Contador de visitas:

3615324
Vistas Hoy : 56
Vistas Últimos 7 días : 422
Total de Vistas : 3675859
Tu Dirección IP : 216.73.216.191
Desarrollado por WPS Visitor Counter

Aplicaciones de inteligencia artificial y e-health en el manejo nutricional de las personas con diabetes

Applications of artificial intelligence and e-health in the nutritional management of diabetes​

– Autores:

Ana Zugasti Murillo 1 y Alejando Sanz París 2

  1. Sección de Nutrición. Hospital Universitario de Navarra. Pamplona (Navarra). España.
  2. Servicio de Endocrinología y
    Nutrición, Hospital Miguel Servet. Zaragoza. España.

Resumen

El manejo nutricional de la diabetes mellitus constituye uno de los pilares fundamentales del tratamiento, pero también uno de los componentes más complejos del autocuidado, debido a la elevada carga cognitiva asociada al recuento manual de hidratos de carbono y a la variabilidad interindividual de la respuesta glucémica. En los últimos años, la integración de la inteligencia artificial junto con la monitorización continua de glucosa y otros dispositivos digitales ha impulsado una transición hacia un modelo de nutrición de precisión, basado en el análisis en tiempo real de datos fisiológicos, dietéticos y conductuales. Las herramientas basadas en inteligencia artificial permiten automatizar el registro dietético, estimar la composición nutricional de los alimentos, predecir la respuesta glucémica posprandial y generar recomendaciones personalizadas. Además, contribuyen a reducir la carga cognitiva del paciente, favoreciendo la adherencia terapéutica y mejorando potencialmente el control glucémico. Aunque los estudios disponibles sugieren mejoras modestas, pero clínicamente relevantes en parámetros como la glucemia posprandial y el tiempo en rango, persisten limitaciones importantes relacionadas con la validación a largo plazo, la generalización en poblaciones diversas y la transparencia algorítmica. Esta revisión analiza de forma integrativa el ecosistema actual de aplicaciones de inteligencia artificial en el manejo nutricional de la diabetes mellitus, evaluando su fundamento tecnológico, la evidencia clínica disponible y sus principales limitaciones. Asimismo, se abordan aspectos emergentes como la nutrición de precisión avanzada, el papel del microbioma, la perspectiva de género, la equidad digital y los retos regulatorios. La inteligencia artificial debe entenderse como una herramienta de apoyo que complementa, pero no sustituye, el juicio clínico, requiriendo una integración crítica en la práctica asistencial.

Palabras clave

Diabetes mellitus, inteligencia artificial, medicina de precisión, monitorización continua de glucosa, terapia nutricional.

Abstract

Nutritional management is a cornerstone of diabetes mellitus (DM) treatment, yet it remains one of the most complex components of self-care due to the high cognitive burden associated with manual carbohydrate counting and the marked interindividual variability in glycemic response. In recent years, the integration of artificial intelligence (AI), continuous glucose monitoring, and other digital health technologies have driven a shift toward a precision nutrition model based on real-time analysis of physiological, dietary, and behavioral data. AI-based tools enable automated dietary logging, estimation of food composition, prediction of postprandial glycemic responses, and generation of personalized nutritional recommendations. Additionally, these technologies may reduce patient cognitive burden, potentially improving treatment adherence and glycemic control. Although current evidence suggests modest but clinically meaningful improvements in outcomes such as postprandial glucose and time in range, important limitations persist, including the need for long-term validation, broader population generalizability, and greater algorithmic transparency. This integrative review examines the current landscape of AI applications in nutritional management of DM, assessing their technological foundations, available clinical evidence, and key limitations. It also addresses emerging areas such as advanced precision nutrition, the role of microbiome, gender-related aspects, digital equity, and regulatory challenges. AI should therefore be regarded as a supportive tool that complements, rather than replaces, clinical judgment, requiring careful integration into routine clinical practice.

Key words

Diabetes mellitus, artificial intelligence, diet therapy, continuous glucose monitoring, precision medicine.