León Yuliana, Delgado Jonathan
88
Revista Mikarimin. Publicación cuatrimestral. Vol. XI, Año 2025, No. 1 (enero - abril)
Sistema cognitivo integral de compras de alimentos saludables con IoT y Blockchain
Comprehensive cognitive healthy food purchasing system with IoT and Blockchain
AUTORES: León Bazan, Yuliana Yohany
1
Delgado Guerrero, Jonathan Stalin
2
Dirección para correspondencia: yuliana.leonb@ug.edu.ec
Fecha de recepción: junio 26, 2024
Fecha de aceptación: noviembre 04, 2024
DOI: https://doi.org/10.61154/mrcm.v11i1.3595
RESUMEN
Los malos hábitos alimenticios ocasionan sobrepeso y obesidad que aumentan el riesgo de
desarrollar enfermedades como diabetes, hipertensión, enfermedad coronaria, etc. Por tal motivo,
la Organización Mundial de Salud impulsa a que se adopten medidas para mejorar los hábitos
alimenticios en la población, a partir de esta primicia el presente artículo propone un sistema
cognitivo integral de compras de alimentos saludables que integra Internet de las Cosas, los
sistemas cognitivos y la tecnología blockchain enfocado en al grupo etario de personas de 19 a 59
del Ecuador que trabajan y que poseen una ritmo de vida acelerado a fin de proveer de un sistema
novedoso que aporte consejos del alimentación, un plan alimenticio y compras de comidas
dietéticas personalizadas.
PALABRAS CLAVE: Internet de las cosas; tecnología blockchain; sistemas de información
documental; dieta. (Tesauro de la UNESCO)
1
Ingeniera en Sistemas Computacionales, Magíster en Sistemas de Información Gerencial, Magíster en Gestión de
Proyectos, Facultad de Ciencias Matemáticas y Físicas, Universidad de Guayaquil. Guayas, Ecuador. E-mail:
yuliana.leonb@ug.edu.ec Código ORCID: https://orcid.org/0000-0002-0198-3673
2
Ingeniero en Sistemas Computacionales, Magister en Sistemas de Información Gerencial, Magíster en Educación
Informática. SENESCYT, Ecuador. E-mail: jonathan.delgadog@info.unlp.edu.ar Código ORCID:
https://orcid.org/0000-0003-0724-3358
Mikarimin. Revista Científica Multidisciplinaria ISSN 2528-7842
Sistemas cognitivos con IoT y Blockchain
Universidad Regional Autónoma de Los Andes - Sede Santo Domingo. Ecuador.
89
ABSTRACT
Bad eating habits lead to overweight and obesity, which increase the risk of developing diseases
such as diabetes, hypertension, coronary heart disease, etc. For this reason, the World Health
Organization encourages the adoption of measures to improve eating habits in the population, from
this scoop this article proposes a comprehensive cognitive system of healthy food shopping that
integrates Internet of Things, cognitive systems and blockchain technology focused on the age
group of people from 19 to 59 in Ecuador who work and have a fast pace of life in order to provide
a novel system that provides food advice, a meal plan and shopping for personalized dietary meals.
KEYWORDS: Internet of Things (IoT); Blockchain Technology; Cognitive System;
Documentary information systems; Dietetics. (UNESCO Thesauri)
INTRODUCCIÓN.
Las enfermedades crónicas no transmisibles (ECNT) como las enfermedades cardiovasculares
(ataques cardíacos, accidentes cerebrovasculares), enfermedades respiratorias, el cáncer y la
diabetes se han convertido en un problema de salud pública, debido a que impactan los costos
sanitarios, la capacidad productiva, morbilidad y mortalidad de las personas (Furlan, 2020). De
acuerdo con las cifras de la Organización Mundial de la Salud (OMS,2018), las enfermedades
cardiovasculares son causa de 17.9 millones de muertes por año; 9.0 millones por cáncer; 3.9
millones con enfermedades respiratorias y 1,6 millones por diabetes. Estos cuatro grupos de
enfermedades son responsables de más del 80% de todas las muertes prematuras en el mundo. El
consumo de tabaco, el sedentarismo, el abuso de bebidas alcohólicas y las dietas malsanas
aumentan el riesgo de morir a causa de una de estas enfermedades.
El agitado ritmo de vida y los malos hábitos alimenticios conlleva al consumo de comida
rápidas con altos contenidos de azúcares, sales y grasas que ocasionan obesidad y
desnutrición(Oliva Chávez & Fragoso Díaz, 2015).
Según las estimaciones de la OMS (2021) a nivel mundial, el sobrepeso y la obesidad están
vinculados con un mayor número de muertes, desde 1975 al 2016 la obesidad se ha triplicado en
todo el mundo. El sobrepeso y la obesidad en niños y adolescentes (de 5 a 19 años) ha aumentado
del 4% en 1975 a más del 18% en 2016. Este aumento ha sido similar en ambos sexos: un 18% de
niñas y un 19% de niños con sobrepeso en 2016. Mientras que en 1975 había menos de un 1% de
niños y adolescentes de 5 a 19 años con obesidad, en 2016 eran 124 millones (un 6% de las niñas
León Yuliana, Delgado Jonathan
90
Revista Mikarimin. Publicación cuatrimestral. Vol. XI, Año 2025, No. 1 (enero - abril)
y un 8% de los niños). En 2016, el 39% de los adultos de 18 o más años (un 39% de los hombres
y un 40% de las mujeres) tenían sobrepeso. En el 2016 del 13% son obesos.
