![](/articulos/contenido/3976/image/imdea845.jpg)
Uno de los aspectos que más valoramos desde que entramos en el siglo XXI es la mejora a nivel tecnológico y profesional del ámbito de la salud. Ciertamente, una serie de retos relacionados con la pandemia causada por la COVID-19 y la financiación del sistema público han causado estragos sobre la atención primaria. Sin embargo, el desarrollo de nuevas metodologías y abordajes del paciente ha experimentado mejoras considerables, aunque no sean del todo percibidas por la población general.
En el caso de la nutrición, los avances se enfrentan a diversos obstáculos como la ausencia de dietistas-nutricionistas en el sistema de salud y la transversalidad que se le atribuye desde los propios hospitales y centros ambulatorios. No obstante, la nutrición, unido al estilo de vida, es la base para el mantenimiento de un correcto estado de salud y contribuye a la prevención de enfermedades crónicas no transmisibles en el adulto. Por tanto, un mayor conocimiento sobre el impacto de nuestra alimentación en nuestro organismo es vital para tener una mejor calidad de vida con el transcurso del tiempo.
En este sentido, la nutrición de precisión emerge como una ciencia avanzada en la que no solo se tienen en cuenta los gustos, preferencias y posibles patologías del paciente, sino cómo el metabolismo, los factores genéticos y la influencia del ambiente afectan de manera directa sobre la inclusión de nutrientes y estructuras en nuestro propio organismo1. Por tanto, es una ciencia multidisciplinar que depende del avance tanto tecnológico como intelectual que permita una traslación de conocimientos del laboratorio a la sociedad. Pero ¿a qué herramientas nos referimos? A continuación, vamos a describirlas de forma comprensible para entender la complejidad de estos análisis.
GENÉTICA NUTRICIONAL
Desde la descripción completa del Genoma Humano en el año 2003, la genética clínica se ha alzado como una herramienta indispensable en la comprensión de diversas patologías crónicas, especialmente, desde el punto de vista de la prevención. Sin embargo, la genética también se puede aplicar a la forma en la que nuestro cuerpo es capaz de metabolizar y asimilar los nutrientes procedentes de los alimentos. Debemos entender que hay que diferenciar entre el ADN codificante y el no codificante. Mientras el primero de ellos es el responsable de nuestras características físicas, el segundo es más sutil, ya que afecta a reacciones metabólicas y procesos de expresión génica que no son visibles a simple vista2.
De esta forma, cuando ingerimos un alimento, este se digiere y se absorbe, pero ¿qué pasa en el cuerpo con los componentes resultantes? ¿Todos tenemos la misma facilidad para incorporar los hidratos de carbono, grasas y proteínas? ¿Qué sucede si una persona tiende a acumular la grasa en los depósitos correspondientes y otra los metaboliza con mayor rapidez? La genética nutricional se encarga de estudiar el por qué suceden estas variaciones interindividuales con los alimentos e intenta describir las consecuencias que nuestro ADN no codificante podría causar en nuestra forma de alimentarnos.
CIENCIAS ÓMICAS
Con el avance en el desarrollo de tecnologías, la determinación de los macro y micronutrientes y los productos resultantes del metabolismo puede estudiarse con un nivel de detalle mucho mayor3. Las ciencias ómicas se encargan del estudio de estos componentes alimentarios con el objetivo de dar respuesta a cómo nuestro metabolismo los procesa en el cuerpo. No obstante, estandarizar los resultados obtenidos por estas técnicas es complejo de trasladar a la población, ya que el equilibrio metabólico de cada persona varía a lo largo de la vida e incluso a lo largo de un mismo día. Sin embargo, la implementación de la metabolómica asociada a grupos de alimentos o incluso a alimentos específicos puede ser de gran utilidad para determinar la ingesta dietética4.
Actualmente, cuando se le pregunta a una persona qué es lo que ha comido, se utilizan cuestionarios de frecuencia de consumo de alimentos, o se le pide a la persona que apunte una lista de los platos e ingredientes consumidos. Esto hace que no podamos establecer un dato objetivo de la ingesta, sino más bien una estimación aproximada. Con la metabolómica, podemos establecer nuevos métodos precisos para complementar la información dada por el paciente y corroborar la adherencia a un patrón alimentario considerado como saludable o poco beneficioso5. Conocer en profundidad estos datos, ayudaría al profesional de la salud a ser mucho más preciso con las recomendaciones dietéticas.
