Recoletas Salud y CARTIF impulsan RICOSALUD1 para prevenir la desnutrición hospitalaria con IA
28 mayo, 2026 Centros | Grupo Recoletas | HRCG | I+D | Recoletas Salud | Unidad de Obesidad | Valladolid
Etiquetas: Desnutrición, Investigación, nutrición, Paciente hospitalizado
- La iniciativa combina la experiencia clínica del Grupo Recoletas Salud con el desarrollo tecnológico de CARTIF en visión artificial e inteligencia artificial para avanzar hacia un seguimiento más objetivo de la ingesta alimentaria en el entorno hospitalario.
- Esta alianza refuerza la apuesta por la digitalización, el análisis avanzado de datos y la incorporación de nuevas tecnologías en la gestión hospitalaria para asegurar una excelencia médica y segura.
- El proyecto RICOSALUD1 marca uno de los primeros pasos de trabajo, con un enfoque en nutrición personalizada basada en la integración de datos clínicos y hábitos alimentarios con el fin de detectar precozmente la desnutrición en los pacientes y revertir esta situación.
- Cada 28 de mayo se celebra el Día Nacional de la Nutrición
El Hospital Recoletas Salud Campo Grande ha puesto en marcha, en colaboración con el Centro Tecnológico CARTIF, el proyecto RICOSALU1, una iniciativa de investigación y desarrollo que aplica visión artificial e inteligencia artificial al seguimiento nutricional de los pacientes hospitalizados, así como reducir el desperdicio alimentario.
El proyecto busca avanzar en la prevención de la desnutrición hospitalaria mediante el diseño y validación de un sistema experimental capaz de analizar bandejas hospitalarias antes y después de la comida, con el fin de estimar la ingesta realizada y los residuos alimentarios generados. Para ello, combinará la experiencia clínica de Recoletas Salud con el desarrollo tecnológico de CARTIF, que investigará soluciones basadas en captura de imágenes 2D/3D, generación de datos y modelos avanzados de inteligencia artificial para identificar alimentos, segmentarlos y estimar las cantidades consumidas.
Esta iniciativa nace para dar respuesta a una necesidad relevante en el ámbito hospitalario, y es la de disponer de información más objetiva, medible y trazable sobre la ingesta de los pacientes durante su ingreso. Esta información podría contribuir a detectar de manera temprana situaciones de baja ingesta o riesgo nutricional, mejorar la personalización de la intervención dietética y favorecer, además, una gestión más eficiente y sostenible de los recursos alimentarios del hospital.
Qué es RICO y por qué es necesario
La desnutrición hospitalaria continúa siendo un problema en salud relevante y, en muchos casos, infradiagnosticado. Se estima que entre el 20 el 40 por ciento de los pacientes hospitalizados presentan algún grado de desnutrición o riesgo nutricional, una situación que se asocia a peor evolución clínica, mayor tasa de complicaciones, incremento de la estancia hospitalaria y mayor probabilidad de reingreso. A pesar de su impacto, uno de los principales retos sigue siendo la dificultad para conocer con precisión cuánto comen realmente los pacientes durante su ingreso, ya que en muchas ocasiones la desnutrición se agrava, precisamente, por una baja ingesta energética durante la estancia hospitalaria.
En la práctica clínica habitual, la valoración de la ingesta se realiza de forma visual y subjetiva, lo que puede llevar a infraestimar situaciones de baja ingesta mantenida que agraven el riesgo de desnutrición del paciente. El proyecto RICO nace precisamente para dar respuesta a esta limitación mediante el desarrollo de un sistema inteligente capaz de medir de forma automática, objetiva y continuada la ingesta real de alimentos.
El objetivo del proyecto es desarrollar un sistema inteligente capaz de medir de forma automática, objetiva y trazable la ingesta real de alimentos y a su vez, desarrollar un algoritmo que integre esta información recogida con los datos clínicos del paciente relacionados con su estado nutricional y que permita detectar precozmente la desnutrición e intervenir antes de que aparezcan las consecuencias de esta, mejorando así el pronóstico clínico.
Qué información se va a analizar
La tecnología desarrollada permitirá identificar los alimentos servidos en cada bandeja, registrar la cantidad inicial de comida prescrita, estimar la cantidad realmente ingerida y cuantificar los residuos generados tras cada comida.
Para ello, el sistema utilizará cámaras capaces de captar imágenes en dos y tres dimensiones de las bandejas antes y después de las ingestas, combinadas con algoritmos avanzados de inteligencia artificial entrenados específicamente para el entorno hospitalario. El equipo investigador de CARTIF trabajará en un prototipo experimental basado en tecnología RGB-D capaz de capturar simultáneamente imágenes de color y profundidad para reconstruir la geometría de los alimentos y de los restos alimentarios.
