1.1.1. Historia y evolución de la inteligencia artificial en el campo de la salud.

1.1.2. Diferencia entre IA predictiva (análisis de riesgos) e IA generativa (creación de planes).

1.1.3. Panorama de software libre vs. especializado y sus limitaciones actuales.

1.2.1. Métodos digitales para el almacenamiento de datos clínicos según normativas.

1.2.2. Uso de IA para detectar tendencias de consumo y deficiencias en registros de 24 horas.

1.2.3. Herramientas de visualización de datos para facilitar la toma de decisiones clínicas.

1.3.1. Algoritmos de recomendación: funcionamiento de la prescripción dietética basada en aprendizaje automático.

1.3.2. Intervenciones de precisión: personalización de planes alimentarios para el manejo de enfermedades crónicas.

1.3.3. Ajuste dinámico: optimización de planes nutricionales basados en la respuesta metabólica del paciente.

1.4.1. Evaluación de herramientas para el registro de ingesta y gasto energético.

1.4.2. Integración de datos de smartwatches y sensores de glucosa.

1.4.3. Cómo importar datos de dispositivos externos directamente a la consulta.

1.5.1. IA para la redacción de notas SOAP y resúmenes de expedientes.

1.5.2. Implementación de flujos de comunicación y chatbots para dudas frecuentes.

1.5.3. Reducción de tiempos en el diseño de menús y cálculos dietéticos complejos.

1.6.1. Cumplimiento de la confidencialidad y protección de la información sensible del paciente.

 1.6.2. Transparencia sobre el uso de algoritmos en el tratamiento nutricional.

 1.6.3. Responsabilidad del profesional ante las sugerencias de la IA para evitar errores diagnósticos.