人工智慧驅動的卡路里追蹤應用程式可以根據單張照片估算膳食的營養成分。該技術提供了一種快速、方便的替代方案來手動餵食所有食品和份量。但新的研究表明，結果可能明顯低於盤子上的實際結果。
在測試四個基於照片的應用程式時，研究人員發現卡路里和脂肪的估計值平均低了三分之一左右。
人工智慧如何根據食物照片估算卡路里？
照片卡路里追蹤使用人工智慧圖像識別來識別圖像中顯示的食物並估計每個部分的大小。然後，該應用程式將這些估計值與營養資料庫進行比較，以計算卡路里和其他營養成分。
「基於照片的卡路里追蹤應用程式非常受歡迎。對於想要照顧健康或減肥的人來說尤其如此，」美國國立衛生研究院下屬的國家糖尿病、消化和腎臟疾病研究所 (NIDDK) 校內計畫的博士後研究員亞倫·亨吉斯特 (Aaron Hengist) 說。許多應用程式的準確性尚未徹底評估。我們的研究透過觀察這些應用程式是否能夠可靠地估計卡路里來幫助回答這個問題。 」
NIDDK 的學士後校內研究實習生 Olivia Charles 在 NUTRITION 2026 上展示了她的發現，這是美國營養學會的主要年會，該會議於 7 月 25 日至 28 日在華盛頓特區郊外的馬裡蘭州國家港舉行。
使用精確測量的膳食來測試應用程式。
該計畫是美國國立衛生研究院臨床中心一項更廣泛的營養研究的一部分，該研究正在調查身體如何處理低碳水化合物（生酮）或標準飲食中的營養物質。
臨床試驗中使用的飲食是在控制燃燒的廚房中準備的。研究人員對成分進行了測量，精確度為 0.1 克。這為團隊評估應用程式提供了高度準確的參考。
研究人員收集了為食品研究準備的 102 份餐點的標準化照片。然後他們將照片發送到 MyFitnessPal、LoseIt!、CalAI 和 Appediet，看看每個應用程式的估計值與已知營養成分的匹配程度如何。
「使用在嚴格控制的新陳代謝廚房中準備的食物。這使我們能夠將應用程式的估計與準確的參考進行比較，」亨吉斯特說。 “如此直接、高品質的比較以前從未進行過。”
一個不消耗數百卡路里的應用程式。
在這四個應用程式中，每份的估計熱量攝取量約為 250 至 345 卡路里，太低了。該應用程式還低估了大約 30 克的脂肪。
MyFitnessPal 和 LoseIt！分析高熱量食物比分析低熱量食物更準確。所有四個應用程式還提供比其他大量營養素更一致的碳水化合物估計值。
「使用該應用程式的人無需調整份量或輸入份量大小即可追蹤照片。結果應該持保留態度，」亨吉斯特說。 「這些應用程式往往會低估卡路里。尤其是來自脂肪的卡路里，因此他們實際吃的東西可能比應用程式顯示的要高。”
對於人工智慧來說，生酮飲食可能更難衡量。
第一次分析後，研究人員測試了另外 200 多種食物，以確定哪些因素可能會影響應用程式的準確性。
初步研究表明，該應用程式可能更難以評估低碳水化合物生酮飲食的飲食。這些食物往往含有更多的脂肪，而應用程式始終低估了這一點。
研究人員建議，將基於照片的工具與傳統方法相結合來評估飲食攝取量和食品品質可以使每日卡路里追蹤更加準確。
查爾斯於 7 月 25 日星期六在蓋洛德國家度假村及會議中心舉行的總統口頭會議上介紹了這項研究（抽象的）。
NUTRITION 2026 上提交的摘要由專家委員會審查和選擇。然而，總的來說，他們尚未完成在科學期刊上發表所需的完整同儕審查過程。因此，在結果出現在同行評審的出版物中之前，應將其視為初步結果。
