Vol. 11 Núm. 4 (2022): Revista de Investigaciones
Artí­culos Originales

APLICACIÓN DE LA INTELIGENCIA ARTIFICIAL EN LA NUTRICIÓN PERSONALIZADA

PDF
  • Karla Cecilia Rivera Valdivia
Karla Cecilia Rivera Valdivia
Egresada
"Revista de Investigaciones"

Publicado 2022-12-30

Palabras clave

  • Aplicación móvil, inteligencia artificial, nuevas tecnologías y nutrición personalizada.

Derechos de autor 2022 Karla Cecilia Rivera Valdivia

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.

Cómo citar

Rivera Valdivia, Karla Cecilia. 2022. “APLICACIÓN DE LA INTELIGENCIA ARTIFICIAL EN LA NUTRICIÓN PERSONALIZADA”. Revista De Investigaciones 11 (4): 265-77. https://doi.org/10.26788/ri.v11i4.3990.

Resumen

El desarrollo tecnológico ha influido en diversas áreas del conocimiento y la actividad humana. La aparición de tecnologías como big data, machine learning o inteligencia artificial están revolucionando las relaciones humanas; dichas tecnologías, y actualmente, se utilizan en diversas actividades y ámbitos. En este contexto, la nutrición promueve la alimentación de calidad, crea alimentos nutritivos, establece patrones de consumo saludables, evita el desperdicio de alimentos, genera seguridad alimentaria, nutrición personalizada, entre otros aspectos. En esta investigación se realizó una revisión documental de las principales investigaciones sobre las diversas aplicaciones de la inteligencia artificial en el campo de la nutrición personalizada. El problema planteado fue: ¿Cómo se aplica la inteligencia artificial en la nutrición personalizada? El objetivo fue analizar la aplicación de la inteligencia artificial en la nutrición personalizada. La metodología usó el enfoque cualitativo, el tipo de investigación fue descriptivo-exploratorio, los métodos fueron el descriptivo y la observación, las técnicas consideraron el análisis documental y análisis de contenido y los instrumentos fueron la ficha de resumen, ficha de análisis documental y ficha de análisis bibliográfico. Finalmente, los resultados y conclusiones demuestran que la inteligencia artificial se aplica en la nutrición personalizada a través de aplicativos móviles y otros, contribuye en la nutrición personalizada y su uso inadecuado podría originar riesgos en la nutrición personalizada.