En el año 2017, según informe del Panorama de la Seguridad Alimentaria y Nutricional en
América Latina y el Caribe, se estima que alrededor del 58 % de los habitantes de la región padecen
sobrepeso (360 millones de personas) de los cuales México con el 64%, Bahamas con el 69% y
Chile con el 63% representan las tasas más elevadas de la región (Asociación de Naciones Unidas
para la para la Alimentación y la Agricultura,2017).
En otros países de la región el sobrepeso afecta a más de la mitad de la población tal es el
caso de Haití con un 38,5%, Paraguay con el 48,5% y Nicaragua con el 49,4% (Asociación de
Naciones Unidas para la para la Alimentación y la Agricultura,2017).
En Argentina se estima que el 50% de la población tiene sobrepeso mientras los niños y niñas
de edad escolar tienen 30% de sobrepeso y el 6% de obesidad (Ministerio de Salud Publica
Argentina,2020).
En Perú se estima que el 69.9% de adultos presentan una condición de sobrepeso y obesidad;
mientras los jóvenes presentan un 42.4%, los niños y niñas en edad escolar padecen sobrepeso
en un 32.3%, los adultos mayores tienen 33.1% y finalmente los adolescentes con un 23.9%
(Instituto Nacional de Salud de Perú ,2019).
Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO) y la
Organización Panamericana de la Salud (OPS) estimó que de los 11 millones de adultos que
fallecieron en el mundo durante el año 2017 por causas asociadas a una alimentación inadecuada.
Se estimo también que alrededor de 600.000 fallecidos vivián en la Región de América Latina y el
Caribe. También se determinó que entre los factores de riesgo alimenticios que ayudan a explicar
este resultado se encuentran los bajos consumos de cereales integrales, frutos secos, semillas y
verduras, junto con un consumo de sodio elevado( Panorama de la Seguridad Alimentaria y
Nutricional en América Latina y el Caribe, 2020).
Figura 1.
Cambios en la obesidad en adultos (18 años y mayores) en América Latina y el Caribe y el mundo,
prevalencias en porcentaje, 1980-1999 y 2000-2016
Mikarimin. Revista Científica Multidisciplinaria ISSN 2528-7842
Sistemas cognitivos con IoT y Blockchain
Universidad Regional Autónoma de Los Andes - Sede Santo Domingo. Ecuador.
91
Nota. La figura muestra la Evolución de la obesidad en adultos (18 años y mayores) en América Latina y
el Caribe y el mundo Fuente del año 1975 al 2016. Fuente: Panorama de la Seguridad Alimentaria y
Nutricional en América Latina y el Caribe (2020)
Figura 2.
Evolución de la obesidad en adultos (18 años y mayores) en América Latina y el Caribe
y el mundo, prevalencia en porcentaje, 1975-2016
León Yuliana, Delgado Jonathan
92
Revista Mikarimin. Publicación cuatrimestral. Vol. XI, Año 2025, No. 1 (enero - abril)
Nota. La figura muestra el cambio en la obesidad en adultos (18 años y mayores) en América Latina y el
Caribe y el mundo, prevalencias en porcentaje entre 1980 al 1999 y el entre el año 2000 al 2016. Fuente:
Panorama de la Seguridad Alimentaria y Nutricional en América Latina y el Caribe (2020)
Figura 3.
Causas de mortalidad en América Latina y el Caribe, 2016
Nota. La figura muestra la causa de mortalidad de en América Latina y el Caribe con base a los datos. Fuente:
Panorama de la Seguridad Alimentaria y Nutricional en América Latina y el Caribe (2020)
Al efectuar un análisis detallado la figura 1 muestra como la obesidad se triplicó de un 5% a
13% en los adultos en el mundo y del 7% al 24% en la región de América Latina y el Caribe
mientras, la Figura 2 evidencia la evaluación de la obesidad por país y podemos observar el gran
aumente que existe con respecto al siglo pasado (Panorama de la Seguridad Alimentaria y
Nutricional en América Latina y el Caribe, 2020).
Por su parte, la figura 3 evidencia que las enfermedades no transmisibles fueron la causa de
más de 50% de las muertes de la región (Panorama de la Seguridad Alimentaria y Nutricional en
América Latina y el Caribe, 2020).
Según el Ministerio de Salud Pública del Ecuador ([MSP], 2019) las enfermedades ECNT
produjeron la muerte de 15.393 ecuatorianos, es decir, de 42 personas por día. El MSP señala que
enfermedades se propician principalmente a causa de malos hábitos alimenticios ocasionando una
fuerte carga económica al sistema de salud debido a que según los datos reportados el 94.6% de la
Mikarimin. Revista Científica Multidisciplinaria ISSN 2528-7842
Sistemas cognitivos con IoT y Blockchain
Universidad Regional Autónoma de Los Andes - Sede Santo Domingo. Ecuador.
93
población no consume frutas y verduras necesarias en su dieta, el 12.4% añade sal o salsas saladas
a la comida y el 11.1% consume alimentos procesados con altos consumo de sal.
