Evalúan la eficacia de la IA para brindar asesoramiento en nutrición deportiva

La popularidad de los chatbots de inteligencia artificial (IA) generativa ha crecido significativamente y se han desarrollado y publicado varios modelos de lenguaje grandes (LLM) como chatbots de IA generativa de libre acceso. De igual forma, han surgido diversas aplicaciones de entrenamiento físico y de dieta/nutrición basadas en IA para ayudar a los atletas a crear planes de entrenamiento y gestionar su composición corporal.

Las prácticas óptimas de nutrición deportiva desempeñan un papel crucial en la mejora de las adaptaciones al entrenamiento necesarias para mejorar el rendimiento de los atletas de resistencia. Si bien se ha investigado la validez de los chatbots generativos de IA para prescribir entrenamientos y planes de dieta, la mayoría de los estudios han empleado métodos cualitativos. 

Para que los atletas utilicen eficazmente los chatbots para informar sus prácticas de nutrición deportiva, la información proporcionada debe ser precisa, completa, clara y basada en evidencia de alta calidad. Sin embargo, la comprensión actual de la calidad de la información sobre nutrición deportiva generada por los chatbots de IA es incompleta.

Los resultados de los chatbots están influenciados por varios sesgos, incluido el sesgo de los datos de entrenamiento, el sesgo cultural/social, el sesgo de confirmación y el sesgo de actualidad. Por lo tanto, independientemente de la complejidad de la indicación, la calidad de los resultados de los chatbots debe evaluarse críticamente. Además, el rendimiento confiable requiere respuestas consistentes a indicaciones idénticas, pero los chatbots de IA pueden producir resultados variables tras indicaciones repetidas. 

Dada la incertidumbre sobre la precisión (es decir, respuestas correctas), integridad (proporcionar todas las respuestas correctas posibles), claridad (respuestas claras y completamente comprensibles), calidad de la evidencia y confiabilidad de los chatbots de IA en nutrición deportiva, y considerando la amplia disponibilidad de múltiples chatbots generativos, es esencial evaluar su rendimiento a fondo. En consecuencia, un reciente estudio evaluó si los chatbots disponibles públicamente impulsados ​​por diferentes LLM podrían proporcionar información de nutrición deportiva de alta calidad. 

Para ello, los investigadores realizaron dos experimentos. En el Experimento 1, se probaron chatbots con indicaciones sencillas y detalladas en dos áreas: nutrición deportiva para entrenamiento y nutrición deportiva para competición. Por su parte, en el Experimento 2, se evaluó el rendimiento del chatbot midiendo la precisión y la fiabilidad test-retest de sus respuestas a preguntas de opción múltiple basadas en un examen de certificación en nutrición deportiva.

¿La inteligencia artificial fue capaz de brindar información nutricional deportiva de calidad?  

Luego de analizar los resultados, observaron que en el Experimento 1, los chatbots de OpenAI (ChatGPT4omini y ChatGPT4o) y Google (Gemini1.5flash y Gemini1.5Pro) tuvieron mejor precisión que los chatbots de Anthropic (Claude3.5Sonnet y ClaudePro) cuando se les plantearon indicaciones simples de disparo cero. De todos ellos, ChatGPT4o tuvo respuestas más completas. 

“La calidad de la información adicional fue generalmente moderada para todos los chatbots (es decir, generalmente no fabricaron información) y todas las respuestas tuvieron alta claridad. La integridad, la claridad y la calidad de la información adicional no se vieron afectadas por el tipo de indicación (simple vs. detallada)”, explican los autores. 

Sin embargo, aclaran que “la calidad de la evidencia citada se calificó como baja para todos los chatbots al plantear una instrucción simple, pero mejoró a moderada-alta al utilizar una instrucción detallada”. 

“En general, los chatbots proporcionaron declaraciones sobre el uso de un enfoque individualizado para la nutrición, pero varios chatbots no recomendaron buscar asesoramiento de un profesional, como un nutricionista/dietista registrado”, destacan los investigadores. A pesar de ello, comentan que algunos chatbots como Claude indican a los usuarios mensajes como "Claude no tiene la intención de brindar asesoramiento, incluido el asesoramiento legal, financiero y médico. No confíe solo en nuestra conversación sin realizar su propia investigación independiente". 

Según el reciente estudio, “aunque los hallazgos muestran una confiabilidad aceptable, la precisión e integridad de los resultados de los chatbots no fueron excepcionales”. “En general, es sorprendente que los chatbots no tuvieran un mejor desempeño, particularmente cuando estudios previos han demostrado que chatbots como ChatGPT obtienen resultados muy buenos en los exámenes de la escuela de medicina”. 

“Quizás la nutrición deportiva sea demasiado especializada, demasiado matizada o esté demasiado confusa con la información contradictoria disponible en internet para tener éxito. Por lo tanto, los LLM deben perfeccionarse con conjuntos de datos seleccionados específicamente para las preguntas sobre nutrición deportiva de los atletas”. 

En este sentido, una estrategia que identifican para mejorar el rendimiento de los chatbots podría ser “capacitar a los LLM en pautas de nutrición deportiva basadas en la evidencia, combinadas con el perfeccionamiento de la generación aumentada por recuperación por parte de dietistas y nutricionistas deportivos expertos en la materia”. 

Los expertos señalan que todos los chatbots evaluados comprendían bien los conceptos básicos de la nutrición deportiva, pero carecían de conocimientos en áreas más complejas como la disponibilidad energética, la hidratación y la suplementación. 

En base a los resultados, los investigadores concluyen que “hasta que se mejoren los LLM que sustentan estos chatbots de IA generativa, un atleta o entrenador que busque asesoramiento nutricional deportivo personalizado debe buscar la opinión de un nutricionista/dietista colegiado”.