Asistencia nutricional inteligente y accesible para personas con diabetes tipo 2. MediByte no sustituye a un médico o nutriólogo; funciona como una herramienta de acompañamiento educativo.
Muchas personas con diabetes tipo 2 enfrentan una barrera diaria: interpretar la información nutrimental de lo que consumen. Aunque existen aplicaciones para contar calorías, la mayoría no explica de manera sencilla cómo ciertos alimentos afectan el control de la glucosa.
MediByte nace para llenar ese vacío. Creamos una solución clara y educativa para ayudar a las personas a tomar mejores decisiones alimentarias, traduciendo información nutricional compleja en recomendaciones fáciles de entender, especialmente en:
- Carbohidratos y azúcares.
- Grasas y sodio.
- Impacto glucémico.
MediByte es un agente de inteligencia artificial que actúa como un escudo educativo en la alimentación diaria:
- Interpretación Natural: El usuario escribe lo que comió (ej. “Comí una torta de jamón y tomé un refresco”) y el agente analiza el posible impacto nutrimental de la comida.
- Alertas Inteligentes: Emite advertencias sobre el consumo elevado de componentes críticos y sugiere alternativas más adecuadas.
- Historial Alimentario: Registra las comidas para identificar tendencias de consumo y apoyar al usuario en el seguimiento de sus hábitos a largo plazo.
Diseñamos una arquitectura donde el usuario interactúa con una interfaz web o aplicación, conectada directamente al núcleo de IA.
- Microsoft Copilot Studio: Plataforma principal para el desarrollo visual y low-code del agente conversacional.
- Base de Conocimiento Validada: El agente consulta fuentes oficiales y especializadas, como la Federación Mexicana de Diabetes, asegurando respuestas confiables, contextualizadas y seguras.
- Definición del Enfoque de IA: Ajustar la arquitectura para aclarar que MediByte no se entrena desde cero, sino que realiza consultas dinámicas (RAG) sobre una base de conocimiento validada para evitar alucinaciones.
- Traducción de Lenguaje Técnico: Transformar conceptos complejos de índice glucémico y conteo de carbohidratos en mensajes simples, empáticos y digeribles.
- Ética y Responsabilidad: Cuidar rigurosamente que las recomendaciones cumplan con la certeza y ética que debe tener una aplicación de salud, además que nos sustituya un diagnóstico de infomación medica.
- Gestión de Flujos: Diseñar una lógica conversacional que no solo responda preguntas, sino que guarde información y detecte patrones de consumo de forma lógica.
- Impacto Social Real: Desarrollar una propuesta enfocada en una problemática crítica de salud pública.
- Más allá de las Calorías: Lograr un agente que interpreta el contexto de los alimentos en lugar de solo mostrar números.
- Ecosistema Integrado: Combinar con éxito IA conversacional, educación alimentaria, historial de consumo y recomendaciones personalizadas en una sola solución.
- Responsabilidad en HealthTech: Una solución de salud digital debe ser clara, segura y muy consciente de sus limitaciones. El diseño siempre debe tener un enfoque humano y preventivo.
- Curación de Datos: La importancia crítica de respaldar las respuestas de la IA únicamente en fuentes institucionales verificadas cuando se trata de la salud de las personas.
- Ampliación de Datos: Integrar una base de datos nutrimental más robusta para estimar con mayor precisión matemática los valores de carbohidratos, grasas y azúcares.
- Reportes Médicos: Fortalecer el historial alimentario para generar reportes exportables que el usuario pueda compartir con su profesional de la salud.
- UI/UX Accesible: Diseñar una interfaz más intuitiva, visual y accesible para adultos mayores o personas con debilidad visual.
- Ejecutar el siguiente comando chmod +x setup-local.sh ./setup-local.sh
- 👩💻 María Fernanda Carmona Guerrero — @mophead09
- 👩💻 Fatima Cruz Mota — @fatimacruz21
- 👨💻 Héctor David González Tetuán — @AnotherPlayer
- 👨💻 Jan Isaac Hurtado Rosas — @isaac-hurtado