Según datos del Instituto Nacional de estadísticas y censo del Ecuador (INEC) en el año 2017
se estimó que 6 de cada 10 ecuatorianos tienen problemas de sobrepeso y se prevé que hasta el
2030 el número de fallecidos por esta condición aumente a 35.671 por año, mientras que el Anuario
de Vigilancia Epidemiológica diagnosticó 571 casos por cada 100.000 habitantes (Salud, 2018).
El MSP en su Plan intersectorial de Alimentación y Nutrición del Ecuador del año 2018
detalla el porcentaje de prevalencia de sobrepeso y obesidad en el Ecuador.
Al efectuar el análisis de la figura 4 se evidencia que el mayor porcentaje de obesidad u
sobrepeso se encuentra en los adultos de entre 19 y 59 años con un 65,7%, seguidos por los niños
de entre 5 a 11 años con el 31.25%.
La obesidad infantil produce dificultades respiratorias, mayor riesgo de fracturas e
hipertensión, enfermedades cardiovasculares, resistencia a la insulina y efectos psicológicos.
Además, está asociada a una mayor probabilidad de muerte prematura, obesidad y discapacidad en
la edad adulta (OMS,2021).
Figura 4.
Prevalencia de obesidad en el Ecuador, 2018
Nota. La figura muestra el porcentaje de prevalencia de sobrepeso y obesidad en el Ecuador. Fuente: Plan
intersectorial de alimentación y nutrición del Ecuador 2018-202 (MSP,2018)
El sobrepeso y la obesidad tiene la mayor morbimortalidad en el mundo al aumentar el riesgo
de sufrir problemas cardiovasculares. Las consecuencias de la obesidad son cardiopatías,
9%
31.25%
26%
65.70%
0% 10% 20% 30% 40% 50% 60% 70%
Niños de 0 a 5 años
Niños de 5 a 11 años
Adolescentes de 12 a 18 años
Adultos de 19 a 59 años
León Yuliana, Delgado Jonathan
94
Revista Mikarimin. Publicación cuatrimestral. Vol. XI, Año 2025, No. 1 (enero - abril)
accidentes cerebrovasculares, diabetes, dislipidemia, algunos cánceres (endometrio, mama,
ovarios, próstata, hígado, vesícula biliar, riñones y colon), osteoartritis, una enfermedad
degenerativa de las articulaciones e incluso apnea del sueño (Furlan, 2020).
Se estima que el 63,7% de la población con sobrepeso y obesidad vive en el área urbanas.
Actualmente en el ecuador es común para los adultos tener más de un trabajo lugares distintos lo
que conlleva a consumo de alimentos fuera de la casa y en horarios irregulares (Celi,2021). En
Quito se evidencia que 7 de cada 10 habitantes consumen alimentos fuera de casa en especial
comidas rápida mientras y en Cuenca el 72% muestra la misma tendencia (Tosi Vélez & Serrano
L, 2017; Noticias Quito, 2018).
Al ser los adultos de 19 a 59 años los que poseen un mayor porcentaje de sobrepeso u
obesidad, el estudio estará enfocado en este grupo etario, además se consideran para la
investigación a los adultos del Ecuador que trabajan, tienen un estilo de vida sedentario debidos a
su ajustado ritmo de vida por lo cual requieren consumir alimentos fuera de casa y que residan en
localidades urbanas.
La OMS (2021) impulsa a todos los interesados adopten medidas a nivel mundial, regional y
local para mejorar las dietas y los hábitos de actividad física en la población. En este sentido, los
profesionales de salud deberán realizar intervenciones dirigidas a fomentar las pautas dietéticas
necesarias para una alimentación saludable (Martínez Valero et al., 2021). Por su parte, los
especialistas de producción han realizado esfuerzos en la creación de productos combinados
saludables, por tal motivo la industria alimentaria y comercial ha adquirido relevancia en el uso de
productos de software. Los desarrollos en el campo de la nutrición incluyen productos de software
para la formación de una dieta saludable personalizada y el recuento de calorías,
etcétera(Belokurova et al., 2021).
Actualmente se han realizados trabajos en el campo de la salud que integran la tecnología
del Internet de las cosas (IoT) para obtener información fisiológica de las personas y también
monitorear continuamente su estado salud, además de proveer de servicios con diferentes
proveedores de salud en tiempo real de acuerdo con las necesidades de los usuarios(Dimitrov,
2016).
Liu y Tu ( 2020) propuso un sistema de promoción de salud basado en IoT donde los datos
proporcionados por los sensores en conjunto con el servicio de conciencia de contexto permitieron
efectuar inferencias sobre las necesidades de los clientes. La propuesta cuenta con una aplicación
Mikarimin. Revista Científica Multidisciplinaria ISSN 2528-7842
Sistemas cognitivos con IoT y Blockchain
Universidad Regional Autónoma de Los Andes - Sede Santo Domingo. Ecuador.
95
que un módulo de dieta para el envejecimiento en el cual se puede registrar la dieta diaria y la
ingesta nutricional a fin de efectuar un control sobre la alimentación de los adultos mayores de
forma oportuna. La aplicación también realiza sugerencias basadas en la situación alimenticia de
cada paciente y en la información ingresada por el usuario la primera vez; adicionalmente cuenta
con un módulo de ejercicios para envejecimiento que indica la cantidad de ejercicio que debe
efectuar cada usuario. Para comprobar la factibilidad del sistema de aplicó un experimento a 30
personas de la ciudad de Nueva Taipéi en Taiwán los cuales tenían entre 62 y 68 años obteniendo
como resultado que el 73% de los participantes se mostraron satisfechos con el sistema y lo
consideraron útil para promover la salud mientras, que el 31% de los usuarios necesitaron la
asistencia de sus familiares para utilizar el sistema.
