Las enfermedades crónicas, como la enfermedad de las arterias coronarias y la diabetes, son causadas por una actividad física inadecuada y son la principal causa del aumento de las tasas de mortalidad y morbilidad. La calorimetría directa mediante la producción de calorías y la calorimetría indirecta mediante el gasto energético (EE) se han considerado como el mejor método para estimar la actividad física y el EE. Sin embargo, este método es incómodo debido al uso de una máscara de medición de la respiración de oxígeno. En este estudio, proponemos un modelo que estima el EE de la actividad física utilizando un modelo de conjunto que combina redes neuronales artificiales y algoritmos genéticos utilizando los datos adquiridos de sensores tipo parche. El modelo de conjunto propuesto logró una precisión de más del 92% (Error Cuadrático Medio (RMSE) = 0.1893, = 0.91, Error Cuadrático Medio (MSE) = 0.014213, Error Absoluto Medio (MAE) = 0.14020) al probar varias estructuras a través de experimentos repetidos.