An LLM-RAG Approach for Healthy Eating Index-Informed Personalized Food Recommendations

Resumen Técnico: Un Enfoque LLM-RAG para Recomendaciones de Alimentos Personalizadas Informadas por el Índice de Alimentación Saludable

Enunciado del Problema
Los sistemas actuales de recomendación de alimentos enfrentan limitaciones significativas al traducir la ciencia de la nutrición en elecciones diarias personalizadas y accionables. Las herramientas existentes suelen depender de bases de datos de alimentos curadas de manera laxa y generadas por crowdsourcing, con controles de calidad heterogéneos, y carecen de una fundamentación explícita en índices de calidad dietética validados. Además, los métodos convencionales de evaluación dietética (por ejemplo, recordatorios de 24 horas) son intensivos en recursos y generalmente proporcionan retroalimentación estática a nivel poblacional en lugar de orientación en tiempo real y consciente del contexto. Si bien el Índice de Alimentación Saludable (HEI) es una métrica robusta y validada para evaluar la calidad de la dieta frente a las directrices dietéticas, sigue siendo en gran medida descriptiva. Existe una brecha crítica en la operacionalización de los datos del HEI y de los conjuntos de datos de referencia a nivel poblacional (como NHANES y FPED) para generar recomendaciones de alimentos individualizadas y explicables que aborden directamente déficits específicos de calidad dietética.

Metodología
Los autores proponen un marco de Generación Aumentada por Recuperación (RAG) informado por el Índice de Alimentación Saludable (HEI) que integra bases de datos de nutrición estructuradas con Modelos de Lenguaje Grande (LLM). La arquitectura del sistema consta de dos componentes principales:

1. Fundamento de Datos y Espacio de Incrustación:

   • El sistema utiliza datos de la Encuesta Nacional de Examen de Salud y Nutrición (NHANES) 2017–2020 y de la Base de Datos de Equivalentes de Patrones Alimentarios (FPED).
   • Se construye un corpus a nivel de alimento convirtiendo los registros de FPED en descripciones de texto estructuradas que resumen los componentes de los patrones alimentarios (por ejemplo, equivalentes en tazas/onzas de grupos de alimentos).
   • Estas descripciones se codifican en representaciones vectoriales densas utilizando el modelo de transformador de oraciones MiniLM-L6-v2 y se almacenan en un índice FAISS para facilitar una búsqueda de similitud eficiente.

2. Recuperación y Clasificación Informadas por el HEI:

   • Para un usuario dado $i$, el sistema calcula una puntuación base del HEI-2020 ($H_i$) basada en su perfil de ingesta actual.
   • Se construye una representación de consulta ($q_i$) a partir del perfil de salud del usuario y el resumen dietético.
   • El sistema recupera alimentos candidatos ($C_i$) calculando la similitud del coseno entre la consulta del usuario y las incrustaciones de los alimentos.
   • Se simula una modificación hipotética de la ingesta del usuario para cada alimento candidato $j$. Se calcula el cambio esperado en el HEI ($\Delta H_{i,j}$).
   • Los candidatos se clasifican utilizando una función objetivo $J_{i,j} = \alpha \Delta H_{i,j} + \beta C_{i,j}$, que equilibra la mejora del HEI con las restricciones del perfil del usuario (por ejemplo, condiciones de salud, preferencias).

3. Generación Aumentada por Recuperación (RAG):

   • Se instancia un LLM preentrenado de OpenAI (tipo GPT) con una tubería RAG restringida.
   • El LLM recibe un prompt estructurado que contiene el perfil del usuario, la dieta actual y los alimentos candidatos mejor clasificados con sus metadatos específicos de nutrientes y FPED.
   • Crucialmente, se instruye al LLM para que genere recomendaciones solo desde el conjunto de candidatos recuperados ($R_i$), asegurando que los resultados estén fundamentados en datos de nutrientes estandarizados en lugar de conocimiento genérico de internet.
   • El modelo genera sugerencias y explicaciones personalizadas que vinculan explícitamente las recomendaciones con mejoras en los componentes del HEI (por ejemplo, aumentar los granos enteros o reducir el sodio).

4. Implementación del Prototipo:

   • Se desarrolló una aplicación móvil multiplataforma (Flutter) para demostrar el marco, comunicándose con un backend alojado en la nube a través de Firebase para procesar las entradas del usuario y devolver sugerencias conscientes de las porciones.

Contribuciones Clave
El estudio realiza cuatro contribuciones principales al campo de la nutrición personalizada y la IA:

1. Desarrollo del Marco: Creación de un marco RAG-LLM informado por el HEI que ancla las recomendaciones de alimentos personalizadas en bases de datos autorizadas (NHANES/FPED) y perfiles de salud del usuario.
2. Diseño del Mecanismo de Recuperación: Implementación de una estrategia de recuperación que restringe al LLM para que opere sobre metadatos de alimentos estructurados y recuperados, generando recomendaciones interpretables con contribuciones anticipadas al HEI.
3. Evaluación Empírica: Una simulación a gran escala fuera de línea en 12,076 registros de usuarios que demuestra la eficacia del sistema para mejorar las métricas de calidad dietética.
4. Traducción a la Acción: La traducción de métricas abstractas del HEI en sugerencias de alimentos accionables y explicables, ofreciendo una herramienta escalable para la posible integración en programas de salud pública.

Resultados
El sistema se evaluó en un conjunto de prueba retenido de 2,416 encuestados. Los resultados de la simulación indicaron:

• Mejora Media del HEI: La puntuación promedio del HEI-2020 aumentó en 6.45 ± 4.02 puntos tras la aplicación de sustituciones y adiciones recomendadas.
• Cambio de Umbral: La proporción de usuarios que alcanzaron una calidad de dieta "moderada" o mejor (HEI > 50) aumentó del 45.12% en la línea base al 61.26% después de la simulación.
• Cambios Distribucionales: El análisis cuantil reveló mejoras consistentes en toda la distribución. Los percentiles 25, 50 (mediana) y 75 aumentaron en 6.35, 6.45 y 6.59 puntos, respectivamente, lo que indica que el marco beneficia a usuarios con diversas calidades de dieta base sin ampliar las disparidades.
• Salida Cualitativa: El LLM generó con éxito recomendaciones nutricionalmente significativas y conductualmente plausibles, como cambiar platos altos en sodio por alternativas más bajas en sodio o agregar granos enteros, manteniendo la ingesta energética dentro de límites razonables.

Significado y Afirmaciones
Los autores afirman que este estudio avanza la investigación en nutrición personalizada al cerrar la brecha entre los datos de vigilancia a nivel poblacional y la orientación accionable a nivel individual. Al fundamentar los resultados de los LLM en bases de datos estandarizadas y basadas en evidencia, el sistema propuesto ofrece una alternativa más precisa, explicativa y confiable a las aplicaciones de dieta genéricas actuales.

El documento enfatiza que, aunque los resultados se derivan de simulaciones fuera de línea en lugar de cambios observados en el comportamiento en el mundo real, la magnitud de la ganancia simulada del HEI es comparable o mayor que las diferencias a menudo observadas entre estratos sociodemográficos en estudios observacionales. Los autores posicionan este marco como una herramienta potencial para informar intervenciones de salud pública y políticas dietéticas. Sin embargo, mantienen una postura modesta, reconociendo limitaciones como la dependencia de la adopción simulada, los posibles sesgos en los datos subyacentes de NHANES/FPED y la necesidad de futuros ensayos controlados aleatorizados rigurosos para evaluar la adherencia a largo plazo y el impacto en el mundo real.