Xing et al. (2013) resaltan que para mantener una correcta alimentación “la dificultad radica
en el seguimiento y medición de la ingesta diaria de alimentos y el registro y análisis a largo plazo
en el control de la ingesta alimentaria de las personas. La mejor manera de monitorear y medir la
ingesta dietética es la tecnología de Internet de las cosas, debido a que puede recopilar datos de
ingesta dietética a través de una variedad de sensores y otros equipos automatizados, y luego
agregar, registrar y analizar automáticamente” (Zhang,2010). Por tal motivo propuso un sistema
de monitoreo de dieta-salud, basado en IoT y el sistema ciber físico de alimentos (CPS) que es una
especie de red que recopila información de todos los ingredientes de los alimentos que son
consumidos. Los dispositivos electrónicos son integrados en la vajilla (palillos, cucharas, cuencos,
etc.) y pueden proporcionar información mediante la tecnología inalámbrica.
El sistema de monitoreo está compuesto cubiertos inteligentes, estación de servicio
comunitario y terminal de recepción de información. Los cubiertos inteligentes recopilan datos
relacionados con el consumo de sal, grasa, sal, azúcar y proteínas, si la dieta está calificada o si el
consumo está por encima del estándar. La estación de servicio tiene como fin recordar a las
personas que deben cambiar su estilo de dieta en caso de alimentos riesgosos para su salud para la
cual genera automáticamente un informe de salud de la dieta y que puede ser consultado desde el
sitio web buscando su perfil de salud y dieta personal de tal manera que al revisarlo pueda
comprender el estado de salud referente a su auto dieta. Un riesgo del modelo planteado es la
limpieza de los cubiertos debido a que pueden emplearse químicos perjudiciales para los
sensores(Xing et al., 2013).
León Yuliana, Delgado Jonathan
96
Revista Mikarimin. Publicación cuatrimestral. Vol. XI, Año 2025, No. 1 (enero - abril)
Mazzei et al. (2015) propone el diseño de una arquitectura de software para la gestión
automática de dietas y análisis de recetas que integra la inteligencia artificial (IA) a fin de efectuar
un análisis automático de recetas, inferir sobre las recetas y dietas permitiendo pequeñas
indisciplinas con respecto a la ingesta de alimenticia de la dieta e inducir al usuario para que
minimice los alimentos que afectan su salud.
Vasireddy (2020) proponen creación de este sistema de recomendación de dieta es
empleando la herramienta de Automación Anywhere que emplean taskbots y metabots sugiriendo
a los usuarios una planificación dietética de alimentos para el desayuno, almuerzo y merienda. Las
consultas y recomendaciones son enviadas al correo electrónico del usuario.
Puesto que los productos de software analizados sólo incluyen sugerencias el manejo de
recomendaciones diéteticas, surge como idea plantear el diseño de una solución cognitiva que
incluya además de sugerencias y control dietético de los usuarios incluir la posibilidad de efectuar
el proceso de compras de los alimentos.
El diseño planteado buscará responder la pregunta de investigación ¿El sistema de
recomendaciones compras y control de alimentos dietéticos beneficiaría a los jovenes y adultos del
Ecuador de entre 19 y 59 años, en la prevención oportuna de ECNT e incentivará en la adopción
de hábitos alimenticios saludables?
La solución propuesta brindará como aporte incluir además sugerencias de dietas sanas, un
sistema de recomendaciones y control de compras de alimentos saludables considerando factores
como edad, sexo, educación e ingresos y patrones como condiciones adversas para la alimentación,
deseo de compra y alimentos preferidos (Denegri Coria et al., 2016); además, tendría relevancia
debido que incluiría tecnológicas como IoT y el uso de sensores inteligentes para obtener
información fisiológica del usuario(Dimitrov, 2016), IA que facilitara el aprendizaje automático
para el sistema cognitivo de recomendaciones y blockchain para la protección de los datos durante
las transacciones (Rahman et al., 2019).
La importancia de la investigación radica en la posibilidad de evitar futuras enfermedades
que tendrán un aumento en los consumos de los recursos sanitarios de Ecuador, además de reducir
el ausentismo laboral y bajo desempeño a causa de enfermedades. Además incrementar una mejor
calidad y aumentar la esperanza de vida. El principal beneficio de los usuarios de la solución sería
incentivar hábitos alimenticios saludables en los jóvenes y adultos que forma indirecta influyen
positivamente en la alimentación de sus futuras familias.
Mikarimin. Revista Científica Multidisciplinaria ISSN 2528-7842
Sistemas cognitivos con IoT y Blockchain
Universidad Regional Autónoma de Los Andes - Sede Santo Domingo. Ecuador.
97
El objetivo principal de este estudio es proponer el diseño de un sistema cognitivo de
recomendaciones personalizada de compras de alimentos saludables mediante la integración
tecnologías como IoT, IA y blockchain para incentivar a los jóvenes y adultos del Ecuador hábitos
alimenticios saludables. Para lograrlo se plantean como objetivos específicos (i) Describir las
tecnologías empleadas para el diseño del sistema propuesto. (ii)Elaborar el diseño la arquitectura
del sistema cognitivo de recomendaciones de compras de alimentos saludables. (iii) Describir los
componentes de la arquitectura y los entregables del sistema.
