Objetivos

Nuestros hábitos alimentarios juegan un papel clave en el mantenimiento de la salud, la calidad de vida, la longevidad, la prevención y el tratamiento de las enfermedades crónicas. El objetivo principal de AI4Food es integrar los últimos avances en sensores (IoT) y aprendizaje automático con datos fenotípicos y moleculares del individuo para generar un cambio de paradigma en el ámbito del consejo nutricional con el desarrollo de nuevas herramientas digitales para la ayuda en la toma de decisiones. Estas herramientas permitirán evaluar de manera más objetiva y eficaz el estado nutricional de las personas ayudando a los expertos a proponer cambios hacia hábitos alimentarios más saludables desde soluciones generales hacia soluciones personalizadas que sean más eficaces y sostenidas en el tiempo para la prevención de las enfermedades crónicas. Los objetivos específicos del proyecto son cuatro: O1. Monitorización y captura de datos para el modelado de conducta. O2. Desarrollo de Modelos Nutricionales Personalizados a través de Aprendizaje Automático Multimodal. O3. Evaluación y validación de los modelos de AI4Food. O4. Desarrollo de Plataforma Digital AI4Food.

Objetivo 1 (O1) - Monitorización y captura de datos para el modelado de conducen: Busca aplicar los últimos desarrollos tecnológicos y digitales en la recogida de datos objetiva y en tiempo real para el análisis de hábitos de estilos de vida (alimentación, actividad física, sueño, y otros) y biológicos para facilitar la toma de decisiones en nutrición saludable. 

Objetivo 2 (O2) - Desarrollo de Modelos Nutricionales Personalizados a través de Aprendizaje Automático Multimodal:  Busca realizar contribuciones importantes en el aprendizaje automático multimodal para desarrollar nuevos modelos que permitan impulsar una Nutrición Personalizada. Estos modelos se basarán en el procesado de imágenes (alimentos que ingiere), procesado de secuencias temporales (hábitos de conducta), datos biológicos (antropométricos y bioquímicos), datos moleculares (microbioma, metabolitos, genéticos) y un gran conocimiento experto en nutrición. Se emplearán métodos de aprendizaje automático adaptados al usuario (user­centric) y se priorizará la generación de modelos explicables (XAI) que favorezcan la interpretación por parte de expertos nutricionistas. Además de los datos capturados en el protocolo clínico (O1), se utilizarán bases de datos auxiliares que permitan un entrenamiento inicial de los modelos. 

Objetivo 3 (O3) - Evaluación y validación de los modelos de AI4Food: Los modelos entrenados en el O2 serán evaluados estrechamente por expertos nutricionistas que ayuden a mejorarlos y validarlos. La explicabilidad es fundamental en los modelos propuestos en AI4Food, ambos grupos trabajarán conjuntamente para desarrollar grafos de conocimiento (Knowledge Graphs) que lleven los tradicionales modelos de predicción un paso más allá. Las predicciones de AI4Food llevarán aparejadas una explicación que permita personalizar las actuaciones y adaptar las recomendaciones. 

Objetivo 4 (O4) - Desarrollo de Plataforma Digital AI4Food: La plataforma AI4Food se utilizará para integrar los modelos desarrollados en los objetivos previos y se diseñará con el objetivo de ser una herramienta de referencia en el campo de la Nutrición Personalizada. Para ello, además de la precisión y fiabilidad, el diseño incorporará la explicabilidad de los resultados obtenidos por los modelos de aprendizaje automático. La plataforma se podrá utilizar tanto para hacer un seguimiento de planes nutricionales personalizados como para simular la toma de decisión ante cambios en estos planes (p.ej. complementos nutricionales). Además, incluye una evaluación por parte de expertos nutricionistas que ayuden a avalar y mejorar la plataforma