La primera revista online de cloud computing en español

Las claves de la Ciencia Nutricional 2.0: Big Data y Machine Learning

9 2.089

España es el segundo país de Europa con más casos de obesidad. El 25% de la población española es obesa o tiene problemas de sobrepeso, según un estudio realizado en 2016 por un grupo de investigadores del Imperial College de Londres en colaboración con la Organización Mundial de la Salud (OMS). No obstante, la ciencia nutricional hoy en día puede llegar a responder a estos problemas con conocimiento, tecnología y Machine Learning.

A pesar de conocer los alimentos que mejoran sustancialmente nuestra salud, los hábitos de consumo siguen siendo el problema mayor de muchas enfermedades como la obesidad. Para ello, Cognodata Consulting, firma de consultoría internacional especializada en Customer Science, sostiene que hay factores que son igual o más importantes que la nutrición que afectan a nuestra dieta. Estos factores pueden ser tanto individuales (actividad física diaria, economía, psicología…) como colectivos (cultura, acceso a educación nutricional, concepción de la belleza…).

Para integrar todos estos factores, Cognodata ha desarrollado el marco analítico de la Ciencia Nutricional 2.0, basada en:

1.- Aplicaciones para la gestión genómica en Cloud. La genómica en cloud ha logrado reducir el número de dependencias tecnológicas y económicas para la realización de estos estudios. Actualmente empresas como Google o Amazon permiten: Almacenar datos genómicos, acceder a datos públicos y privados, administrar el flujo de trabajo y las tareas, procesar los datos y visualizarlos de forma intuitiva para el cliente.

2.- Incorporación de wearables y otras tecnologías de tracking y monitoreo. Cada vez se están desarrollando wearables que monitorizan distintas partes del cuerpo humano y con ello sus precios están bajando. Asimismo, aparecen en escena Smart Plates, platos inteligentes que identifican la comida, el peso, el aporte nutricional y el calórico, y APPs para móviles que permiten realizar las mismas funcionalidades a partir de tecnologías de detección de imágenes (IM2Calories de Google). Con estas tecnologías, se puede llegar a un conocimiento de la salud en tiempo real y más exacto que las tradicionales encuestas sobre nutrición y estilos de vida.

3.- Big Data y Machine Learning de la Ciencia Nutricional 2.0. Además de la información recopilada en los puntos anteriores, se desarrolla un Big Data incorporando componentes como datos demográficos y económicos, índices de salud, contaminación y acceso a la comida saludable, entre otras muchas variables. Ante un modelo con tantos datos, se desarrolla Machine Learning, generando una inteligencia artificial capaz de aprender y predecir el comportamiento biológico. Ello permite una mayor precisión y reducción de tiempos y recursos.

4.- Engagement, gamificación y fidelización. Para conseguir los resultados deseados, el marco de la Ciencia Nutricional 2.0 incluye también el aumento de la motivación de los pacientes con sistemas gamificados que recompensan el esfuerzo. Han surgido plataformas como Gympact y Dietbet que, mediante apuestas y retos entre comunidades de familiares y amigos, incentivan actividades como bajar de peso, recorrer una cierta distancia o incluso por preparar platos saludables. A nivel de retailer, la fidelización en la salud ha empezado a dar sus primeros pasos con Walgreens (la mayor compañía farmacéutica del mundo después de su alianza con Boots) que ha desarrollado una app que trackea los hábitos nutricionales y el ejercicio para ofrecer cupones de descuento.

“El camino hacia la Ciencia Nutricional 2.0 es imparable y todo apunta a que el término de Nutrición Personalizada ha venido para quedarse. En la actualidad se está trabajando en múltiples iniciativas que aumentan el conocimiento y abaratan el coste” ha destacado Daniel Encinas, Socio Director de Cognodata Consulting. “El marco analítico de la Ciencia Nutricional abarca ciudadanos, instituciones públicas y privadas, retailers, productores, profesionales de la salud y laboratorios. El conocimiento generado a través de estos datos supone una gran oportunidad de mejora de la salud a escala mundial”, ha concluido.

También podría gustarte
9 Comentarios
  1. Las claves de la Ciencia Nutricional 2.0: Big Data y Machine Learning https://t.co/sLB3ZOCAnX #Cloud #Tech

  2. Las claves de la Ciencia Nutricional 2.0: Big Data y Machine Learning: España es el segundo… https://t.co/pc2l6M7x0l

  3. #Bigdata y #MachineLearning impulsan la ciencia nutricional 2.0 https://t.co/D7UutDn9EW #esalud #ehealth

  4. Las claves de la Ciencia Nutricional 2.0: #BigData y Machine Learning @revistacloud https://t.co/FVnZOISEQ7

  5. StackedCloud (@StackedCloud) dice

    Las claves de la Ciencia Nutricional 2.0: Big Data y Machine Learning https://t.co/Xf2SVq1hNB

  6. Las claves de la Ciencia Nutricional 2.0: #BigData y #MachineLearning https://t.co/ViCmT1j5nA

  7. IT User Cloud (@ituser_cloud) dice

    Las claves de la Ciencia Nutricional 2.0: Big Data y Machine Learning https://t.co/ZRVoXCk594 #cloud

  8. Esparza (@JAMAEsparza) dice

    Las claves de la Ciencia Nutricional 2.0: #BigData y #MachineLearning https://t.co/KXjA20pXln via @revistacloud

  9. @GranadosRoss dice

    RT @revistacloud: Las claves de la Ciencia Nutricional 2.0: Big Data y Machine Learning: España es el segundo… https://t.co/WDJ63LiJ2b

  10. @mary_b_68 dice

    RT @revistacloud: Las claves de la Ciencia Nutricional 2.0: Big Data y Machine Learning: España es el segundo… https://t.co/WDJ63LiJ2b

  11. RT @JAMAEsparza: Las claves de la Ciencia Nutricional 2.0: #BigData y #MachineLearning https://t.co/KXjA20pXln via @revistacloud

Deja tu comentario sobre esta noticia