Big data, IA y nutrición personalizada: qué funciona de verdad

«Big data», «nutrición de precisión», «dieta diseñada por IA»: la promesa es que un algoritmo, cruzando tus datos con los de miles de personas, sabrá qué te conviene comer mejor que cualquier pauta general. Parte de la promesa tiene estudios serios detrás y parte es marketing. Aquí verás lo que han medido de verdad los ensayos sobre cinco tecnologías: calorías por foto, algoritmos que predicen tu glucosa, programas comerciales de dieta personalizada, test genéticos y sensores de glucosa sin diabetes.

Calorías por foto con IA: qué miden los estudios

Es el uso de la IA más extendido, y ya hay estudios independientes que lo comparan con comida pesada en báscula. En la Universidad de Gotemburgo (Fridolfsson y colaboradores, Current Developments in Nutrition, 2025) dieron 52 fotos estandarizadas, de alimentos sueltos y de platos completos en tres tamaños, a ChatGPT-4o, Claude 3.5 Sonnet y Gemini 1.5 Pro. Los dos primeros se equivocaron de media un 36-37 % en el peso y un 36 % en las calorías; Gemini, entre un 64 % y un 110 % según el nutriente. Y los tres subestimaban más cuanto mayor era la ración. En Irlanda (O'Hara y colaboradores, Nutrients, 2025), ChatGPT-4 analizó 114 fotos de comidas reales: reconoció bien los alimentos en el 93 % de los casos y acertó razonablemente el peso de las raciones pequeñas, pero no el de las medianas y grandes. En Japón (Isobe y colaboradores, Nutrients, 2026), con 15 menús de hospital, los mejores modelos estimaron bien la energía, pero todos sobrestimaron la grasa en más de un 20 %.

¿Entonces no sirve? Compárala con apuntar de memoria

Un 36 % de error parece mucho hasta que se compara con la alternativa habitual. En un estudio clásico (Lichtman y colaboradores, New England Journal of Medicine, 1992), 10 personas con obesidad que decían no adelgazar comiendo menos de 1.200 kcal al día subestimaban lo que comían en un 47 % de media, medido en laboratorio. Los autores de Gotemburgo concluyen que ChatGPT y Claude rinden a un nivel comparable al del autorregistro, sin su esfuerzo, pero que aún no sirven donde hace falta precisión clínica. La foto sirve para registrar con constancia, siempre que revises la cantidad:

• Haz la foto desde arriba, con el plato entero y un cubierto a la vista como referencia.
• Si el plato era grande, sube la cantidad: los modelos tienden a quedarse cortos.
• Añade lo que no se ve: aceite, mantequilla o salsa.
• En envasados, usa el código de barras, que toma los datos de la etiqueta.
• Si dudas de un alimento, consulta la tabla de calorías de los alimentos.

Cómo lo hace Renzy (y qué no te prometemos)

Renzy, la app de este blog, usa IA para estimar calorías y macros a partir de una foto de tu plato, y también lee códigos de barras. Es una estimación que puedes corregir: cambiar un alimento mal reconocido o ajustar la cantidad, que es lo que más conviene revisar. No hemos publicado un estudio de precisión propio, así que no te daremos un porcentaje de acierto; desconfía de cualquier app que lo anuncie sin un estudio publicado. Renzy ofrece una prueba de 7 días con tarjeta y no tiene plan gratuito.

Zeevi 2015: lo que de verdad hizo el estudio de las 800 personas

La dieta personalizada por glucosa nació en el Instituto Weizmann de Israel (Zeevi y colaboradores, Cell, 2015). Midieron la glucosa durante una semana a 800 personas y su respuesta a 46.898 comidas: la misma comida provocaba subidas muy distintas según la persona. Con esos datos entrenaron un algoritmo que combinaba análisis de sangre, hábitos de dieta, medidas corporales, actividad física y microbiota intestinal para predecir la subida de glucosa de cada comida. Lo validaron en otras 100 personas y, en un ensayo aleatorizado y ciego, sus dietas redujeron las subidas tras comer. No midió si eso se traducía en perder peso o en menos diabetes. Después (Ben-Yacov y colaboradores, Diabetes Care, 2021), 225 adultos con prediabetes siguieron 6 meses la dieta del algoritmo o una mediterránea: con la del algoritmo, el tiempo diario por encima de 140 mg/dl bajó 1,3 horas frente a 0,3, y la HbA1c bajó 0,16 puntos frente a 0,08. Una mejora real, pero pequeña en la HbA1c.