PDF

Referencias

  1. Albar, S. A., Alwan, N. A., Evans, C. E. L., Greenwood, D. C., & Cade, J. E. (2016). Agreement between an online dietary assessment tool (myfood24) and an interviewer-administered 24-h dietary recall in British adolescents aged 11–18 years. British Journal of Nutrition, 115(9), 1678–1686. https://doi.org/10.1017/S0007114516000593
  2. Celis-Morales, C., Lara, J., & Mathers, J. C. (2015). Personalising nutritional guidance for more effective behaviour change. Proceedings of the Nutrition Society, 74(2), 130–138. https://doi.org/10.1017/S0029665114001633
  3. Cesare, N., Dwivedi, P., Quynh, C., & Nsoesie, E. (2019). Use of social media, search queries, and demographic data to assess obesity prevalence in the United States. Humanities and Social Sciences Communications, 106(5). https://doi.org/10.1057/s41599-019-0314-x
  4. Deen, T. (2019). ¿La inteligencia artificial es la solución para la crisis alimentaria? Inter Press Service (IPS). https://reliefweb.int/report/world/la-inteligencia-artificial-es-la-soluci-n-para-la-crisis-alimentaria
  5. Del Prado, G. (2017). Intelligent robots don’t need to be conscious to turn against us. Insider. https://www.businessinsider.com/artificial-intelligence-machine-consciousness-expert-stuart-russell-future-ai-2015-7
  6. Dongare, A., Kharde, R. R., & Kachare, A. D. (2012). Introduction to Artificial Neural Network. https://www.semanticscholar.org/
  7. Ertel, W. (2017). Introduction to artificial intelligence. 2da Edición. Springer Cham. https://doi.org/10.1007/978-3-319-58487-4
  8. Fluss, D. (2017). The AI revolution in customer service. CMR. https://www.destinationcrm.com/Articles/Columns-Departments/Scouting-Report/The-AI-Revolution-in-Customer-Service-115528.aspx
  9. Forrestal, S. (2010). Energy intake misreporting among children and adolescents: a literature review. Maternal & Child Nutrition, 7(2), 112–127. https://doi.org/10.1111/j.1740-8709.2010.00270.x
  10. Green, B. (2018). Ethical Reflections on Artificial Intelligence. Scientia et Fides, 6(2), 9–31. https://doi.org 10.12775/SetF.2018.015
  11. Guillen, S. (2018). Industria 4.0: Machine learning y la visión artificial en la seguridad alimentaria. Ainia. https://www.ainia.es/ainia-news/industria-4-vision-artificial-seguridad-alimentaria/
  12. Halzack, S. (2017). Robots and artificial intelligence set to upend the art of making a sale. The Whashington Post. https://www.washingtonpost.com/news/business/wp/2017/01/18/robots-and-artificial-intelligence-set-to-upend-the-art-of-making-a-sale/
  13. Hamet, P., & Tremblay, J. (2016). Artificial intelligence in medicine. Metabolism: Clinical and Experimental, 36–40. https://doi.org/10.1016/j.metabol.2017.01.011
  14. He, H., Cangelosi, A., Mcginnity, T. M., & Mehnen, J. (2020). The Challenges and Opportunities of Artificial Intelligence in Implementing Trustworthy Robotics and Autonomous Systems. SpringertLink. https://doi.org/10.1109/IRCE50905.2020.9199244
  15. Hernandez, R., Fernandez, C., & Baptista, M. del P. (2014). Metodología de la investigación. In M. G. Hill, Journal of Chemical Information and Modeling. 6ta. Edición, Vol. 53, Issue 9. https://www.esup.edu.pe/wp-content/uploads/2020/12/2. Hernandez, Fernandez y Baptista-Metodología Investigacion Cientifica 6ta ed.pdf
  16. Hood, L., Heath, J. R., Phelps, M. E., & Lin, B. (2021). Systems Biology and new technologies enable predictive and preventative medicine. Cell Biology and Translational Medicine, 12, 47–53. https://doi.org/10.1007/5584_2021_622
  17. Huang, M. H., & Rust, R. T. (2018). Artificial Intelligence in Service. Journal of Service Research, 21(2), 155–172. https://doi.org/10.1177/1094670517752459
  18. Huang, M., & Rust, R. (2017). Technology-driven service strategy. The Academy of Marketing Science, 45, 906–924. https://doi.org/10.1007/s11747-017-0545-6
  19. Jaewon, Y., & Arnold, T. (2016). No TitleFrontline Employee Customer-Oriented Attitude in the Presence of Job Demands and Resources: The Influence Upon Deep and Surface Acting. SAGE Journals, 19(1), 102–117. https://doi.org/10.1177/1094670515589956
  20. Johnson, H. (2016). Fast food workers are becoming obsolete. Business Insider. https://www.businessinsider.in/fast-food-workers-are-becoming-obsolete/articleshow/52300518.cms
  21. Kirk, D., Catal, C., & Tekinerdogan, B. (2021). Precision nutrition: A systematic literature review. Computers in Biology and Medicine, 133(104365). https://doi.org/10.1016/j.compbiomed.2021.104365
  22. Koteluk, O., Wartecki, A., Mazurek, S., KoÅ‚odziejczak, I., & Mackiewicz, A. (2021). How do machines learn? Artificial intelligence as a new era in medicine. Journal of Personalized Medicine, 11(1), 1–22. https://doi.org/10.3390/jpm11010032
  23. Kouvari, M., Mamalaki, E., Bathrellou, E., & Poulimeneas, Dimitrios Yannakoulia, M. D. B. (2021). The validity of technology-based dietary assessment methods in childhood and adolescence: a systematic review. Critical Reviews in Food Science and Nutrition, 61(7), 1065–1080. https://doi.org/10.1080/10408398.2020.1753166
