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, 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, en Cognodata hemos desarrollado el marco analítico de la Ciencia Nutricional 2.0, basada en cuatro puntos clave:
En primer lugar, 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.
En segundo lugar, la 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.
En tercer lugar, Big Data y Machine Learning. 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.
Por último, 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.
