dado que los datos de entrenamiento suelen proceder de comidas más estándares y porciones menores, los patrones alimentarios comunes en la obesidad pueden quedar fuera de la «zona de confort» de la app. Pequeños errores en cada paso se acumulan, dando lugar a estimaciones energéticas que fluctúan ampliamente y que no reflejan el tamaño corporal, la composición corporal ni los cambios de peso a corto plazo.

Límites de los atajos digitales

Aunque los promedios de grupo de la app parecían algo más cercanos al método de laboratorio que las entrevistas, ese aparente éxito resultó engañoso. Unas pocas sobreestimaciones grandes compensaron muchas subestimaciones, ocultando el hecho de que los registros individuales eran muy inestables de un día a otro. Cuando el equipo aplicó controles estándar que señalan informes dietéticos sospechosos, solo alrededor de un tercio de los registros diarios de la app pudieron considerarse siquiera plausiblemente precisos. La app tampoco mostró una relación significativa con marcadores fisiológicos clave, como la masa libre de grasa o los cambios en el peso corporal, lo que socava aún más su utilidad para un seguimiento cuidadoso.

Qué significa esto para pacientes y clínicos

Los autores concluyen que SNAQ, y probablemente aplicaciones dietéticas similares basadas en IA, aún no son lo bastante fiables para una evaluación dietética precisa en mujeres con obesidad. Subestimar la ingesta energética en aproximadamente una cuarta parte—y hacerlo de manera inconsistente—podría inducir fácilmente a error a médicos y pacientes sobre por qué un tratamiento funciona o no. El estudio sostiene que, antes de integrar estas herramientas en la atención clínica, deben superar pruebas claras y estandarizadas de precisión, estabilidad y seguridad, al igual que los dispositivos médicos o las pruebas diagnósticas. Por ahora, la conveniencia digital debe verse como un complemento útil para aumentar la conciencia, no como una medida independiente para decisiones serias sobre el tratamiento de la obesidad.

Cita: Serra, M., Alceste, D., Jucker, N. et al. Limited validity of an AI-powered app for dietary assessment in females with obesity. npj Digit. Med. 9, 357 (2026). https://doi.org/10.1038/s41746-026-02536-2

Palabras clave: aplicaciones de seguimiento de la dieta, inteligencia artificial en nutrición, manejo de la obesidad, precisión en la evaluación dietética, validación de la salud digital