TECNOLOGÍAS UTILIZADAS.
Blockchain: Los sistemas centralizados dependen de un tercero de confianza (ej. Bancos) para la
realización de las transacciones, no obstante, está dependencia podría causar inconvenientes de
seguridad y un incremento en los costos. La tecnología blockchain es una red distribuida que
elimina la dependencia de un intermediario y permite que los participantes que no son de confianza
se comuniquen y envíen transacciones entre sí por medio de consensos entre los participantes de la
red (Alharby et al., 2018). Según Berdik et al. (2021) la arquitectura de blockchain “promueve las
características de seguridad y la estructura que hace que sea increíblemente difícil crear registros
fraudulentos ocurridos en la red blockchain” esto se debe a que los bloques de la cadena que
componen la red son inmutables debido a la criptografía.
Contrato inteligente: Szabo, N. (1997) define a un contrato inteligente como un protocolo
transaccional informatizado que ejecuta los términos de un contrato. Contempla también que estos
no solo pueden captar más tipos de información (como información sensorial no lingüística), sino
que son dinámicos. Este dinamismo se explica con la posibilidad de transmitir la información del
contrato y ejecutar de cierta manera una toma de decisiones sobre para la cual fue elaborado, las
mismas que son tomadas de manera independiente (sin intervención alguna de elementos externos)
y de manera automática.
Internet de las cosas (IoT): Hajjaji et al.( 2021) describe al IoT como " una red mundial de
objetos interconectados" (como citó en Atzori et al. ,2010 ), esta red global permite identificar,
controlar y monitorear variedad dispositivos eléctricos con base a un protocolo especifico.
Sistema cognitivo: Los sistemas cognitivos aprenden continuamente de la interacción que realizan
son el entorno los cuales pueden ser situaciones y datos de las personas esto permite mejorar sus
capacidades de aprendizaje e incluir razonamiento intentando transferir las capacidades de
León Yuliana, Delgado Jonathan
98
Revista Mikarimin. Publicación cuatrimestral. Vol. XI, Año 2025, No. 1 (enero - abril)
pensamiento de los humanos a las máquinas (Saghiri et al., 2018;Sangaiah, Thangavelu, &
Sundaram, 2018).
Inteligencia Artificial (IA): Sierra y Ávila (2020) definen la IA como la capacidad de una
máquina computacional para solucionar problemas complejos mediante la implementación de
algoritmos y proporciona la capacidad de crear conocimiento a mediada que adquiera experiencia
al adaptarse eficientemente al entorno.
Sensores: son dispositivos con capacidad computacionales inteligentes que son usados para
recopilar y transferir datos dentro de la infraestructura de IoT (Hajjaji et al., 2021; Sathish y Smys,
2018 ). Los sensores inteligentes de IoT pueden medir señales médicas, como la temperatura
corporal, los latidos del corazón, la presión arterial, la voz, las expresiones faciales movimiento
corporal, entre otros (Amin et al., 2019), los sensores se comunican por protocolo IoT como
Bluetooth, ZigBee, RGID, NFC, etcétera (Sangaiah, Thangavelu, & Sundaram, 2018).
ANÁLISIS DE CASO DE NEGOCIO.
El modelo está enfocado en el grupo de etario de personas entre 19 a 59 años que trabajan y poseen
en muchas ocasiones un ritmo de vida acelerado.
• Personas que laboran desde sus casas por motivo de pandemia y que requieren solicitar servicio
a domicilio de sus comidas.
• Personas que trabajan en diferentes organizaciones y que a causa de su limitado tiempo
asignado a los almuerzos les impide salir a comprar comidas (ejemplo los bancos), por lo
requieren un servicio a domicilio.
• Personas que trabajan o estudian y requieren saber previamente los menús saludables y las
ubicaciones para ir a los locales a comer.
Se debe considerar que para una percepción adecuada del modelo es fundamental el uso de la vajilla
inteligente a fin de obtener datos que sirvan para una adecuada determinación de patrones
alimenticios.
Arquitectura de sistema cognitivo se compra de alimentos saludables
La Figura 5 muestra los componentes del sistema de cognitivo de recomendaciones está compuesto
por los siguientes componentes:
Mikarimin. Revista Científica Multidisciplinaria ISSN 2528-7842
Sistemas cognitivos con IoT y Blockchain
Universidad Regional Autónoma de Los Andes - Sede Santo Domingo. Ecuador.
99
Figura 5.
Componentes del sistema cognitivo de recomendaciones de compras de alimentos
Nota. Las capas del sistema cognitivo de recomendaciones de compras. Fuente:
Elaboración Propia.
• Capa de persección: Esta capa se encarga de captar los datos de los sensores
inteligentes, expresiones faciales, señales medicas, temperatura, vajilla inteligente
(palillos, cucharas,platos, etc.). La vajilla inteligentes permitirá capturar la
información del contenido nutricional de los alimentos consumidos.
• Capa red de área local (LAN) : Esta capa que permite la comunicación entre
dispositivos de onda corta por medio de protocolos como NFC, Bluetooth, Zigbee,
etcétera.
• Capa de alojamiento: Estos dispositivo permiten el procesamiento limitado de los
datos de las señales recibidas dotando al usuario de la posibilidad de obtener
información preliminar sobre su salud . Estos dispositivos pueden ser celulares,
laptops,pulseras inteligentes, asistentes digitales, etcétera.
