𝗨𝗻 𝗻𝘂𝗲𝘃𝗼 𝗲𝘀𝘁𝘂𝗱𝗶𝗼 𝗿𝗲𝗮𝗹𝗶𝘇𝗮𝗱𝗼 𝗽𝗼𝗿 𝗶𝗻𝘃𝗲𝘀𝘁𝗶𝗴𝗮𝗱𝗼𝗿𝗲𝘀 𝗱𝗲𝗹 𝗜𝗻𝘀𝘁𝗶𝘁𝘂𝘁𝗼 𝗡𝗮𝗰𝗶𝗼𝗻𝗮𝗹 𝗱𝗲 𝗗𝗶𝗮𝗯𝗲𝘁𝗲𝘀 𝘆 𝗘𝗻𝗳𝗲𝗿𝗺𝗲𝗱𝗮𝗱𝗲𝘀 𝗗𝗶𝗴𝗲𝘀𝘁𝗶𝘃𝗮𝘀 𝘆 𝗥𝗲𝗻𝗮𝗹𝗲𝘀 𝗱𝗲 𝗹𝗼𝘀 𝗘𝘀𝘁𝗮𝗱𝗼𝘀 𝗨𝗻𝗶𝗱𝗼𝘀 (𝗡𝗜𝗗𝗗𝗞), 𝗽𝗲𝗿𝘁𝗲𝗻𝗲𝗰𝗶𝗲𝗻𝘁𝗲 𝗮 𝗹𝗼𝘀 𝗜𝗻𝘀𝘁𝗶𝘁𝘂𝘁𝗼𝘀 𝗡𝗮𝗰𝗶𝗼𝗻𝗮𝗹𝗲𝘀 𝗱𝗲 𝗦𝗮𝗹𝘂𝗱 (𝗡𝗜𝗛), 𝗮𝗱𝘃𝗶𝗲𝗿𝘁𝗲 𝗾𝘂𝗲 𝗹𝗮𝘀 𝗮𝗽𝗹𝗶𝗰𝗮𝗰𝗶𝗼𝗻𝗲𝘀 𝗾𝘂𝗲 𝘂𝘁𝗶𝗹𝗶𝘇𝗮𝗻 𝗶𝗻𝘁𝗲𝗹𝗶𝗴𝗲𝗻𝗰𝗶𝗮 𝗮𝗿𝘁𝗶𝗳𝗶𝗰𝗶𝗮𝗹 𝗽𝗮𝗿𝗮 𝗮𝗻𝗮𝗹𝗶𝘇𝗮𝗿 𝗳𝗼𝘁𝗼𝗴𝗿𝗮𝗳í𝗮𝘀 𝗱𝗲 𝗰𝗼𝗺𝗶𝗱𝗮 𝗽𝘂𝗲𝗱𝗲𝗻 𝗲𝘀𝘁𝗮𝗿 𝘀𝘂𝗯𝗲𝘀𝘁𝗶𝗺𝗮𝗻𝗱𝗼 𝗱𝗲 𝗳𝗼𝗿𝗺𝗮 𝘀𝗶𝘀𝘁𝗲𝗺á𝘁𝗶𝗰𝗮 𝗹𝗮𝘀 𝗰𝗮𝗹𝗼𝗿í𝗮𝘀 𝗿𝗲𝗮𝗹𝗲𝘀. 