La estimación del gasto energético (EE) es frecuentemente una parte integral de los algoritmos para dispositivos electrónicos portátiles. En la práctica de campo, los procedimientos basados en una estimación indirecta de EE a partir de la frecuencia cardíaca (utilizando relaciones empíricas o estadísticas) funcionan correctamente solo en un rango estrecho de cargas físicas, aunque actualmente se consideran el estado del arte. Este estudio piloto tiene como objetivo evaluar experimentalmente un método novedoso utilizando una amplia gama de sensores y parámetros de entrada (frecuencia cardíaca, intervalos RR y actividad de movimiento 3D en varios lugares del cuerpo) y algoritmos de redes neuronales (NN). Nuestro método propuesto consiste en entrenar una NN en un sujeto específico, con un conjunto específico y ubicación de sensores durante la llamada ejecución de entrenamiento, utilizando el método estándar de calorimetría indirecta como referencia. Luego, el EE del sujeto puede ser estimado utilizando la NN entrenada. Los resultados de los experimentos (realizados en un total de 12 sujetos durante varias actividades físicas) muestran una mejora estadísticamente significativa en la estimación de EE con el nuevo método prospectivo, superando al método de vanguardia basado en la frecuencia cardíaca y el modelo de regresión.