L’évaluation précise des apports alimentaires en milieu hospitalier est un enjeu majeur pour la prise en charge nutritionnelle des patients. Pourtant, cette tâche reste chronophage pour les soignants en routine. Dans ce contexte, cette nouvelle étude explore une innovation prometteuse : l’utilisation d’un prototype basé sur la reconnaissance d’image par intelligence artificielle (IA) pour automatiser cette évaluation. Le recours croissant aux technologies d’IA en santé, et en particulier en nutrition clinique, a conduit les scientifiques à questionner la faisabilité d’une telle solution dans un environnement réel, au sein d’un service hospitalier.

Pour cela, l'équipe de recherche a développé et testé un algorithme d’IA entraîné à partir d’images de plateaux-repas hospitaliers. L’étude s’est déroulée en deux phases : une phase initiale de collecte et d’annotation de données (246 composants alimentaires) pour entraîner le modèle, suivie d’une phase d’évaluation sur 368 composants. Les aliments ont été classés en trois catégories : féculents, viandes/poissons, et légumes. Le poids estimé automatiquement par le prototype a été comparé à celui mesuré manuellement, méthode de référence, via le coefficient de concordance de Lin et des modèles de régression linéaire.

Les résultats révèlent une concordance très élevée entre les estimations de l’IA et les mesures manuelles pour les féculents (CCC = 0,957), bonne pour les viandes/poissons (CCC = 0,845) et satisfaisante pour les légumes (CCC = 0,767). Ces résultats encouragent le développement d’outils automatisés pour le suivi nutritionnel, en particulier dans des contextes où les ressources humaines sont limitées. À terme, une telle technologie pourrait permettre un suivi individualisé des patients sans alourdir la charge de travail des équipes. Des ajustements sont encore nécessaires avant un déploiement en routine, mais cette première évaluation en conditions réelles ouvre la voie à de nouvelles perspectives pour la nutrition hospitalière assistée par IA.