𝗘𝗹 𝗮𝗻á𝗹𝗶𝘀𝗶𝘀, 𝗽𝗿𝗲𝘀𝗲𝗻𝘁𝗮𝗱𝗼 𝗲𝗻 𝗡𝗨𝗧𝗥𝗜𝗧𝗜𝗢𝗡 𝟮𝟬𝟮𝟲, 𝗰𝗼𝗺𝗽𝗮𝗿ó 𝗹𝗮𝘀 𝗲𝘀𝘁𝗶𝗺𝗮𝗰𝗶𝗼𝗻𝗲𝘀 𝗱𝗲 𝗰𝘂𝗮𝘁𝗿𝗼 𝗮𝗽𝗹𝗶𝗰𝗮𝗰𝗶𝗼𝗻𝗲𝘀 𝗰𝗼𝗻 𝗰𝗼𝗺𝗶𝗱𝗮𝘀 𝗽𝗲𝘀𝗮𝗱𝗮𝘀 𝗰𝗼𝗻 𝗽𝗿𝗲𝗰𝗶𝘀𝗶ó𝗻 𝗲𝗻 𝘂𝗻𝗮 𝗰𝗼𝗰𝗶𝗻𝗮 𝗱𝗲 𝗶𝗻𝘃𝗲𝘀𝘁𝗶𝗴𝗮𝗰𝗶ó𝗻 𝘆 𝗲𝗻𝗰𝗼𝗻𝘁𝗿ó 𝘂𝗻𝗮 𝗱𝗶𝗳𝗲𝗿𝗲𝗻𝗰𝗶𝗮 𝗽𝗿𝗼𝗺𝗲𝗱𝗶𝗼 𝗱𝗲 𝗮𝗽𝗿𝗼𝘅𝗶𝗺𝗮𝗱𝗮𝗺𝗲𝗻𝘁𝗲 𝘂𝗻 𝘁𝗲𝗿𝗰𝗶𝗼 𝗲𝗻 𝗹𝗮𝘀 𝗰𝗮𝗹𝗼𝗿í𝗮𝘀 𝘆 𝗹𝗮 𝗴𝗿𝗮𝘀𝗮. 𝗟𝗼𝘀 𝗿𝗲𝘀𝘂𝗹𝘁𝗮𝗱𝗼𝘀 𝘀𝗼𝗻 𝗽𝗿𝗲𝗹𝗶𝗺𝗶𝗻𝗮𝗿𝗲𝘀, 𝗽𝗼𝗿 𝗹𝗼 𝗾𝘂𝗲 𝗻𝗼 𝗱𝗲𝗯𝗲𝗻 𝗶𝗻𝘁𝗲𝗿𝗽𝗿𝗲𝘁𝗮𝗿𝘀𝗲 𝗰𝗼𝗺𝗼 𝘂𝗻𝗮 𝗽𝗿𝘂𝗲𝗯𝗮 𝗱𝗲 𝗾𝘂𝗲 𝘁𝗼𝗱𝗮𝘀 𝗹𝗮𝘀 𝗮𝗽𝗹𝗶𝗰𝗮𝗰𝗶𝗼𝗻𝗲𝘀 𝗳𝘂𝗻𝗰𝗶𝗼𝗻𝗮𝗻 𝗺𝗮𝗹, 𝗽𝗲𝗿𝗼 𝘀í 𝗽𝗹𝗮𝗻𝘁𝗲𝗮𝗻 𝗽𝗿𝗲𝗴𝘂𝗻𝘁𝗮𝘀 𝘀𝗲𝗿𝗶𝗮𝘀 𝘀𝗼𝗯𝗿𝗲 𝗹𝗮 𝗰𝗼𝗻𝗳𝗶𝗮𝗯𝗶𝗹𝗶𝗱𝗮𝗱 𝗱𝗲 𝗰𝗼𝗻𝗳𝗶𝗮𝗿 𝗲𝘅𝗰𝗹𝘂𝘀𝗶𝘃𝗮𝗺𝗲𝗻𝘁𝗲 𝗲𝗻 𝘂𝗻𝗮 𝗶𝗺𝗮𝗴𝗲𝗻 𝗽𝗮𝗿𝗮 𝗰𝗼𝗻𝗼𝗰𝗲𝗿 𝗰𝘂á𝗻𝘁𝗼 𝘀𝗲 𝗵𝗮 𝗰𝗼𝗺𝗶𝗱𝗼. 

