loading request

Sistema de IA de seguimiento de alimentos para reducir la desnutrición en residencias

Henry_ht


La nueva tecnología podría ayudar a reducir la desnutrición y mejorar la salud general en los hogares de cuidado a largo plazo al registrar y rastrear automáticamente la cantidad de alimentos que consumen los residentes.

Se estima que más de la mitad (aproximadamente el 54%) de los residentes de hogares de atención a largo plazo están desnutridos o en riesgo de desnutrición.

En la actualidad, la ingesta de alimentos es monitoreada principalmente por el personal que registra manualmente las estimaciones de consumo mirando los platos una vez que los residentes han terminado de comer. Este enfoque es laborioso y subjetivo, lo que limita las capacidades de inferencia clínica.

Un nuevo sistema inteligente, desarrollado en Canadá por investigadores de la Universidad de Waterloo, el Instituto de Investigación para el Envejecimiento Schlegel-UW y la Red de Salud de la Universidad, utiliza un software de inteligencia artificial para analizar fotos de platos de comida después de que los residentes de la casa hayan comido.

Los investigadores propusieron una nueva red alimentaria de codificador-decodificador convolucional profundo con refinamiento de profundidad (EDFN-D) usando una cámara RGB-D para cuantificar el volumen de comida restante de un plato en relación con las porciones de referencia en alimentos enteros y de textura modificada.

El equipo entrenó y validó la red en el conjunto de datos de alimentos ‘UNIMIB2016’ preetiquetado y lo probó en sus propios dos nuevos conjuntos de datos de platos inspirados en el cuidado a largo plazo (689 imágenes de platos; 36 alimentos únicos).

El sofisticado software examina el color, la profundidad y otras características de la foto para estimar la cantidad de cada tipo de alimento que se ha consumido y calcular su valor nutricional.

“En este momento, no hay forma de saber si un residente comió solo sus proteínas o solo sus carbohidratos”, dijo Kaylen Pfisterer, quien codirigió la investigación mientras obtenía un doctorado en ingeniería de diseño de sistemas en Waterloo.

“Nuestro sistema está vinculado a las recetas en el hogar de cuidados a largo plazo y, mediante el uso de inteligencia artificial, realiza un seguimiento de la cantidad de cada alimento que se comió para asegurarse de que los residentes cumplan con sus requisitos nutricionales específicos”.

Robert Amelard, ex alumno de Waterloo y becario postdoctoral en University Health Network, dijo que la subjetividad del proceso de observación humana da como resultado una tasa de error del 50 por ciento o más. En comparación, el sistema automatizado tiene una precisión del cinco por ciento, «proporcionando información detallada sobre los patrones de consumo».

Los investigadores colaboraron con trabajadores de apoyo personal, dietistas y otros trabajadores de atención a largo plazo para desarrollar el sistema, que ahorra tiempo y mejora la precisión, e idealmente se agregaría a las tabletas que ya usa el personal de primera línea para mantener registros electrónicos.

El sistema está diseñado para proporcionar una mayor transparencia y para aproximar a los evaluadores humanos con mayor objetividad, exactitud y precisión. Esto también ayuda al personal humano al ayudar con la detección temprana de la desnutrición en hogares de ancianos y hospitales, donde el tiempo y los recursos de personal a menudo son limitados.

“Mi visión sería monitorear y aprovechar cualquier cambio en las tendencias de consumo de alimentos como señales de alerta amarillas o rojas para el estado de salud de los residentes en general y para monitorear el control de infecciones”, dijo Pfisterer, ahora científico asociado en el University Health Network Center for Global. Innovación en eSalud.

Un artículo de investigación sobre el trabajo del equipo: «El seguimiento automatizado de la ingesta de alimentos requiere una segmentación semántica refinada en profundidad para rectificar la discordancia del volumen visual en los hogares de atención a largo plazo», se publicó en la revista Scientific Reports.

abril 2, 2022

Contenido relacionado