Nutribot: la IA que busca detectar a tiempo riesgos de diabetes tipo 2
Un equipo de investigación anunció un avance significativo en el campo de la salud digital con la publicación de un nuevo estudio en la prestigiosa revista Polibits. El artículo presenta el Nutribot: DiabAsesorIA, una aplicación web progresiva (PWA) interactiva diseñada para asistir en la prevención y detección temprana de factores de riesgo asociados a la diabetes tipo 2.
Este innovador proyecto fue liderado por la autora principal, Mercedes Aguilar-Chagoyán, informática, en conjunto con la investigadora académica M. Cristina Ortega-García, nutrióloga; ambas especialistas pertenecen a TRAI-L.com. El esfuerzo colaborativo se completa con la participación del Dr. Christian E. Maldonado-Sifuentes (participando como Investigador por México de SECIHTI comisionado al CIC del IPN), y Carlos Javier Rodríguez-Montoya.
El Transdisciplinary Research for Augmented Innovation Laboratory (TRAI-L) es una organización enfocada en conectar a las mentes más brillantes de la academia para generar investigación aplicada e innovación. Con visión ética y transdisciplinaria, TRAI-L se dedica a crear productos, servicios y modelos computacionales —como procesamiento de lenguaje natural (NLP) e inteligencia artificial (IA)— diseñados para tener un impacto social positivo, mejorar diagnósticos médicos y promover la inclusión tecnológica de grupos vulnerables y minorías.
La diabetes tipo 2 representa un desafío crítico para la salud pública mundial. En muchos países, las herramientas tecnológicas actuales para el manejo de la enfermedad funcionan únicamente como bitácoras pasivas que requieren una alta alfabetización digital, excluyendo así a las poblaciones más vulnerables y marginadas que carecen de atención médica continua.
Para resolver esta brecha, NutriBot emplea una interfaz conversacional guiada por voz que evalúa los hábitos dietéticos del usuario. La arquitectura del sistema integra la API Whisper de OpenAI, que proporciona un robusto reconocimiento automático de voz resistente al ruido ambiental y acentos regionales, junto con un motor experto basado en AIML (Artificial Intelligence Markup Language) responsable de la interpretación semántica de las respuestas.
"La validación del sistema demostró una precisión del 88% en la transcripción de voz y una tasa de éxito del 82% en la comprensión de AIML, además de un 90% de calificación de satisfacción por parte de los usuarios respecto a la claridad y usabilidad de la interfaz", detallan los hallazgos del estudio.
Al proporcionar recomendaciones dietéticas personalizadas y una evaluación preliminar de riesgos sin necesidad de hardware especializado, NutriBot demuestra la viabilidad de combinar el procesamiento de lenguaje natural y tecnologías web para crear herramientas de salud pública empáticas y escalables en contextos de recursos limitados.