• Capa de red amplia (WAN): Esta capa permite transmitir los datos a la unidad de
procesamiento de la nube.
• Capa de Procesamiento Cognitivo: Esta capa está compuesta por el motor
cognitivos que se encarga de procesar los datos de las señales prevenientes de los
sensores inteligentes y permitirá tomar decisiones tras el análisis de los patrones.
León Yuliana, Delgado Jonathan
100
Revista Mikarimin. Publicación cuatrimestral. Vol. XI, Año 2025, No. 1 (enero - abril)
Figura 6.
Patrones de alimentación
Nota. La figura muestra las patrones que se deben analizar para la recomendaciones de compras.
Fuente: (Denegri Coria et al., 2016)
Según Denegri Coria et al. (2016) tal como podemos observar en la figura 6 se deben considerar
para la definición de patrones a partir del análisis de variables como la influencia familiar debido
a que es allí donde se originan los hábitos alimenticios, preferencias de compras, alimentos
preferidos, estados de ánimo, condiciones adversas a la alimentación como horarios de comidas si
su tiempo sólo puede ser para comidas rápidas, dispones de un horario establecido de comida, se
salta las comidas, etcétera. Según Dimitrov(2016) la telemedicina y la telesalud a través del Internet
médico de las cosas (mIoT) permitirá que la información esté disponible para los clientes dándole
a los pacientes el control de sus datos lo que permitirá que los pacientes puedan compartir su
información médica a través de múltiples proveedores de servicios, lo que conducirá a la aparición
de tipos totalmente nuevos de plataformas de servicios y modelos de negocio. En consecuencia, el
Mikarimin. Revista Científica Multidisciplinaria ISSN 2528-7842
Sistemas cognitivos con IoT y Blockchain
Universidad Regional Autónoma de Los Andes - Sede Santo Domingo. Ecuador.
101
motor cognitivo también podrá evaluar las restricciones alimenticias debido a enfermedades y con
base a la información proporcionada por sus asistentes médicos o con base a análisis de los datos
proporcionados por sus sensores inteligentes de salud podrá determinar un mejor control y
sugerencia se salud para los usuarios.
La capa de procesamiento cognitivo también incluirá los siguientes componentes:
o Algoritmos de aprendizaje automático que dotará al usuario de las posibilidad de armar
planes de alimentación con base a patrones además, la aplicación de algoritmos
predictivos pueden determinar el mayor riesgo tras el consumo de ciertos alimentos.
o La base de datos de proveedores de restaurantes que permitir guardar información
histórica referente a menús, costos, calificaciones del clientes, entre otros.
o La base de base de datos con información de las recetas y datos nutricionales.
• Capa de servicios: Esta capa contiene una aplicación móvil la cual se muestran la figura 7
y está conformada por las siguientes funcionalidades:
o Planes de alimentación: La funcionalidad proporcionará un plan de alimentación
de cincos menús con base al análisis de menús disponibles por los diferentes
proveedores. Esto se realiza de manera automática mediante la ejecución de un
contrato inteligente que invocará a los servicios web que proporcionaran los datos
de los menús y los costos asociados.
El motor cognitivo se encarga de evaluar los menús con base a los patrones del
cliente y la calificación que tiene cada proveedor y finalmente generara el plan
respectivo. Además, incluirá un vínculo con la ubicación de los locales en caso de
que el usuario quiera visitar el restaurante incluirá, de la misma manera incluirá un
vínculo hacia la funcionalidad de compra.
o Compra de alimentos: Esta opción permitirá efectuar la compra haciendo uso de la
tecnología blockchain y el proceso de pago empleará el monedero de Bitcoin.
o Consulta de recetas: Permite leer por medio código QR de la receta o consultarla mediante
su nombre. La aplicación se comunicará con la capa cognitiva para que determine el valor
nutricional del plato y con base al análisis de patrones alimenticios emitirá un informe
indicando la información nutricional y los riesgos en caso del consumo del alimento.
o Reportes: Esta opción permitirá efectuar un reporte referente a las colorías consumidas.
León Yuliana, Delgado Jonathan
102
Revista Mikarimin. Publicación cuatrimestral. Vol. XI, Año 2025, No. 1 (enero - abril)
o Alertas: Se generan de manera automática alertas con sugerencias de alimentación
saludables como cantidad de agua a consumir, bocadillos, etcétera.
o Calificación a proveedores: La aplicación contiene una encuesta de calificación del
proveedor. La cual se habilitará cada vez que se realice una compra.
Figura 7.
Arquitectura de sistema cognitivo de recomendaciones de compras saludables.
Nota. La figura muestra la arquitectura propuesta del sistema cognitivo de recomendaciones. Fuente:
Elaboración propia.
CONCLUSIONES.
La integración de IoT, sistemas cognitivos y la tecnología blockchain dentro del campo de la salud
nutricional resulta novedoso ya que no ha sido investigado en Ecuador, América Latina y el Caribe.
