En un mundo donde los hábitos alimenticios inadecuados continúan siendo una de las principales causas de enfermedades crónicas como la obesidad y la diabetes, surge un avance tecnológico prometedor. Investigadores de la Universidad de Waterloo han desarrollado un novedoso método que promete revolucionar la monitorización de la ingesta alimentaria mediante la modelación 3D de los alimentos, incrementando así la precisión en la evaluación de los hábitos dietéticos.
La investigación parte del reconocimiento de limitaciones en los métodos tradicionales de registro dietético, que dependen en gran medida de los informes auto-reportados, propensos a imprecisiones. Utilizando un innovador enfoque que combina videos monoculares 2D, algoritmos de estimación de posiciones y el software de reconstrucción 3D COLMAP, los investigadores buscan capturar modelos detallados de alimentos para observar cómo cambia su volumen conforme se consume.
Se realizaron experimentos con modelos de juguete y alimentos reales, indicando el potencial de la metodología. La idea es medir con precisión los cambios en la forma y el volumen de los alimentos, mejorando la comprensión del comportamiento alimentario gracias a un nuevo método que destaca por su precisión en la detección de cambios estructurales en los objetos.
El uso del pipeline HOLD, que optimiza las interacciones de objetos con manos en videos, ha sido clave. Pese a algunos desafíos en la sincronización y los posibles desfases, los resultados muestran modelos 3D de alimentos con cambios topológicos identificables, lo que evidencia la capacidad de esta técnica para proporcionar una evaluación detallada y dinámica del consumo alimenticio.
A través de diversos experimentos representativos que incluyeron objetos complejos como un Tricerátops de juguete y alimentos de consumo cotidiano como muffins y sándwiches, los investigadores lograron modelar adecuadamente los cambios en el volumen, diferenciando estados de comidas intactas y consumidas. Aunque se evidencian ciertos márgenes de error atribuibles a la resolución o características superficiales del objeto, los resultados son un buen indicio para futuras aplicaciones.
Con una capacidad de predicción de volumen del alimento dentro de un rango de error aceptable del 6-7%, la metodología presenta un prometedor avance hacia una monitorización dietética más precisa y adaptada a las necesidades modernas. Este desarrollo sugiere un futuro posible en el que el conocimiento detallado de nuestras ingestas diarias se convierta en una herramienta clave para prevenir enfermedades crónicas ligadas a la dieta.
Con este método innovador, abrimos la puerta hacia un monitoreo dietético cada vez más automatizado y preciso, ofreciendo invaluables perspectivas que, sin duda, aportarán significativamente en la lucha contra las enfermedades crónicas relacionadas con la alimentación.