Investigadores han descubierto algo que desacredita, en parte, a las apps basadas en IA para estimar el contenido nutricional de una comida con base en una fotografía. Aunque resulte ser una práctica y rápida alternativa para descubrir lo que hay detrás de lo que comemos, los resultados podrían variar respecto a la cantidad real de calorías. Se hicieron pruebas con cuatro apps y se comprobó que las estimaciones en calorías y grasas eran aproximadamente un tercio inferiores a la realidad.
La inteligencia artificial está convirtiendo ciertos procedimientos en algo más fácil de hacer, pero desafortunadamente no es muy precisa que digamos. Se hace una estimación y las apps comparan con las bases de datos nutricionales para hacer sus cálculos. Aaron Hengist, investigador posdoctoral, indicó que la precisión de las apps no se ha evaluado de manera exhaustiva. Los resultados se presentaron en una reunión anual de la Sociedad Estadounidense de Nutrición gracias a Olivia Charles.
Las apps que calculan calorías y grasas de un platillo con IA podrían no ser tan fiables
Es un proyecto que se lleva a cabo en el NIH Clinical Center con el propósito de investigar cómo el cuerpo hace el procesado de nutrientes, tomando en cuenta una dieta baja en carbohidratos o con una dieta estándar. Después de recopilar fotografías de 102 comidas preparadas para un estudio dietético, se procesaron con cuatro apps: MyFitnessPal, Loselt!, CalAI y Appediet. El investigador Hengist indicó que, al tener las comidas preparadas en una cocina metabólica estrictamente controlada, pudieron hacer las comparaciones entre las estimaciones de las apps y sus datos con una referencia más precisa que nunca.
En las cuatro apps, el total estimado por comida fue entre 250 y 345 calorías inferior al real, además de subestimar la cantidad de grasa aproximadamente en 30 gramos. MyFitnessPal y Loselt! tuvieron mayor margen de precisión en cuestión del análisis en comidas con alto contenido calórico que con comidas bajas en calorías. En carbohidratos, tuvieron estimaciones más consistentes que en otros macronutrientes.
Después de hacer el primer análisis, los investigadores probaron más de 200 comidas adicionales para poder determinar qué factores influyen en la precisión de las apps. Se concluyó que las apps pueden tener dificultad en la evaluación de comidas de una dieta cetogénica baja en carbohidratos. Suelen tener mayor grasa y las apps la subestiman en toda regla.
Es mucho mejor combinar estas apps con otros métodos tradicionales para evaluar estos criterios, sobre todo para obtener una mejor precisión. Los resultados aún están siendo estudiados con la finalidad de que puedan publicarse a nivel científico, por lo que deben considerarse como preliminares. Lo mejor es hacer un seguimiento más estricto; si bien es cierto que se puede tener un margen estimado por una app de IA, no se brinda un cien por ciento de certeza. Es más valioso hacer una combinación entre los métodos convencionales y prácticamente revisando las estadísticas de las etiquetas de donde provengan dichos alimentos.