La idea detrás de estas aplicaciones parece sencilla. El usuario fotografía su plato y un sistema de inteligencia artificial identifica los alimentos, calcula aproximadamente el tamaño de las porciones y consulta bases de datos nutricionales para generar una estimación de calorías, proteínas, grasas y carbohidratos. El procedimiento elimina buena parte del trabajo que antes exigía pesar cada alimento y registrar manualmente los ingredientes, convirtiéndose en una de las aplicaciones más populares de la inteligencia artificial relacionada con alimentación y bienestar.

El problema aparece cuando una imagen no contiene toda la información necesaria para realizar ese cálculo. Una fotografía puede mostrar perfectamente un trozo de carne, arroz, verduras o pasta, pero no necesariamente permite determinar cuánto pesa cada alimento, cuánto aceite se utilizó durante la preparación, qué cantidad de mantequilla contiene una salsa o qué ingredientes se encuentran ocultos debajo de otros alimentos. La investigación estadounidense muestra precisamente que esta diferencia entre lo visible y lo realmente consumido constituye una de las principales debilidades de la tecnología.

El experimento que puso a prueba a la inteligencia artificial

Los investigadores analizaron inicialmente 102 comidas preparadas bajo condiciones controladas. Cada plato fue pesado cuidadosamente, ingrediente por ingrediente, y posteriormente fotografiado para que las aplicaciones realizaran sus estimaciones. De esta manera, los científicos podían comparar lo que la inteligencia artificial «veía» con una referencia mucho más precisa sobre la cantidad real de alimentos y energía presente en cada comida.

El resultado fue significativo: las cuatro aplicaciones evaluadas subestimaron las calorías y la grasa aproximadamente en un tercio. En términos prácticos, una comida que realmente contuviera alrededor de 900 calorías podría ser registrada por una aplicación como una comida considerablemente menos energética. El estudio también encontró una subestimación promedio de aproximadamente 30 gramos de grasa por comida, una diferencia que puede ser importante cuando una persona utiliza los registros para controlar sistemáticamente su alimentación.

Los errores no fueron iguales para todos los nutrientes. Los investigadores observaron que las aplicaciones tuvieron un desempeño relativamente mejor al estimar carbohidratos, mientras que las mayores dificultades aparecieron al calcular la grasa y, particularmente, en comidas con una elevada densidad energética. Los platos ricos en grasa fueron especialmente problemáticos porque una parte importante de sus calorías puede proceder de ingredientes que resultan prácticamente invisibles en una fotografía.

El gran problema: lo que la cámara no puede ver

La fotografía permite reconocer la forma y apariencia de los alimentos, pero la densidad calórica no es una característica visual directa. Dos porciones que parecen similares en una fotografía pueden tener cantidades muy diferentes de energía dependiendo de su peso, preparación y composición.

El aceite es uno de los ejemplos más claros. Una ensalada puede parecer prácticamente idéntica en una fotografía antes y después de agregar varias cucharadas de aceite. Sin embargo, esa diferencia puede modificar sustancialmente el contenido energético del plato. Lo mismo ocurre con mantequilla, mayonesa, aderezos, quesos, azúcar y otros ingredientes utilizados durante la preparación.

Existe además un segundo obstáculo: la estimación tridimensional de las porciones. Una fotografía es una representación bidimensional de un objeto tridimensional. El algoritmo necesita inferir profundidad, volumen y peso a partir de una imagen, algo especialmente complicado cuando los alimentos están superpuestos o cuando no existe una referencia de tamaño. Investigaciones sobre estimación de porciones mediante visión artificial identifican precisamente este problema como uno de los grandes desafíos técnicos del campo.

La inteligencia artificial sí puede ser útil, pero no es una balanza

El nuevo estudio no significa que las aplicaciones de reconocimiento alimentario carezcan de utilidad. Su principal ventaja continúa siendo la rapidez. Fotografiar un plato puede resultar mucho más práctico que buscar manualmente cada ingrediente en una base de datos, especialmente para personas que quieren mantener un registro aproximado de sus comidas.