Un aspecto muy interesante de la metabolómica es la utilización de los perfiles metabolómicos para la identificación de subgrupos o metabotipos6. Esta herramienta tiene un gran potencial de aplicación a nivel de salud pública de precisión, ya que una categorización de los individuos en función de sus datos metabolómicos podría ser utilizada desde el punto de vista de la prevención para determinar riesgos derivados de estilos de vida poco saludables por parte de la población7.
BIOINFORMÁTICA Y MACHINE LEARNING
Cuando se estudia el abordaje de un individuo desde el punto de vista de la nutrición de precisión, debemos ser conscientes del manejo de una importante cantidad de datos. A los habituales utilizados en la actualidad (bioquímica, dieta, calidad de vida, actividad física, etc.) hay que sumar los datos nutrigenéticos, metabolómicos y de microbiota. Para una mejor organización de la información obtenida, es necesario construir bases de datos complejas8. En la era del big data, los programas estadísticos utilizados en las ciencias de la salud (como el SPSS) limitan los análisis realizados. Por ello, una de las principales herramientas de la nutrición de precisión es la bioinformática aplicada a través de algoritmos basados en machine learning9. Actualmente, el uso de paquetes estadísticos como Python, R o STATA facilita la interpretación de resultados, permitiendo el estudio en mayor profundidad de las interacciones causadas entre las diferentes variables para establecer un abordaje dietético integral.
Dentro de las ténicas de machine learning, la clusterización y los árboles de decisiones (random forest) son las más utilizadas en el área de la nutrición de precisión en la actualidad10,11. Una vez que los programas estadísticos integran la información de un gran número de individuo, es posible establecer características comunes a través de la creación de algoritmos computacionales, que sirven para crear categorías de clasificación en las que se describen a individuos afines. En última instancia, cuando se obtiene un gran volumen de datos procedentes de individuos representativos de la población, se pueden generar ecuaciones para su aplicación en la población diana para determinar riesgos derivados de la alimentación12.
NUEVOS ALIMENTOS
La determinación de nuevas variables de datos es una de las bases de la nutrición de precisión. Sin embargo, el consejo nutricional avanzado debe hacerse considerando la evolución de la industria alimentario, tanto a nivel de técnicas como de nuevos alimentos. De hecho, en la actualidad nos encontramos en lo denominado como cuarta revolución industrial, en la que la industria alimentaria ha experimentado cambios en cuanto a la producción, transporte, almacenamiento y consumo de alimentos para adaptarse a las situaciones actuales relacionadas con el cambio climático, el riesgo de pandemias o la globalización13. En esta nueva era, el consumidor adquiere un mayor protagonismo en cuanto a la composición de nuevos alimentos y la aceptación ante el uso de nuevas tecnologías o ingredientes alimentarios14.
Además, el impacto ambiental de la industria alimentaria es un tema que cada vez recibe una mayor atención15. Aspectos como el envasado sostenible, la reducción del desperdicio alimentario y el desarrollo de patrones dietéticos que cumplan con estas premisas se han puesto recientemente sobre la mesa, incluso con las recomendaciones más novedosas derivadas de la Agencia Española de Seguridad Alimentaria y Nutrición, publicadas en el año 202216. Básicamente, patrones basados en el mayor consumo de alimentos de origen vegetal (plant-based)17 o el refuerzo en la adherencia a la dieta mediterránea actual18 son algunas de las tendencias alimentarias con evidencia científica que más atención generan por parte de la nutrición de precisión.
APLICACIÓN Y PERSPECTIVAS FUTURAS
En este momento, la nutrición de precisión se encuentra construyendo los cimientos básicos para su potencial aplicación. La determinación de las variantes genéticas asociadas a diferentes enfermedades (polimorfismos), la construcción de nuevas bases de datos, la caracterización de nuevos alimentos y la aplicación de la bioinformática por parte del profesional de la salud están en sus primeras etapas para a traslación de conocimientos a la sociedad. Si bien es cierto que los test genéticos son cada vez más frecuentes, y con un precio más asequible, se encuentran principalmente en manos de la industria privada y de startups enfocadas en la nutrición que intentan darle un valor añadido al abordaje del cliente. Por tanto, aun es pronto para afirmar que esta ciencia es de amplia aplicación.
