Investigadors han descobert una cosa que desacredita, en part, les apps basades en IA per estimar el contingut nutricional d'un àpat amb base en una fotografia. Encara que resulti ser una pràctica i ràpida alternativa per descobrir el que hi ha darrere del que mengem, els resultats podrien variar respecte a la quantitat real de calories. Es van fer proves amb quatre apps i es va comprovar que les estimacions en calories i greixos eren aproximadament un terç inferiors a la realitat.
La intel·ligència artificial està convertint certs procediments en una cosa més fàcil de fer, però desafortunadament no és gaire precisa que diguem. Es fa una estimació i les apps comparen amb les bases de dades nutricionals per fer els seus càlculs. Aaron Hengist, investigador postdoctoral, va indicar que la precisió de les apps no s'ha avaluat de manera exhaustiva. Els resultats es van presentar en una reunió anual de la Societat Nord-americana de Nutrició gràcies a Olivia Charles.
Les apps que calculen calories i greixos d'un plat amb IA podrien no ser tan fiables
És un projecte que es duu a terme al NIH Clinical Center amb el propòsit d'investigar com el cos fa el processament de nutrients, tenint en compte una dieta baixa en carbohidrats o amb una dieta estàndard. Després de recopilar fotografies de 102 àpats preparats per a un estudi dietètic, es van processar amb quatre apps: MyFitnessPal, Loselt!, CalAI i Appediet. L'investigador Hengist va indicar que, en tenir els àpats preparats en una cuina metabòlica estrictament controlada, van poder fer les comparacions entre les estimacions de les apps i les seves dades amb una referència més precisa que mai.
En les quatre apps, el total estimat per àpat va ser entre 250 i 345 calories inferior al real, a més de subestimar la quantitat de greix aproximadament en 30 grams. MyFitnessPal i Loselt! van tenir major marge de precisió en qüestió de l'anàlisi en àpats amb alt contingut calòric que amb àpats baixos en calories. En carbohidrats, van tenir estimacions més consistents que en altres macronutrients.
Després de fer la primera anàlisi, els investigadors van provar més de 200 àpats addicionals per poder determinar quins factors influeixen en la precisió de les apps. Es va concloure que les apps poden tenir dificultat en l'avaluació d'àpats d'una dieta cetogènica baixa en carbohidrats. Solen tenir més greix i les apps el subestimen en tota regla.
És molt millor combinar aquestes apps amb altres mètodes tradicionals per avaluar aquests criteris, sobretot per obtenir una millor precisió. Els resultats encara estan sent estudiats amb la finalitat que puguin publicar-se a nivell científic, per la qual cosa han de considerar-se com a preliminars. El millor és fer un seguiment més estricte; si bé és cert que es pot tenir un marge estimat per una app d'IA, no es brinda un cent per cent de certesa. És més valuós fer una combinació entre els mètodes convencionals i pràcticament revisant les estadístiques de les etiquetes d'on provinguin aquests aliments.