Inteligencia artificial en nutrición hospitalaria: aplicaciones clínicas, oportunidades y desafíos para los sistemas de salud

María del Pilar  Arèvalo Gerònimo; Nora Domitila   Palomino Cotrina; Lucy Isabel   Leandro Melgarejo; Ida Angelina  Quispe Martinez

doi:10.53684/csp.v5i2.160

Autores/as

María del Pilar Arèvalo Gerònimo Hospital Edgardo Rebagliati Martins. Nutrión. Lima. Perú.
Nora Domitila Palomino Cotrina Hospital Edgardo Rebagliati Martins. Nutrición. Lima. Perú.
Lucy Isabel Leandro Melgarejo Hospital Edgardo Rebagliati Martins. Nutrición. Lima. Perú.
Ida Angelina Quispe Martinez Hospital Edgardo Rebagliati Martins. Nutrición. Lima. Perú.

DOI:

https://doi.org/10.53684/csp.v5i2.160

Resumen

Objetivo: Analizar las aplicaciones clínicas, oportunidades y desafíos de la inteligencia artificial (IA) en la nutrición hospitalaria. Materiales y métodos: la metodología fue una revisión narrativa con búsquedas estructuradas de artículos publicados 2017 y 2026. Fueron consultadas diversas bases de datos como PubMed/MEDLINE, Scopus, Web of Science, SciELO y Google Scholar, además documentación de entes internacionales y normativas en el contexto nacional. La estructura de la revisión tuvo como base criterios de calidad para revisiones narrativas. Resultados: los hallazgos evidencian que los sistemas basados en IA pueden servir para la identificación de pacientes con riesgo nutricional, integrar información procedente de la historia clínica electrónica (HCE), priorizar interconsultas, vigilancia de la ingesta hospitalaria y acompañamiento en la toma de decisiones vinculados con soporte nutricional. No obstante, su incorporación requiere precisión por problemas de calidad de la data, privacidad, transparencia, validación local y aceptación por parte de los equipos sanitarios. Conclusiones: La IA constituye una herramienta prometedora para fortalecer la nutrición hospitalaria, al favorecer intervenciones más oportunas, personalizadas y basadas en datos. En el contexto peruano, su avance dependerá de diversos factores.

Citas

Valero-Pérez M, Sáenz de Pipaón Marcos M, Morato Martínez M, González García ME, Calso M, Gallo D, et al. Incorporación del dietista-nutricionista en un hospital universitario: declaración de postura de la Comisión de Nutrición del Hospital Universitario La Paz. Nutr Hosp. 2024;41(1):244-248. Disponible en: doi:10.20960/nh.04922.

Thibault R, Abbasoglu O, Ioannou E, Meija L, Ottens-Oussoren K, Pichard C, et al. ESPEN guideline on hospital nutrition. Clin Nutr [Internet]. 2021;40(12):5684-5709. Disponible en: https://doi.org/10.1016/j.clnu.2021.09.039

Correia MITD, Perman MI, Waitzberg DL. Hospital malnutrition in Latin America: a systematic review. Clin Nutr [Internet]. 2017;36(4):958-967. Disponible en: https://doi.org/10.1016/j.clnu.2016.06.025

Veramendi-Espinoza LE, Zafra-Tanaka JH, Salazar-Saavedra O, Basilio-Flores JE, Millones-Sanchez E, Perez-Casquino GA, et al. Prevalence and associated factors of hospital malnutrition in a general hospital; Peru, 2012. Nutr Hosp [Internet]. 2013;28(4):1236-1243. Disponible en: https://pubmed.ncbi.nlm.nih.gov/23889647/

World Health Organization. Ethics and governance of artificial intelligence for health: WHO guidance [Internet]. Geneva: WHO; 2021 [citado 2025 May 7]. Disponible en: https://www.who.int/publications/i/item/9789240029200

Jiang F, Jiang Y, Zhi H, Dong Y, Li H, Ma S, et al. Artificial intelligence in healthcare: past, present and future. Stroke Vasc Neurol [Internet]. 2017;2(4):230-243. Disponible en: https://doi.org/10.1136/svn-2017-000101

Bond A, McCay K, Lal S. Artificial intelligence and clinical nutrition: what the future might have in store. Clin Nutr ESPEN [Internet]. 2023;57:542-549. Disponible en: https://pubmed.ncbi.nlm.nih.gov/37739704/

Singer P, Robinson E, Raphaeli O. The future of artificial intelligence in clinical nutrition. Curr Opin Clin Nutr Metab Care [Internet]. 2024;27(2):200-206. Disponible en: https://pubmed.ncbi.nlm.nih.gov/37650706/

Baethge C, Goldbeck-Wood S, Mertens S. SANRA-a scale for the quality assessment of narrative review articles. Res Integr Peer Rev [Internet]. 2019;4:5. Disponible en: https://doi.org/10.1186/s41073-019-0064-8

Atwal K. Artificial intelligence in clinical nutrition and dietetics: a brief overview of current evidence. Nutr Clin Pract [Internet]. 2024;39(4):736-742. Disponible en: https://pubmed.ncbi.nlm.nih.gov/38591653/

Varayil JE, Bielinski SJ, Mundi MS, Bonnes SL, Salonen BR, Hurt RT. Artificial Intelligence in Clinical Nutrition: Bridging Data Analytics and Nutritional Care. Curr Nutr Rep [Internet]. 2025;14(1):91. Disponible en: https://pubmed.ncbi.nlm.nih.gov/40608213/

Janssen SMW, Bouzembrak Y, Tekinerdogan B. Artificial Intelligence in Malnutrition: a systematic literature review. Adv Nutr [Internet]. 2024;15(9):100264. Disponible en: https://doi.org/10.1016/j.advnut.2024.100264