El modelo propuesto dotará a los adultos entre los 19 a los 59 años del Ecuador de un plan
alimenticio elaborado a partir de algoritmos de aprendizaje automático donde se analizarán
patrones a partir del análisis de variables como preferencias alimenticias, horarios laborales,
condiciones médicas, locales preferidos, etc., en conjunto con los contenidos nutricionales de los
menús que ofrecen los locales de comida para la cual se emplearan los contratos inteligentes los
mismos que garantizan las transacciones autónomas de consultas de menús es los locales de
Mikarimin. Revista Científica Multidisciplinaria ISSN 2528-7842
Sistemas cognitivos con IoT y Blockchain
Universidad Regional Autónoma de Los Andes - Sede Santo Domingo. Ecuador.
103
comida. La tecnología blockchain permitirá efectuar las compras de forma segura gracias sus
algoritmos criptográficos que garantizan la seguridad de las transacciones. Para futuras
investigación se podría analizar la factibilidad aplicar la tecnología blockchain para guardar los
datos de los sensores como cadenas de bloques debido a que los dispositivos IoT requieren un flujo
continuo de datos de sensores para proporcionar servicios de acuerdo con el marco propuesto.
REFERENCIAS BIBLIOGRÁFICAS
Alharby, M., Aldweesh, A., & Van Moorsel, A. (2018). Blockchain-based Smart Contracts: A
Systematic Mapping Study of Academic Research (2018). International Conference on
Cloud Computing, Big Data and Blockchain, ICCBB 2018.
https://doi.org/10.1109/ICCBB.2018.8756390
Amin, S. U., Hossain, M. S., Muhammad, G., Alhussein, M., & Rahman, M. A. (2019).
Cognitive Smart Healthcare for Pathology Detection and Monitoring. IEEE Access, 7,
10745–10753. https://doi.org/10.1109/ACCESS.2019.2891390
Belokurova, E. S., Pankina, I. A., Asfondyarova, I., & Abdizhapparova, B. T. (2021).
Possibilities of using sprouted wheat grain in meat semi-finished products for a healthy
diet. BIO Web of Conferences, 29, 01024. https://doi.org/10.1051/bioconf/20212901024
Berdik, D., Otoum, S., Schmidt, N., Porter, D., & Jararweh, Y. (2021). A Survey on Blockchain
for Information Systems Management and Security. Information Processing and
Management, 58(1), 102397. https://doi.org/10.1016/j.ipm.2020.102397
Denegri Coria, M. del C., Castaño Cano, A. L., Schnettler Morales, B. L., & Vivallo Urra, O. G.
(2016). Subjective well-being and feeding patterns in Chilean adults: A qualitative study.
Revista Mexicana de Trastornos Alimentarios, 7(2), 105–115.
https://doi.org/10.1016/j.rmta.2016.07.003
Dimitrov, D. V. (2016). Medical internet of things and big data in healthcare. Healthcare
Informatics Research, 22(3), 156–163. https://doi.org/10.4258/hir.2016.22.3.156
Furlan, M. C. R. (2014). Revista CUIDARTE. Distanásia Em Unidade De Cuidados Intensivos E
a Visão De Enfermagem: Revisão Integrativa, 5(2), 564–568. https://n9.cl/m4ucmt
Hajjaji, Y., Boulila, W., Riadh, I., Romdhani, I., & Hussain, A. (2021). Big data and IoT-based
applications in smart environments : A systematic review. Computer Science Review, 39,
100318. https://doi.org/10.1016/j.cosrev.2020.100318
Liu, C. H., & Tu, J. F. (2020). Development of an iot-based health promotion system for seniors.
Sustainability (Switzerland), 12(21), 1–12. https://doi.org/10.3390/su12218946
Martínez Valero, A. P., Amo-Saus, E., Pardo-García, I., & Escribano-Sotos, F. (2021). Diet
quality in a population aged over 65 and related socioeconomic factors. Atencion
Primaria, 53(1), 27–35. https://doi.org/10.1016/j.aprim.2019.12.001
León Yuliana, Delgado Jonathan
104
Revista Mikarimin. Publicación cuatrimestral. Vol. XI, Año 2025, No. 1 (enero - abril)
Mazzei, A., Anselma, L., De Michieli, F., Bolioli, A., Casu, M., Gerbrandy, J., & Lunardi, I.
(2015). Mobile computing and artificial intelligence for diet management. Lecture Notes
in Computer Science (Including Subseries Lecture Notes in Artificial Intelligence and
Lecture Notes in Bioinformatics), 9281, 342–349. https://doi.org/10.1007/978-3-319-
23222-5_42
Oliva Chávez, O. H., & Fragoso Díaz, S. (2015). Consumo de comida rápida y obesidad, el poder
de la buena alimentación en la salud. RIDE Revista Iberoamericana Para La Investigación
y El Desarrollo Educativo, 4(7), 176. https://doi.org/10.23913/ride.v4i7.93
Panorama de la seguridad alimentaria y nutricional en América Latina y el Caribe 2020. (2020).
In Panorama de la seguridad alimentaria y nutricional en América Latina y el Caribe
2020. https://doi.org/10.4060/cb2242es
Rahman, M. A., Rashid, M. M., Shamim Hossain, M., Hassanain, E., Alhamid, M. F., & Guizani,
M. (2019). Blockchain and IoT-Based Cognitive Edge Framework for Sharing Economy
Services in a Smart City. IEEE Access, 7, 18611–18621.
https://doi.org/10.1109/ACCESS.2019.2896065
Saghiri, A. M., Vahdati, M., Gholizadeh, K., Meybodi, M. R., Dehghan, M., & Rashidi, H.