  24. Kunz, W. H., Heinonen, K., & Lemmink, J. (2019). Future service technologies: is service research on track with business reality? Journal of Services Marketing, 33(4), 479–487. https://doi.org/10.1108/JSM-01-2019-0039
  25. Kwon, D. Y., & Kwon, D. Y. (2020). Personalized diet oriented by artificial intelligence and ethnic foods. Journal of Ethnic Foods, 7(1), 1–16. https://doi.org/10.1186/s42779-019-0040-4
  26. Leachman, S., & Merlino, G. (2017). Medicine: The final frontier in cancer diagnosis. National Library of Medicine, 542, 36–38. https://doi.org/10.1038/nature21492
  27. Li, D., & Du, Y. (2016). Artificial Intelligence with Uncertainty (2da Edició). Boca Raton. https://doi.org/10.1201/9781315366951
  28. Limketkai, B. N., Mauldin, K., Manitius, A., & Jalilian, L. (2021). The Age of Artificial Intelligence: Use of Digital Technology in Clinical Nutrition. Neurocirugía Brasileña, 9(7). https://doi.org/10.1007/s40137-021-00297-3
  29. Nacional, E. (2019). La nutrición personalizada es el futuro de la alimentación y la salud. El Nacional.Cat. https://www.elnacional.cat/es/salud/nutricion-personalizada-futuro-alimentacion-salud_396661_102.html
  30. Naimi, A., & Balzer, L. (2018). Stacked generalization: an introduction to super learning. National Library of Medicine, 33(5), 459–464. https://doi.org/10.1007/s10654-018-0390-z
  31. Ng, A., & Neil, J. (2017). How artificial intelligence will change everything. The Wall Street Journal. https://www.wsj.com/articles/how-artificial-intelligence-will-change-everything-1488856320
  32. Oke, S. (2008). A literature review on artificial intelligence. International Journal of Information and Management Sciences, 19(4), 535–570. https://www.researchgate.net/publication/228618921%0D
  33. Panaretos, D., Koloverou, E., Dimopoulos, A. C., Kouli, G. M., Vamvakari, M., Tzavelas, G., Pitsavos, C., & Panagiotakos, D. B. (2018). A comparison of statistical and machine-learning techniques in evaluating the association between dietary patterns and 10-year cardiometabolic risk (2002-2012): The ATTICA study. British Journal of Nutrition, 120(3), 326–334. https://doi.org/10.1017/S0007114518001150
  34. Raghupathi, W., & Raghupathi, V. (2014). Big data analytics in healthcare: promise and potential. Health Information Science and Systems, 2(1), 3. https://doi.org/10.1186/2047-2501-2-3
  35. Ravì, D., Wong, C., Deligianni, F., Berthelot, M., Andreu-Perez, J., Lo, B., & Yang, G. (2017). Deep Learning for Health Informatics. IEEE Journal of Biomedical and Health Informatics, 21(1), 4–21. https://doi.org/10.1109/JBHI.2016.2636665
  36. Roberts, K., Roberts, J. H., Danaher, P. J., & Raghavan, R. (2015). Incorporating emotions into evaluation and choice models: Application to kmart Australia. Marketing Science, 34(6), 815–824. https://doi.org/10.1287/mksc.2015.0954
  37. Sak, J., & Suchodolska, M. (2021). Artificial intelligence in nutrients science research: A review. Nutrients, 13(2), 1–17. https://doi.org/10.3390/nu13020322
  38. Shaw, G., & Karami, A. (2017). Computational content analysis of negative tweets for obesity, diet, diabetes, and exercise. ASIS&T, 54(1), 357–365. https://doi.org/10.1002/pra2.2017.14505401039
  39. Stuart, S. (2016). How do you feel? affectiva’s AI can tell. PCMAG. https://www.pcmag.com/news/how-do-you-feel-affectivas-ai-can-tell
  40. Vargas-Hernández, J. E. (2016). Human nutrigenomics: Effects of food or food components on rna expression. Revista Facultad de Medicina, 64(2), 339–349. https://doi.org/10.15446/revfacmed.v64n2.51080
  41. Vasaikar, S., Huang, C., Wang, X., Petyuk, V. A., Savage, S. R., Wen, B., Dou, Y., Zhang, Y., Shi, Z., Arshad, O. A., Gritsenko, M. A., Zimmerman, L. J., McDermott, J. E., Clauss, T. R., Moore, R. J., Zhao, R., Monroe, M. E., Wang, Y. T., Chambers, M. C., Watson, M. (2019). Proteogenomic Analysis of Human Colon Cancer Reveals New Therapeutic Opportunities. Cell, 177(4), 1035-1049.e19. https://doi.org/10.1016/j.cell.2019.03.030
  42. Wedel, M., & Kannan, P. (2016). Marketing Analytics for Data-Rich Environments. American Marketing Association, 80(6), 97–121. https://doi.org/10.1509/jm.15.0413
  43. Young, J., & Cormier, D. (2014). Can Robots Be Managers, Too? Harvart Business Review. https://hbr.org/2014/04/can-robots-be-managers-too
  44. Yu, K. H., Beam, A. L., & Kohane, I. S. (2018). Artificial intelligence in healthcare. Nature Biomedical Engineering, 2(10), 719–731. https://doi.org/10.1038/s41551-018-0305-z
  45. Zeevi, D., Korem, T., Zmora, N., Israeli, D., Rothschild, D., Weinberger, A., Ben-Yacov, O., Lador, D., Avnit-Sagi, T., Lotan-Pompan, M., Suez, J., Mahdi, J. A., Matot, E., Malka, G., Kosower, N., Rein, M., Zilberman-Schapira, G., Dohnalová, L., Pevsner-Fischer, M., Segal, E. (2015). Personalized Nutrition by Prediction of Glycemic Responses. Cell, 163(5), 1079–1094. https://doi.org/10.1016/j.cell.2015.11.001