Ciertamente, en un futuro debería abordarse su inclusión en la sanidad pública, dado que la atención primaria y la evaluación del riesgo sobre enfermedades crónicas no transmisibles suponen un beneficio para reducir la carga hospitalaria y mejorar la atención sanitaria de la población19. Además, el profesional de la salud desconoce el impacto positivo que la nutrición de precisión ejerce sobre la toma de decisiones, por lo que es vital que los especialistas en alimentación conozcan las herramientas de esta ciencia emergente para que su aplicación no se demore demasiado. Ciertamente, las herramientas pueden resultar complejas por lo que se recomienda que los equipos profesionales sean multidisciplinares e incluyan bioinformáticos, médicos, dietistas-nutricionistas, enfermeros y epidemiólogos para una mejor interpretación de los resultados sobre el individuo. Estas herramientas y enfoques deberían utilizan de manera integrada para proporcionar recomendaciones dietéticas personalizadas que puedan mejorar la salud y el bienestar de las personas de manera efectiva.
Referencias bibliográficas
1. Kirk, D., Catal, C. & Tekinerdogan, B. Precision nutrition: A systematic literature review. Computers in Biology and Medicine vol. 133 Preprint at https://doi.org/10.1016/j.compbiomed.2021.104365 (2021).
2. Marcum, J. A. Nutrigenetics/Nutrigenomics, Personalized Nutrition, and Precision Healthcare. Current Nutrition Reports vol. 9 338–345 Preprint at https://doi.org/10.1007/s13668-020-00327-z (2020).
3. Ramos-Lopez, O., Martinez, J. A. & Milagro, F. I. Holistic Integration of Omics Tools for Precision Nutrition in Health and Disease. Nutrients vol. 14 Preprint at https://doi.org/10.3390/nu14194074 (2022).
4. Playdon, M. C. et al. Identifying biomarkers of dietary patterns by using metabolomics. American Journal of Clinical Nutrition 105, 450–465 (2017).
5. Kim, H. & Rebholz, C. M. Metabolomic Biomarkers of Healthy Dietary Patterns and Cardiovascular Outcomes. Curr Atheroscler Rep 23, 1–12 (2021).
6. Brennan, L. & de Roos, B. Role of metabolomics in the delivery of precision nutrition. Redox Biol 65, (2023).
7. Bailey, R. L. & Stover, P. J. Precision Nutrition: The Hype Is Exceeding the Science and Evidentiary Standards Needed to Inform Public Health Recommendations for Prevention of Chronic Disease. Annual Reviews of Nutrition 43, 385–407 (2023).
8. Romero-Tapiador, S. et al. AI4FoodDB: a database for personalized e-Health nutrition and lifestyle through wearable devices and artificial intelligence. Database (Oxford) 2023, (2023).
9. Kirk, D. et al. Machine Learning in Nutrition Research. Adv Nutr 13, 2573–2589 (2022).
10. Plaza-Díaz, J. et al. Clustering of dietary patterns and lifestyles among spanish children in the esnupi study. Nutrients 12, 1–25 (2020).
11. Cutler, A., Cutler, D. R. & Stevens, J. R. Random Forests. in Ensemble Machine Learning 157–175 (Springer New York, New York, NY, 2012). doi:10.1007/978-1-4419-9326-7_5.
12. Sud, M. et al. Population-Based Recalibration of the Framingham Risk Score and Pooled Cohort Equations. J Am Coll Cardiol 80, 1330–1342 (2022).
13. Hassoun, A. et al. The fourth industrial revolution in the food industry—part II: Emerging food trends. Critical Reviews in Food Science and Nutrition Preprint at https://doi.org/10.1080/10408398.2022.2106472 (2022).
14. Guiné, R. P. F., Florença, S. G., Barroca, M. J. & Anjos, O. The link between the consumer and the innovations in food product development. Foods vol. 9 Preprint at https://doi.org/10.3390/foods9091317 (2020).
15. Liu, F. et al. Future foods: Alternative proteins, food architecture, sustainable packaging, and precision nutrition. Critical Reviews in Food Science and Nutrition vol. 63 6423–6444 Preprint at https://doi.org/10.1080/10408398.2022.2033683 (2023).
16. López García, E. et al. Informe del Comité Científico de la Agencia Española de Seguridad Alimentaria y Nutrición (AESAN) sobre recomendaciones dietéticas sostenibles y recomendaciones de actividad física para la población española. Revista científica de la AESAN 36, 11–70 (2022).
17. Kent, G., Kehoe, L., Flynn, A. & Walton, J. Plant-based diets: a review of the definitions and nutritional role in the adult diet. Proceedings of the Nutrition Society 81, 62–74 (2022).
18. Serra-Majem, L. & Ortiz-Andrellucchi, A. The mediterranean diet as an example of food and nutrition sustainability: A multidisciplinary approach. Nutr Hosp 35, 96–101 (2018).
19. Livingstone, K. M. et al. Precision nutrition: A review of current approaches and future endeavors. Trends Food Sci Technol 128, 253–264 (2022).