Estos datos estarán conectados en la historia del paciente y podrán relacionarse con variables clínicas relevantes, facilitando la detección precoz de situaciones de baja ingesta y desnutrición.
Toda la información generada se transformará en datos estructurados que podrán integrarse en los sistemas de información hospitalaria y vincularse a la historia clínica del paciente, garantizando su trazabilidad y utilización clínica. En esta fase de I+D, el trabajo tecnológico se centrará en definir y validar los requisitos funcionales y técnicos del sistema, así como en generar conjuntos de datos específicos para el entrenamiento y evaluación de los modelos de inteligencia artificial. Esta etapa se desarrollará en un entorno experimental y controlado, previo a su posible validación e integración en los sistemas hospitalarios.
Según explica Paula Crespo Escobar, Coordinadora de la Unidad de Nutrición y Obesidad del Instituto de Endocrinología y Nutrición del Hospital Recoletas Salud Campo Grande, y coordinadora del proyecto, “el valor de RICO no está solo en la tecnología, sino en convertir datos complejos en información clínica útil que ayude a ajustar la intervención nutricional a la realidad del paciente”. Además, añade que disponer de datos objetivos sobre la ingesta real supone un avance clave en la prevención de la desnutrición hospitalaria, ya que permite pasar de una valoración puntual y subjetiva a un seguimiento continuo basado en información medible, facilitando una intervención más precoz y personalizada.
El desarrollo tecnológico
El equipo investigador de CARTIF investigará y desarrollará los componentes tecnológicos del sistema de visión artificial e inteligencia artificial. El trabajo incluye la definición de los requisitos técnicos, el diseño del prototipo de adquisición 2D/3D, la generación y procesado de datasets, y el desarrollo de modelos de reconocimeinto de alimentos y estimación de cantidades ingeridas.
Los modelos deberán identificarse y segmentar correctamente los alimentos en condiciones propias de una bandeja hospitalaria, donde pueden aparecer mezclas, oclsuiones, variabilidad de iluminación o cambios en la presentación de los platos. Para mejorar la robustez del sistema, el proyecto contempla el uso de modelos de segmentación de última generación, técnicas de aprendizaje few-shot y generación de datos sintéticos.
La estimación de la ingesta se apoyará en la comparación entre las imágenes capturadas antes y después de la comida. A partir de la información RGB-D, el sistema calculará diferencias de volumen y superficie para aproximar la cantidad consumida y los residuos generados, siempre en el marco de una validación experimental controlada.
Impacto clínico, organizativo y ambiental
Desde una perspectiva asistencial, el proyecto permitirá mejorar la recuperación de los pacientes, optimizar la personalización del soporte nutricional, reducir complicaciones asociadas a la desnutrición y reducir la duración de los ingresos hospitalarios. Además, la iniciativa incorpora una dimensión organizativa y de sostenibilidad, al permitir cuantificar el desperdicio alimentario hospitalario y optimizar la planificación de dietas, mejorando así la eficiencia de los recursos hospitalarios.
La información obtenida por el sistema podrá aportar indicadores objetivos tanto para el seguimiento nutricional como para la gestión de los residuos alimentarios. Esta doble vertiente conecta la innovación clínica con los nuevos requerimientos de sostenibilidad y eficiencia en el uso de recursos.
Investigación aplicada con visión de futuro
El proyecto se desarrollará como una iniciativa de investigación aplicada orientada a evaluar la precisión del sistema, su encaje en el flujo asistencial y su utilidad práctica para los profesionales sanitarios. En esta primera etapa, el alcance tecnológico se limita a la validación experimental del prototipo y de los modelos de IA en un entorno controlado, sentando las bases para una futura implementación en el ámbito hospitalario.
Desde la dirección del hospital, la gerente, Belén Gallegos, destaca la relevancia del proyecto: “RICO es un ejemplo de cómo la innovación tecnológica puede aplicarse a problemas reales de la práctica clínica, mejorando la calidad asistencial y la eficiencia del sistema”. Además, subraya que la prevención de la desnutrición hospitalaria es una prioridad estratégica, ya que impacta directamente en la seguridad del paciente, la calidad asistencial y la eficiencia del sistema sanitario.
Con esta iniciativa, el Grupo Recoletas Salud refuerza su apuesta por la investigación aplicada y la digitalización de procesos clínicos, situando la inteligencia artificial al servicio de una atención sanitaria más precisa, personalizada y sostenible. Por su lado, CARTIF aporta al proyecto su experiencia en sistemas industriales y digitales, visión artificial, tratamiento avanzado de datos e inteligencia artificial aplicada, con la participación de la División de Sistemas Industriales y Digitales bajo la responsabilidad del investigador Raúl Calderón.
