Investigadores turcos han confirmado que las herramientas de inteligencia artificial (IA) pueden crear planes de nutrición educativos y apoyar la planificación de dietas. Sin embargo, estas herramientas aún no pueden reemplazar a los dietistas profesionales, lo que subraya la necesidad de supervisión humana para garantizar una atención personalizada y segura.
El estudio es especialmente relevante, ya que la IA no solo se está utilizando de forma privada. El gobierno de Estados Unidos ha integrado recientemente Grok, de Elon Musk, exasesor de la administración Trump, en las guías del país sobre nuevas directrices dietéticas. Kyle Diamantas, comisionado adjunto de la FDA, afirma que la herramienta tiene como objetivo “proporcionar a padres y consumidores respuestas claras y concisas”. Sin embargo, varios informes cuestionan su fiabilidad y utilidad para asesorar a las personas y crear planes de alimentación saludables.
Los investigadores del estudio probaron ChatGPT-4o, DeepSeek V3 y Grok-3, solicitándoles que diseñaran menús para 40 pacientes simulados que se recuperaban de una manga gástrica (post-SG), una cirugía común para perder peso.
Los dietistas revisaron los menús generados por la IA para comprobar si cumplían las directrices profesionales, basándose en una lista de verificación. El equipo pretendía determinar si los modelos de IA podían elaborar planes de alimentación que coincidieran con las recomendaciones profesionales durante las diferentes fases de la recuperación, como líquidos, alimentos triturados y sólidos.
El análisis reveló que ChatGPT fue el más consistente a la hora de ajustarse a las directrices, especialmente en las primeras fases de la recuperación. DeepSeek incluyó más vitaminas y minerales en sus recomendaciones, mientras que Grok a menudo sugirió una energía y una proteína insuficientes.
El estudio, publicado en Nutrients, señala que los tres modelos pasaron por alto detalles importantes, como los consejos de los expertos sobre la vitamina B1, el hierro y los multivitamínicos, que son esenciales para prevenir complicaciones después de la cirugía bariátrica.
Researchers tested how three AI systems handled post-surgery diet planning after sleeve gastrectomy.
Para obtener más información, Nutrition Insight habló con los autores del estudio, el Dr. Emre Batuhan Kenger y la Dra. Tugce Ozlu Karahan, especialistas en aplicaciones de la IA en las ciencias de la salud en la Universidad de Estambul Bilgi, y Aylin Bolat Yilmaz, estudiante de doctorado en la Universidad de Acibadem y dietista clínica.
Grok constantemente proporcionó menos energía y proteína en todas las fases. ¿Qué nos dice esto sobre su enfoque?
Kenger: No existe un objetivo energético universalmente definido en las directrices actuales para el periodo post-bariátrico; en cambio, este proceso se basa en gran medida en la evaluación clínica de un dietista bariátrico experimentado, la tolerancia individual del paciente y un seguimiento estrecho. En nuestro estudio, Grok generó valores de energía y proteína notablemente más bajos en comparación con los otros modelos; sin embargo, este hallazgo se limita a las versiones y condiciones de prueba específicas de los modelos. Los modelos de lenguaje grandes evolucionan continuamente, y una mayor integración de marcos basados en directrices podría modificar estas diferencias con el tiempo. Por lo tanto, nuestros resultados deben interpretarse no como conclusiones definitivas, sino como una instantánea del comportamiento actual del modelo.
Los tres sistemas de IA omitieron en gran medida los consejos sobre tiamina, hierro y multivitaminas. ¿Por qué podrían pasar por alto nutrientes importantes en la atención post-SG?
Karahan: Cabe destacar que los modelos de lenguaje grandes tienden a generar consejos generales sobre nutrición en lugar de protocolos clínicos basados en directrices. Dado que los micronutrientes, como la tiamina y el hierro, se incluyen habitualmente en las preparaciones estándar de multivitamínicos, los modelos pueden abordarlos bajo un encabezado general de “uso de multivitamínicos” en lugar de destacarlos individualmente. Sin embargo, dado el riesgo de complicaciones postoperatorias tras la cirugía bariátrica, las recomendaciones individualizadas y específicas, especialmente para los micronutrientes críticos como la tiamina y el hierro, son clínicamente esenciales. Por esta razón, el manejo nutricional postoperatorio debe basarse no solo en la suplementación general, sino también en el control bioquímico específico del paciente y las estrategias de micronutrientes dirigidas.
ChatGPT tuvo el mejor desempeño en las directrices de la fase líquida, pero ninguno manejó bien las complicaciones. ¿Podrían mejorar las indicaciones para solucionar esto, o siempre será necesaria la supervisión humana?
Yilmaz: En este estudio, los resultados del modelo se evaluaron utilizando entradas únicas estandarizadas; en la práctica clínica real, sin embargo, los sistemas de IA se utilizan habitualmente dentro de flujos de trabajo interactivos guiados por especialistas y refinados mediante una retroalimentación continua. Con una comunicación estructurada y optimizada de este tipo, se pueden lograr resultados más refinados, especialmente en lo que respecta a los objetivos de proteínas y las directrices dietéticas específicas de la fase. No obstante, las complicaciones postoperatorias tras la cirugía bariátrica varían considerablemente entre los individuos y no pueden manejarse únicamente con consejos nutricionales generalizados. El seguimiento clínico requiere cálculos personalizados basados en la tolerancia del paciente, el estado metabólico y los parámetros bioquímicos. Por lo tanto, la IA debe considerarse una herramienta de apoyo, mientras que la planificación nutricional postoperatoria debe ser individualizada y realizada bajo la supervisión de un dietista con experiencia en la atención bariátrica.
Clinical experts emphasize that AI tools can support — but not replace — dietitians in postoperative care.
Los modelos evolucionan rápidamente: ¿qué actualizaciones podrían cambiar estas clasificaciones y cómo deberían adaptarse los dietistas?
Kenger: Los resultados generados por la IA se ven influenciados directamente por factores técnicos como las actualizaciones del modelo, los parámetros de muestreo (incluida la “temperatura”, que afecta a la variabilidad de la respuesta) y las tendencias a la alucinación. Estas variables pueden dar lugar a diferentes recomendaciones nutricionales incluso cuando se proporcionan las mismas entradas clínicas. En el futuro, una integración más estructurada de conjuntos de datos basados en directrices y el desarrollo de capas de validación clínica podrían ayudar a reducir estas inconsistencias y mejorar la fiabilidad de los resultados. Durante esta transición, el papel de los dietistas se vuelve cada vez más importante. La información derivada de la IA debe interpretarse junto con la experiencia clínica y los parámetros específicos del paciente. El juicio profesional informado por la tolerancia del paciente, los hallazgos bioquímicos y los perfiles de riesgo individuales permite el uso seguro y eficaz de las herramientas digitales. Los dietistas podrán adaptarse a esta transformación tecnológica de forma sostenible y significativa en la medida en que integren los resultados de la IA con su propio razonamiento clínico.