Accounting for the nutritional risks of calorie restriction yields protein-adequate personalised diet plans
Este artículo presenta un sistema de planificación de dietas personalizado que utiliza un algoritmo evolutivo para optimizar la adecuación de proteínas y la prevención de efectos secundarios de la restricción calórica, como la pérdida muscular y el bajo estado de ánimo, generando con éxito planes nutricionalmente sólidos que superan a las dietas estándar en los objetivos de proteínas y micronutrientes a pesar de las posibles limitaciones prácticas para servirlos.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
La pérdida de peso ha sido tratada durante mucho tiempo como una ecuación simple: comer menos de lo que quemas, y las libras caerán. Durante décadas, los planificadores de dietas y las aplicaciones se han centrado casi exclusivamente en este recuento de calorías, tratando la comida como un número a restar en lugar de como una fuente de combustible compleja para el cuerpo humano. Sin embargo, cualquiera que haya intentado perder peso sabe que la realidad es más desordenada. Cuando el cuerpo se ve privado de energía durante demasiado tiempo, no solo quema grasa; comienza a consumir su propio músculo, el cabello puede debilitarse, el estado de ánimo suele decaer y el hambre se convierte en un compañero constante y molesto. Estos efectos secundarios no son solo inconvenientes; son las razones principales por las que las personas abandonan sus esfuerzos de pérdida de peso. Las herramientas que utilizamos para diseñar estas dietas rara vez tienen en cuenta estos costos biológicos, optimizando solo el déficit calórico mientras ignoran el costo que esto supone para la persona que consume los alimentos.
Un equipo de investigadores de la Universidad Central de Cachemira y un hospital infantil en Srinagar ha construido un nuevo tipo de planificador de dietas que trata estos efectos secundarios como objetivos por derecho propio. En lugar de simplemente contar calorías, su sistema hace una pregunta diferente: ¿cómo podemos diseñar un día de alimentación que mantenga a una persona saciada y proteja su músculo, cabello y estado de ánimo, incluso mientras consume menos de lo que necesita? Para responder a esto, recurrieron a un método llamado optimización multiobjetivo. Imagine intentar encontrar la mejor ruta a través de una ciudad donde quiere minimizar el tiempo de viaje, evitar el tráfico, ahorrar dinero en gasolina y ver los sitios más interesantes, todo al mismo tiempo. Estos objetivos suelen entrar en conflicto; la ruta más rápida puede ser la más costosa, o la más barata puede ser la más lenta. Los investigadores aplicaron esta misma lógica a la comida, buscando entre miles de opciones para encontrar un menú diario que equilibre estas necesidades contrapuestas sin sacrificar el déficit calórico requerido para la pérdida de peso.
El sistema comienza aprendiendo sobre la persona a la que ayuda. Toma su edad, sexo, altura, peso y nivel de actividad para calcular exactamente cuánta energía necesita para mantener su peso actual. A partir de ahí, establece un objetivo energético específico que es inferior a sus necesidades de mantenimiento, creando el déficit necesario. Pero, a diferencia de los planificadores tradicionales que se detienen ahí, este sistema establece seis objetivos distintos. Intenta maximizar el apoyo al estado de ánimo, la salud del cabello, la retención de músculo y la sensación de saciedad, mientras simultáneamente minimiza la ingesta de nutrientes poco saludables como el sodio y las grasas saturadas, y mantiene la energía total lo más cerca posible del objetivo. Para decidir qué alimentos ayudan a lograr estos objetivos, los investigadores no adivinaron. Auditaron la evidencia científica para determinar qué nutrientes realmente apoyan estos resultados específicos. Si el vínculo de un nutriente con un beneficio era débil o contradictorio en la investigación, lo eliminaban por completo del cálculo. Esto aseguró que cada punto que el sistema otorgaba a un alimento estuviera respaldado por una ciencia sólida.
Los investigadores alimentaron luego este sistema con una base de datos de más de 2,300 alimentos reales, desde vegetales comunes hasta carnes y granos. Le pidieron a la computadora que buscara entre millones de combinaciones posibles para encontrar los mejores menús diarios. Para probar si su enfoque funcionaba, crearon un perfil de un hombre típico de 27 años y con un nivel de actividad física, y le pidieron al sistema que diseñara un día de alimentación que estuviera 801 calorías por debajo de sus necesidades de mantenimiento. Los resultados fueron sorprendentes. El plan que el sistema generó proporcionó el 101 por ciento de la proteína necesaria para proteger su masa muscular. En contraste, cuando los investigadores tomaron tres de los patrones de alimentación saludable más famosos —las dietas Mediterránea, DASH y MIND— y los ajustaron para que tuvieran exactamente la misma cantidad de calorías bajas, estos se quedaron cortos. Esas dietas establecidas solo proporcionaron entre el 71 y el 84 por ciento de la proteína requerida para alguien en esa situación. El nuevo plan también superó a 2,000 dietas aleatorias y factibles que la computadora generó por azar, obteniendo una puntuación más alta en adecuación de nutrientes y siendo mejor en el apoyo al músculo y al estado de ánimo.
Sin embargo, el estudio también reveló una brecha entre lo que es matemáticamente perfecto y lo que es práctico para un humano al comer. Cuando una consejera de nutrición revisó los planes generados por la computadora, encontró que eran nutricionalmente sólidos pero a menudo poco prácticos tal como estaban escritos. El sistema, enfocado en alcanzar los objetivos de nutrientes, a veces sugería comidas que eran difíciles de preparar o que carecían de la variedad y estructura de una comida real. Por ejemplo, los planes no tenían en cuenta el costo de los alimentos, la facilidad para encontrarlos o cómo debería verse y sentirse un plato de comida para ser satisfactorio. La investigadora señaló que, si bien la computadora logró proteger la masa magra y los niveles de nutrientes del cuerpo, una dieta que nadie puede seguir o disfrutar no entregará ninguno de esos beneficios en el mundo real. El estudio concluye que, si bien el enfoque matemático resuelve con éxito el problema de la adecuación de nutrientes durante la restricción calórica, el siguiente paso debe ser incluir factores humanos como el costo, la disponibilidad y la estructura de las comidas para hacer que estos planes sean realmente utilizables.
Los hallazgos sugieren que el futuro de la planificación de dietas radica en reconocer que el cuerpo no es una máquina simple que responde solo a la entrada de energía. Al tratar la preservación del músculo, el cabello y el estado de ánimo como objetivos críticos en lugar de consideraciones secundarias, es posible diseñar dietas que sean menos perjudiciales para el cuerpo. Los investigadores demostraron que, con las herramientas computacionales adecuadas, es posible crear planes de alimentación personalizados que cumplan con estrictas necesidades nutricionales incluso bajo una restricción calórica significativa. Sin embargo, también dejaron claro que el algoritmo más sofisticado no puede reemplazar el elemento humano de la alimentación. La prueba definitiva de una dieta no es solo si cumple con un objetivo de nutrientes en una pantalla, sino si una persona puede realmente comerla, disfrutarla y mantenerla el tiempo suficiente para ver los resultados.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.