PREDICT 1: incluso los gemelos idénticos responden distinto

PREDICT 1 (Berry y colaboradores, Nature Medicine, 2020), del King's College de Londres con la empresa ZOE, midió durante dos semanas a 1.002 adultos sanos del Reino Unido y validó los resultados en 100 más de Estados Unidos. Ante comidas idénticas, el coeficiente de variación entre personas fue del 68 % para la glucosa, del 59 % para la insulina y del 103 % para los triglicéridos. En 230 parejas de gemelos (183 idénticas), los genes explicaron el 30 % de la variación de la glucosa, el 9 % de la insulina y el 4 % de los triglicéridos; los autores ven improbable que funcione un algoritmo basado solo en el ADN. Un matiz que suele omitirse: para la glucosa pesó más la composición de la comida (15,4 % de la variación) que la microbiota (6,0 %). Varios autores trabajaban para ZOE, que vende un programa basado en estos datos.

Dieta personalizada frente a consejo estándar: los ensayos

Que respondamos distinto no demuestra que un plan personalizado funcione mejor. Eso lo dicen los ensayos que comparan las dos cosas:

• Food4Me (Celis-Morales y colaboradores, International Journal of Epidemiology, 2017): adultos de 7 países europeos recibieron por internet consejos generales o personalizados; 1.269 completaron 6 meses. Con el personalizado comieron menos carne roja (unos 5,5 g), sal (0,65 g) y grasa saturada (1,1 puntos menos de la energía total). Pero añadir análisis de sangre, o además 5 variantes genéticas, no mejoró el resultado.
• ZOE METHOD (Bermingham y colaboradores, Nature Medicine, 2024): 347 adultos de Estados Unidos de 41 a 70 años (86 % mujeres) siguieron 18 semanas el programa de ZOE en su app o las guías dietéticas oficiales con un folleto y vídeos. Los triglicéridos bajaron algo más con el programa (0,13 mmol/l) y el colesterol LDL no cambió. El grupo de ZOE perdió 2,46 kg más y redujo su ingesta unas 162 kcal diarias más que el control.

Test genéticos para elegir dieta: el ensayo que lo comprobó

La nutrigenética promete que tu ADN dice si te va mejor quitar grasa o hidratos. El ensayo DIETFITS de Stanford (Gardner y colaboradores, JAMA, 2018) lo puso a prueba con 609 adultos con sobrepeso u obesidad, que siguieron 12 meses una dieta saludable baja en grasa o baja en hidratos tras clasificarse por un patrón de 3 variantes genéticas que supuestamente indicaba cuál les convenía. Perdieron 5,3 kg con la baja en grasa y 6,0 kg con la baja en hidratos, una diferencia de 0,7 kg no significativa, y el genotipo no predijo quién adelgazaba más con cada una. Junto con PREDICT y Food4Me, la conclusión es clara: hoy no hay base para elegir tu dieta con un test genético comercial.

Sensores de glucosa sin diabetes: qué es normal

Los sensores continuos de glucosa (CGM) se diseñaron para la diabetes y ahora se venden a cualquiera. En un estudio multicéntrico (Shah y colaboradores, Journal of Clinical Endocrinology & Metabolism, 2019), 153 personas sanas de 7 a 80 años pasaron una mediana del 96 % del tiempo entre 70 y 140 mg/dl y unos 30 minutos al día por encima de 140: superar los 140 tras alguna comida es normal. Además, los sensores no siempre coinciden. En los Institutos Nacionales de Salud de Estados Unidos (Howard y colaboradores, American Journal of Clinical Nutrition, 2020), 16 adultos sin diabetes llevaron a la vez dos sensores de marcas distintas durante 760 comidas, y al ordenarlas por subida de glucosa coincidieron poco (correlación de 0,43). Los autores ven prematuro personalizar comidas con un sensor. En resumen:

• Con diabetes, o con prediabetes si tu médico lo indica, es una herramienta clínica útil.
• Sin diabetes, como experimento corto puede enseñarte algo; un pico aislado no es un diagnóstico.
• No decidas que un alimento sano «te sienta mal» por una sola lectura.

Qué puedes personalizar hoy sin gastar en pruebas

Lo que más respaldo tiene no necesita ADN ni sensores: ajustar el plan a lo que comes y a cómo responde tu peso. En Food4Me bastó personalizar según la dieta. Pasos concretos:

• Calcula un punto de partida con la calculadora de TDEE y tómalo como estimación.
• Registra lo que comes 2-3 semanas y pésate varias veces por semana.
• Si tu peso medio no se mueve como esperabas, ajusta las calorías a tu tendencia real.
• Si tienes diabetes, una enfermedad renal o tomas medicación, personaliza con tu médico o un dietista-nutricionista.

Resumen: qué funciona hoy y qué no

Lo que dicen los estudios citados:

La IA ya facilita lo más importante, saber qué comes, aunque la cantidad hay que revisarla. La personalización biológica tiene ciencia seria detrás, pero sus beneficios frente a un buen consejo general son modestos, y los test genéticos no han servido para elegir dieta. Empieza por lo que funciona: registrar, comparar con tu peso real y ajustar.