Cuestionario vinculado a una guía · Medio Nivel

Cuestionario sobre IA en nutrición y dietética

Revise el reconocimiento de alimentos por IA, la estimación de porciones, las bases de datos de nutrientes, la respuesta personalizada a la glucosa, los exámenes clínicos y las restricciones dietéticas.

Rutas de guía relacionadasIA en nutrición y dietética
Pregunta 1 de 8

¿Qué tecnología permite que las aplicaciones de registro de alimentos calculen las calorías a partir de una fotografía de una comida?

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  1. ¿Qué tecnología permite que las aplicaciones de registro de alimentos calculen las calorías a partir de una fotografía de una comida?
    • Visión por computadora con redes neuronales.
    • Libros de contabilidad de cadena de bloques
    • Identificación por radiofrecuencia
    • Sólo entrada manual de código de barras
  2. Un hallazgo clave de la investigación sobre monitores continuos de glucosa es que:
    • Todos responden idénticamente a la misma comida.
    • Los individuos pueden tener respuestas de azúcar en sangre muy diferentes a la misma comida
    • La respuesta de la glucosa es la misma independientemente del horario de las comidas.
    • La dieta no tiene ningún efecto mensurable sobre la glucosa
  3. How can an EHR-based machine-learning model support malnutrition screening?
    • Para reemplazar a todos los dietistas humanos
    • Para cocinar comidas de pacientes automáticamente
    • Flag patients whose records suggest elevated malnutrition risk for dietitian review
    • Para configurar la temperatura de la habitación del hospital
  4. ¿Qué base de datos se utiliza comúnmente para convertir alimentos reconocidos en valores de nutrientes?
    • El sistema decimal de Dewey
    • la tabla periódica
    • Un índice bursátil
    • Central de datos alimentarios del USDA
  5. ¿Qué información mejora más directamente las predicciones de la IA sobre la respuesta glucémica personal?
    • Monitor continuo de glucosa y datos del microbioma.
    • El color favorito de una persona.
    • El brillo de la pantalla del teléfono.
    • Previsiones meteorológicas locales
  6. What limitation has research on LLM-generated nutrition plans highlighted?
    • No pueden producir ningún texto.
    • Plans may be inaccurate or inconsistent with clinical nutrition guidelines
    • Solo funcionan sin conexión
    • Requieren receta médica
  7. What visual cue can help an image-based diet system estimate food volume?
    • The phone’s battery level
    • The color of the plate alone
    • A known-size reference object in the image, such as a cup or spoon
    • The restaurant’s opening hours
  8. What dietary factors may a meal-planning tool need to account for in a renal diet?
    • Only the food’s packaging color
    • A fixed calorie limit for every patient
    • The meal’s social-media popularity
    • Nutrient limits such as potassium and phosphorus, along with carbohydrate constraints when relevant