Busqueda de Articulos Cientificos

Propone un sistema de recomendacion dietetica basado en LLM que relaja adaptativamente restricciones nutricionales mediante recuperacion de grafos de conocimiento. Combina razonamiento sobre restricciones medicas (alergias, patologias) con personalizacion por perfil del paciente para clinicas.

Sistema de IA para recomendacion nutricional familiar orientado a la dieta mediterranea. Modelo personalizado con seguimiento de habitos, perfil familiar y ajuste dinamico de sugerencias. Publicado en una de las revistas de nutricion de mayor impacto en Europa.

Benchmarking de LLMs generativos para planes dieteticos post-cirugia bariatrica. Evalua adherencia a guias clinicas, precision nutricional y seguridad. Resultados: ChatGPT-4o lidera, con limitaciones en casos de comorbilidades especificas.

Comparacion entre GPT-4 y DeepSeek para clasificacion de ultraprocesados segun NOVA. Evalua concordancia con clasificacion experta y utilidad para investigacion nutricional a escala. DeepSeek muestra rendimiento comparable a GPT-4 con mayor velocidad de procesamiento.

Digitalizacion y analisis automatizado de datos de composicion quimica de alimentos. Propone pipeline de ML para generar bases de datos nutricionales actualizables con IA, facilitando investigacion y aplicaciones clinicas de precision.

Propone un sistema recomendador neuro-simbolico con restricciones fisico-fisiologicas para nutricion personalizada. Combina modelos de filtracion colaborativa con restricciones rigidas de salud (diabetes, hipertension), superando enfoques puramente estadisticos en poblaciones clinicas.

Red neuronal para estimacion de nutrientes desde imagenes 2D usando conocimiento geometrico 3D destilado. Permite a usuarios fotografiar sus comidas para obtener estimaciones nutricionales precisas sin sensor de profundidad, funcionando en smartphones estandar.

Pipeline de ML para predecir perfiles nutricionales a partir de descripciones textuales de alimentos en lenguaje natural. Util cuando no hay datos estructurados disponibles: chatbot dietetico puede estimar nutrientes de platos descritos informalmente por el paciente.

Sistema multi-agente con supervision por grafos de conocimiento nutricional para responder preguntas complejas sobre dieta. Mejora precision y trazabilidad frente a LLMs base. Aplicable a chatbots clinicos donde las respuestas deben ser auditables.

Evaluacion de pipeline multimodal combinando EfficientNet-B4 para reconocimiento visual de alimentos con Gemini LLM para generacion de recetas y analisis nutricional. Establece benchmark para sistemas imagen-a-nutricion en aplicaciones moviles.

Revision sistematica de tecnologias de IA/ML aplicadas a nutricion personalizada. Cubre: modelos de recomendacion, analisis de microbioma, wearables, datos multiomicos y sistemas expertos. Referencia clave para el whitepaper tecnico de NutriSens AI.

Revision sistematica de aplicaciones de DL/ML en nutricion. Analiza 150+ estudios sobre clasificacion de alimentos, estimacion de nutrientes, adherencia dietetica y sistemas de soporte a decision clinica. Metodologia PRISMA, cobertura 2018-2024.

Revisa implicaciones eticas del uso de IA en nutricion: privacidad de datos, sesgos algoritmicos, consentimiento informado en entornos clinicos y regulacion GDPR. Critico para el compliance de NutriSens AI en hospitales europeos.