ETD

• artificial intelligence
• flessibilità
• flexibility
• intelligenza artificiale
• nutrition
• nutrizione
• patient relationship
• rapporto con il paziente
• rigor
• rigore
• software

Il progetto nasce dall'osservazione di una criticità nel settore nutrizionale: nonostante l'abbondanza di tecnologie, molti professionisti preferiscono ancora strumenti tradizionali (carta, Excel) ai software specializzati . Le cause principali sono la rigidità operativa dei gestionali attuali, che impongono flussi di lavoro bloccati, e una curva di apprendimento ripida. L'obiettivo della tesi è stato sviluppare e validare un prototipo di software capace di superare queste barriere, coniugando il rigore scientifico del calcolo clinico con la flessibilità necessaria per migliorare l'aderenza del paziente .
Il software è stato sviluppato su un'architettura Cloud-based modulare, separando l'interfaccia utente dal motore di calcolo per garantire precisione e sicurezza dei dati (GDPR) . Il nucleo algoritmico implementa rigorosamente le linee guida LARN (2014) e formule predittive validate (es. Mifflin-St Jeor), assicurando l'affidabilità scientifica delle prescrizioni.
L'elemento distintivo del progetto è il superamento della rigidità metodologica tramite tre modalità di pianificazione integrate :
Modalità standard: approccio prescrittivo classico, ideale per protocolli clinici rigidi .
Modalità intuitiva: basata su "collezioni" di alimenti equivalenti, delega al paziente la scelta della fonte nutrizionale, favorendo l'educazione alimentare .
Modalità flessibile: offre pasti alternativi completi già bilanciati, unendo struttura e libertà di scelta .
A supporto del paziente è stata creata un'app interattiva che funge da "compagno digitale". L'app integra un sistema di Intelligenza Artificiale (IA) che genera ricette basate esclusivamente sugli alimenti prescritti (Human-in-the-loop), aumentando l'engagement senza rischi clinici . Inoltre, il monitoraggio sostituisce il classico diario con una Heatmap delle abitudini, che visualizza l'aderenza reale superando i limiti del recall.
La validazione tecnica ha confermato la robustezza del motore di calcolo: il confronto con calcoli manuali di riferimento ha mostrato una deviazione percentuale dello 0%, certificando la precisione matematica dello strumento. I test di usabilità (SUS) hanno evidenziato una dicotomia interessante: l'interfaccia paziente ha ottenuto un punteggio eccellente (83.3), confermando l'efficacia dell'approccio. Il lato professionista ha ottenuto un punteggio di 60, riflettendo non una difficoltà tecnica, ma la resistenza al cambiamento delle routine lavorative e la necessità di un percorso di formazione strutturato (onboarding) .
Il lavoro dimostra che è possibile delegare la complessità matematica agli algoritmi per restituire al nutrizionista il tempo necessario per la relazione terapeutica . Il prototipo validato apre la strada a sviluppi futuri orientati alla salute digitale, come l'integrazione con dispositivi wearable per il rilevamento oggettivo del dispendio energetico, l'uso di modelli predittivi per anticipare il rischio di abbandono della terapia e la ricerca epidemiologica.


The project stems from the observation of a critical issue in the nutritional sector: despite the abundance of technologies, many professionals still prefer traditional tools (paper, Excel) to specialized software . The main causes are the operational rigidity of current management systems, which impose blocked workflows, and a steep learning curve. The objective of the thesis was to develop and validate a software prototype capable of overcoming these barriers, combining the scientific rigor of clinical calculation with the flexibility necessary to improve patient adherence . The software was developed on a modular Cloud-based architecture, separating the user interface from the calculation engine to guarantee precision and data security (GDPR) . The algorithmic core strictly implements the LARN guidelines (2014) and validated predictive formulas (e.g. Mifflin-St Jeor), ensuring the scientific reliability of the prescriptions. The distinctive element of the project is the overcoming of methodological rigidity through three integrated planning modes :
Standard mode: classic prescriptive approach, ideal for rigid clinical protocols .
Intuitive mode: based on "collections" of equivalent foods, it delegates the choice of the nutritional source to the patient, favoring nutritional education .
Flexible mode: offers complete alternative meals already balanced, combining structure and freedom of choice . To support the patient, an interactive app was created that acts as a "digital companion". The app integrates an Artificial Intelligence (AI) system that generates recipes based exclusively on prescribed foods (Human-in-the-loop), increasing engagement without clinical risks . Furthermore, the monitoring replaces the classic diary with a Heatmap of habits, which visualizes real adherence overcoming the limits of recall. The technical validation confirmed the robustness of the calculation engine: the comparison with manual reference calculations showed a percentage deviation of 0%, certifying the mathematical precision of the tool. The usability tests (SUS) highlighted an interesting dichotomy: the patient interface obtained an excellent score (83.3), confirming the effectiveness of the approach. The professional side obtained a score of 60, reflecting not a technical difficulty, but the resistance to change of working routines and the need for a structured training path (onboarding) . The work demonstrates that it is possible to delegate mathematical complexity to algorithms to return to the nutritionist the time necessary for the therapeutic relationship . The validated prototype opens the way to future developments oriented towards digital health, such as integration with wearable devices for the objective detection of energy expenditure, the use of predictive models to anticipate the risk of therapy abandonment and epidemiological research.