(2018). A framework for cognitive Internet of Things based on blockchain. 2018 4th
International Conference on Web Research, ICWR 2018, 138–143.
https://doi.org/10.1109/ICWR.2018.8387250
Sangaiah, A. K., Thangavelu, A., & Sundaram, V. M. (2018). Cognitive Computing for Big Data
Systems Over IoT. In Cognitive Computing for Big Data Systems Over IoT Lecture
Notes on Data Engineering and Communications Technologies (Vol. 14).
http://www.springer.com/series/15362%0Ahttp://link.springer.com/10.1007/978-3-319-
70688-7
Sierra, J. J. A., & Ávila, Y. C. (2020). Application of artificial intelligence and blockchain in
contract law. Revista de Derecho Privado, 38, 119–142.
https://doi.org/10.18601/01234366.N38.05
Tosi Velez, A. A., & Serrano L, A. L. (2017). Alimentación fuera del hogar, consumo y
preferencias de la población de Cuenca sobre la restauración comercial. Revista de La
Facultad de Ciencias Qumicas No 16, 30–43.
https://drive.google.com/file/d/0B3tf93xrQB17dnZBZEt1U0JKNFk/view
Vasireddy, P. (2020). An Autonomous Diet Recommendation Bot Using Intelligent Automation.
Proceedings of the International Conference on Intelligent Computing and Control
Systems, ICICCS 2020, Iciccs, 449–454.
https://doi.org/10.1109/ICICCS48265.2020.9121120
Xing, X. H., Liu, Y., Zhang, J., Su, Z., & Zhang, K. B. (2013). Food CPS: A healthy diet
monitoring system based on internet of things. International Asia Conference on
Industrial Engineering and Management Innovation: Core Areas of Industrial
Engineering, IEMI 2012 - Proceedings, 1619–1628. https://doi.org/10.1007/978-3-642-
38445-5_170
Mikarimin. Revista Científica Multidisciplinaria ISSN 2528-7842
Sistemas cognitivos con IoT y Blockchain
Universidad Regional Autónoma de Los Andes - Sede Santo Domingo. Ecuador.
105
Organización mundial de la Salud (2018). Enfermedades no transmisibles. Recuperado de
https://www.who.int/es/news-room/fact-sheets/detail/noncommunicable-diseases
Organización mundial de la Salud (2021). Obesidad y sobrepeso. Recuperado de
https://www.who.int/es/news-room/fact-sheets/detail/obesity-and-overweight
Salud (2018). Número de obesos se incrementó. El Universo. Recuperado de.
https://www.eluniverso.com/larevista/2018/11/08/nota/7037694/numero-obesos-se-
incremento/
Asociación de Naciones Unidas para la para la Alimentación y la Agricultura(2017): sobrepeso
afecta a casi la mitad de la población de todos los países de América Latina y el Caribe
salvo por Haití. (2017). Recuperado de
http://www.fao.org/news/story/es/item/463699/icode/
Ministerio de Salud Publica de Argentina(2020). Sobrepeso y obesidad Recuperado de
https://www.argentina.gob.ar/salud/alimentacion-saludable/obesidad
Instituto Nacional de Salud de Perú (2019). Cerca del 70% de adultos peruanos padecen de
obesidad y sobrepeso. Recuperado de
https://web.ins.gob.pe/index.php/es/prensa/noticia/cerca-del-70-de-adultos-peruanos-
padecen-de-obesidad-y-sobrepeso
Ministerio de Salud Pùblica del Ecuador (2019). El consumo de comida chatarra cuesta miles de
vidas, gran sufrimiento y millones de dólares. Recuperado de
https://www.salud.gob.ec/el-consumo-de-comida-chatarra-cuesta-miles-de-vidas-gran-
sufrimiento-y-millones-de-dolares-2/
Ministerio de Salud Pública del Ecuador (2018). Plan intersectorial de alimentación y nutrición
del Ecuador 2018-2015.Quito, Ecuador
Szabo, N. (1997). Formalizing and securing relationships on public networks. First Monday,
2(9).Vallejo, P., Mazo, R., Jaramillo, C., & Medina, J. M. (2020). Towards a new
template for the specification of requirements in semi-structured natural language. Journal
of Software Engineering Research and Development, 8, 3-1.
Zhang J (2010). Un ejemplo de aplicación de Internet de las cosas y los beneficios. Inf. De China
2010 (3): 73–76
Noticias Quito (2018). 7 de cada 10 quiteños comen fuera de casa. La Hora Noticias de Ecuador,
sus provincias y el mundo. La Hora. Recuperado de
https://lahora.com.ec/quito/noticia/1102174228/7-de-cada-10-quitenos-comen-fuera-de-
casa
Sociedad(2016). 6 de cada 10 adultos ecuatorianos padecen sobrepeso u obesidad. El Telégrafo.
Celi, Martha (2021). La obesidad, la otra pandemia del siglo XXI. El Telégrafo. Recuperado de
https://www.eltelegrafo.com.ec/noticias/sociedad/6/obesidad-pandemia-siglo-xxi
©2025 por los autores. Este artículo es de acceso abierto y distribuido según los términos y condiciones de la licencia Creative
Commons Atribución-No Comercial-Compartir Igual 4.0 Internacional (CC BY-NC-SA 4.0)
( https://creativecommons.org/licenses/by-nc-sa/4.0/ ).