Mancin S, Ferrara G, Lopane D, Cangelosi G, Petrelli F, Palomares SM, et al. Artificial intelligence in the management of hospital malnutrition: a systematic review. Clin Nutr ESPEN [Internet]. 2025;70:542-553. Disponible en: https://pubmed.ncbi.nlm.nih.gov/41177435/

Parchure P, Besculides M, Zhan S, Cheng FY, Timsina P, Cheertirala SN, et al. Malnutrition risk assessment using a machine learning-based screening tool: a multicentre retrospective cohort. J Hum Nutr Diet [Internet]. 2024;37(3):622-632. Disponible en: https://doi.org/10.1111/jhn.13286

Wang X, Yao K, Huang Z, Zhao W, Fu J, Lou P, et al. An artificial intelligence malnutrition screening tool based on electronic medical records. Clin Nutr ESPEN [Internet]. 2025;68:153-159. Disponible en: https://doi.org/10.1016/j.clnesp.2025.03.178

Seron-Arbeloa C, Labarta-Monzon L, Puzo-Foncillas J, Mallor-Bonet T, Lafita-Lopez A, Bueno-Vidales N, et al. Malnutrition screening and assessment. Nutrients [Internet]. 2022;14(12):2392. Disponible en: https://doi.org/10.3390/nu14122392

Kittrell HD, Shaikh A, Adintori PA, Mundi MS, Heyland DK, Compher C, et al. Role of artificial intelligence in critical care nutrition support and research. Nutr Clin Pract [Internet]. 2024;39(5):1069-1080. Disponible en: https://pubmed.ncbi.nlm.nih.gov/39073166/

Peng D, Phongpreecha T, Aghaeepour N. Artificial intelligence-guided nutritional therapy in the ICU. Curr Opin Clin Nutr Metab Care [Internet]. 2026;29(2):193-201. Disponible en: https://pubmed.ncbi.nlm.nih.gov/40594840/

Limketkai BN, Mauldin K, Manitius N, Jalilian L, Salonen BR. The age of artificial intelligence: use of digital technology in clinical nutrition. Curr Surg Rep [Internet]. 2021;9(7):20. Disponible en: https://pubmed.ncbi.nlm.nih.gov/34123579/

Boushey CJ, Spoden M, Zhu FM, Delp EJ, Kerr DA. New mobile methods for dietary assessment: review of image-assisted and image-based dietary assessment methods. Proc Nutr Soc [Internet]. 2017;76(3):283-294. Disponible en: https://pubmed.ncbi.nlm.nih.gov/27938425/

Doulah A, Yang X, Parton J, Higgins JA, McCrory MA, Sazonov E. The importance of field experiments in testing of sensors for dietary assessment and eating behavior monitoring. Annu Int Conf IEEE Eng Med Biol Soc [Internet]. 2018;2018:5759-5762. Disponible en: https://pubmed.ncbi.nlm.nih.gov/30441794/

Esteva A, Robicquet A, Ramsundar B, Kuleshov V, DePristo M, Chou K, et al. A guide to deep learning in healthcare. Nat Med [Internet]. 2019;25(1):24-29. Disponible en: https://doi.org/10.1038/s41591-018-0316-z

He J, Baxter SL, Xu J, Xu J, Zhou X, Zhang K. The practical implementation of artificial intelligence technologies in medicine. Nat Med [Internet]. 2019;25(1):30-36. Disponible en: https://pubmed.ncbi.nlm.nih.gov/30617336/

Collins GS, Moons KGM, Dhiman P, Riley RD, Beam AL, Van Calster B, et al. TRIPOD+AI statement: updated guidance for reporting clinical prediction models that use regression or machine learning methods. BMJ [Internet]. 2024;385:e078378. Disponible en: https://www.bmj.com/content/385/bmj-2023-078378

Vasey B, Nagendran M, Campbell B, Clifton DA, Collins GS, Denaxas S, et al. Reporting guideline for the early-stage clinical evaluation of decision support systems driven by artificial intelligence: DECIDE-AI. Nat Med [Internet]. 2022;28(5):924-933. Disponible en: https://doi.org/10.1038/s41591-022-01772-9

Liu X, Rivera SC, Moher D, Calvert MJ, Denniston AK. Reporting guidelines for clinical trial reports for interventions involving artificial intelligence: the CONSORT-AI extension. Nat Med [Internet]. 2020;26(9):1364-1374. Disponible en: https://doi.org/10.1038/s41591-020-1034-x

Cruz Rivera S, Liu X, Chan AW, Denniston AK, Calvert MJ. Guidelines for clinical trial protocols for interventions involving artificial intelligence: the SPIRIT-AI extension. Nat Med [Internet]. 2020;26(9):1351-1363. Disponible en: https://doi.org/10.1038/s41591-020-1037-7

World Health Organization. Ethics and governance of artificial intelligence for health: guidance on large multi-modal models [Internet]. Geneva: WHO; 2024 [citado 2025 Jun 10]. Disponible en: https://www.who.int/publications/i/item/9789240084759

Congreso de la República del Perú. Ley N.° 31814, Ley que promueve el uso de la inteligencia artificial en favor del desarrollo económico y social del país [Internet]. Lima: El Peruano; 2023 [citado 2026 May 7]. Disponible en: https://www.gob.pe/institucion/congreso-de-la-republica/normas-legales/4565760-31814

Rojas Mezarina L, Cedamanos Medina CA, Vargas Herrera J. Registro nacional de historias clínicas electrónicas en Perú. Rev Peru Med Exp Salud Publica [Internet]. 2015;32(2):395-396. Disponible en: https://rpmesp.ins.gob.pe/index.php/rpmesp/article/view/1639