Entras a un centro médico para curarte de una dolencia y, casi sin darte cuenta, tu cuerpo empieza a apagarse por otro frente. Suena a paradoja, pero es una realidad incómoda en los pasillos sanitarios.
Aunque parezca mentira, entre el 20 % y el 40 % de los pacientes hospitalizados acaban presentando algún grado de desnutrición o riesgo nutricional severo. Y aquí es exactamente donde el centro tecnológico Cartif y el Hospital Recoletas Salud Campo Grande de Valladolid han decidido intervenir aliándose con la inteligencia artificial a través del proyecto Ricosalud1.
Hasta el día de hoy, saber si un enfermo come bien o mal es un proceso arcaico. Se basa, literalmente, en echar un vistazo rápido a la bandeja de comida. Un enfermero o un celador entra en la habitación, retira el plato y hace una estimación mental sobre si el paciente se ha comido la mitad del filete o si ha dejado todo el puré intacto. Es una valoración visual, apresurada y brutalmente subjetiva. Y cuando hablamos de salud, la subjetividad es un riesgo que no nos podemos permitir.
La visión artificial escanea tu comida en 3D
En concreto, lo que Ricosalud1 pone sobre la mesa es un sistema experimental diseñado para fulminar este margen de error. La iniciativa de investigación aplicada utiliza hardware de captura óptica y pipelines de inteligencia artificial para hacer un seguimiento exhaustivo de la ingesta real. El funcionamiento a nivel operativo parece sacado de una película de ciencia ficción, pero ya es una realidad tangible. Se analizan las bandejas justos antes de entrar a la habitación y exactamente al salir. Así de simple.
Para lograrlo, la División de Sistemas Industriales y Digitales de Cartif, bajo la batuta del investigador Raúl Calderón, está implementando soluciones basadas en captura de imágenes en dos y tres dimensiones. No vale con una simple foto plana; el sistema necesita volumen para entender las proporciones del plato.
Básicamente, los algoritmos han sido entrenados a base de fuerza bruta y miles de datos para identificar todo tipo de alimentos del entorno hospitalario. El software reconoce la textura, segmenta la comida en la imagen y calcula con precisión milimétrica la cantidad ingerida. Es decir, la IA no se limita a decir «había pollo«. Cuantifica los gramos exactos que han vuelto a la cocina y los residuos generados. Una auténtica locura a nivel de inferencia en tiempo real.
Cruzar gramos de comida con historiales médicos
Pero claro, tener gigas y gigas de datos sobre platos vacíos no sirve absolutamente de nada si no cruzas esa información con la persona que ocupa la cama. Y es que la desnutrición en un hospital no es ninguna broma. Un paciente mal alimentado empeora su evolución clínica a un ritmo alarmante, dispara las complicaciones posoperatorias, alarga su estancia en el centro y, lo peor de todo, eleva drásticamente las probabilidades de sufrir un reingreso. Un desastre a todos los niveles.
A ello se le suma el verdadero superpoder de Ricosalud1: el sistema no opera en el vacío, sino que estará conectado directamente con la historia clínica del paciente. Es un ecosistema de datos cerrado y seguro.
Esto permite relacionar los datos nutricionales extraídos por la cámara con las variables clínicas del usuario. Si la IA detecta que llevas tres comidas dejando el 60 % del plato, lanza una alerta temprana. Los médicos transforman ese dato visual en información clínica útil y ajustan la intervención nutricional al milímetro antes de que el riesgo sea irreversible.
Menos desperdicio y más optimización de costes
Evidentemente, cuando despliegas una red de sensores y algoritmos de este calibre, empiezas a recoger beneficios colaterales que nadie esperaba en un principio. La iniciativa incorpora de forma nativa una dimensión organizativa brutal. Al cuantificar el residuo generado en cada comida, el hospital mide en tiempo real el desperdicio alimentario de sus instalaciones. Se acabó el tirar comida a ciegas.
Si miramos los números a nivel logístico, esta información vale oro. Permite mejorar la planificación de las dietas, rediseñar los menús que sistemáticamente son rechazados por los pacientes y optimizar los recursos económicos del centro. Personalizas el soporte nutricional, favoreces una recuperación más eficaz y encima ahorras en la factura de proveedores. Cartif se corona aquí como un socio tecnológico indispensable para el sector salud.
A veces nos dejamos deslumbrar por modelos de lenguaje gigantes que escriben poemas o generan imágenes divertidas, olvidando que el verdadero impacto del hardware y el software está aquí. Usar la visión artificial para asegurar que un paciente coma lo necesario para no volver al hospital. Veremos si este piloto vallisoletano marca un nuevo estándar y acaba exportándose al resto del país, porque la tecnología, desde luego, ya ni se inmuta al hacerlo.
Me dedico al SEO y la monetización con proyectos propios desde 2019. Un friki de las nuevas tecnologías desde que tengo uso de razón.
Estoy loco por la Inteligencia Artificial y la automatización.