El problema aparece cuando una estimación aproximada se interpreta como una medición exacta. La diferencia es fundamental. Una aplicación puede reconocer correctamente que una persona está comiendo pollo, arroz y verduras, pero eso no significa que pueda determinar con precisión cuántos gramos de cada alimento hay en el plato.

Un estudio publicado en 2026 en la revista npj Digital Medicine, aunque realizado con otra aplicación y bajo un diseño diferente, también encontró una tendencia relevante: el sistema de inteligencia artificial evaluado subestimó la ingesta energética en aproximadamente 25 % cuando se comparó con el gasto energético medido mediante agua doblemente marcada. Los autores señalaron como posibles causas la identificación incorrecta de alimentos, los errores en las porciones y la imposibilidad de observar ingredientes que no aparecen claramente en las fotografías.

Antes: pesar y registrar; ahora: fotografiar; después: combinar tecnologías

Durante décadas, el método más preciso disponible para controlar la ingesta consistió en pesar los alimentos, identificar sus ingredientes y consultar información nutricional. El procedimiento era lento y poco práctico, razón por la cual muchas personas abandonaban el registro.

La inteligencia artificial cambió ese escenario. La fotografía convirtió el proceso en cuestión de segundos y permitió que millones de usuarios comenzaran a registrar sus comidas con mucho menos esfuerzo. Sin embargo, la investigación actual muestra que la comodidad todavía tiene un precio: la precisión puede disminuir cuando el sistema necesita inferir cantidades que no puede observar directamente.

El siguiente paso probablemente será combinar diferentes fuentes de información. En lugar de depender exclusivamente de una fotografía, los sistemas podrían utilizar varias imágenes, información introducida por el usuario, bases de datos específicas de cada país, reconocimiento de ingredientes, sensores de profundidad y referencias físicas de tamaño. La investigación tecnológica ya trabaja precisamente en métodos destinados a mejorar la estimación tridimensional de los alimentos a partir de imágenes.

También será importante mejorar las bases de datos nutricionales. Un alimento preparado en Brasil, Argentina, México o Estados Unidos puede tener diferentes ingredientes, marcas, métodos de preparación y tamaños de porción. Por eso, una aplicación que utiliza una base de datos poco adaptada al país del usuario puede introducir errores incluso cuando identifica correctamente el alimento.

Una advertencia importante para quienes utilizan estas aplicaciones

El principal mensaje de los investigadores no es que las personas deban abandonar las aplicaciones, sino que deben entender sus limitaciones. Las estimaciones obtenidas mediante una fotografía deben considerarse aproximaciones y no mediciones de laboratorio.

Esto resulta especialmente importante para quienes utilizan el registro de alimentos como parte de un tratamiento médico o de un programa nutricional. En esos casos, confiar exclusivamente en cifras generadas automáticamente podría conducir a una percepción equivocada de la cantidad real de energía consumida. Las decisiones relacionadas con alimentación y salud deberían apoyarse en métodos validados y, cuando corresponda, en la orientación de profesionales cualificados.

La investigación también demuestra un aspecto más amplio del desarrollo de la inteligencia artificial: reconocer un objeto no equivale a medirlo con precisión. Una IA puede identificar una hamburguesa en una fotografía con gran facilidad, pero determinar exactamente cuánto pesa, cuánta grasa contiene, qué cantidad de aceite se utilizó y qué ingredientes están ocultos constituye un problema mucho más complejo.

Por ahora, la fotografía representa una herramienta práctica para hacer que el registro alimentario sea más sencillo, pero el estudio presentado en NUTRITION 2026 muestra que todavía existe una distancia considerable entre la comodidad de la inteligencia artificial y la precisión necesaria para convertir una imagen en una medición nutricional exacta. El futuro de esta tecnología dependerá de cerrar esa brecha mediante mejores algoritmos, sensores, bases de datos y métodos de validación científica.