在一项针对四款基于照片的应用程序的测试中，研究人员发现，热量和脂肪估算值平均偏低约三分之一。
AI 如何通过食物照片估算热量
基于照片的热量追踪依赖于 AI 图像识别技术，以识别图片中显示的食物并估算每份食物的份量。然后，应用程序将这些估算值与营养数据库进行比对，从而计算热量和其他营养素。
“基于照片的热量追踪应用程序非常受欢迎，特别是对于那些试图管理健康或减肥的人来说，”美国国立卫生研究院（NIH）下属的国家糖尿病、消化和肾脏疾病研究所（NIDDK）院内项目的博士后访问学者 Aaron Hengist 说道。“然而，其中许多应用程序的准确性尚未得到充分评估。我们的研究通过考察这些应用程序是否能可靠地估算热量，有助于解答这一问题。”
NIDDK 的学士后院内研究培训研究员 Olivia Charles 在 NUTRITION 2026 上展示了这些发现，这是美国营养学会的年度旗舰会议，于 7 月 25 日至 28 日在华盛顿特区郊外的马里兰州国家港举行。
使用精确测量的餐食测试应用程序
该项目是 NIH 临床中心一项更广泛的营养研究的一部分，该研究旨在调查身体在低碳水化合物（生酮）饮食或标准饮食下如何处理营养素。
临床试验中使用的餐食是在受控的代谢厨房中准备的，研究人员将配料测量精确到 0.1 克。这为团队评估这些应用程序提供了一个高度准确的参考标准。
研究人员收集了为饮食研究准备的 102 份餐食的标准化照片。随后，他们将图像提交给 MyFitnessPal、LoseIt!、CalAI 和 Appediet，以查看每个应用程序的估算值与已知营养成分的吻合程度。
“通过使用在严格控制的代谢厨房中准备的餐食，我们能够将应用程序的估算值与精确的参考值进行对比，”Hengist 说。“这种直接、高质量的对比以前是无法实现的。”
应用程序少算了数百卡路里
在所有四款应用程序中，每餐的估算热量总数平均偏低约 250 至 345 卡路里。应用程序还将脂肪低估了约 30 克。
在分析高热量餐食时，MyFitnessPal 和 LoseIt! 比分析低热量餐食时更准确。所有四款应用程序对碳水化合物的估算也比其他宏量营养素更一致。
“人们在使用基于照片的追踪应用程序时，如果不调整份量或输入食物量，应对结果持保留态度，”Hengist 说。“这些应用程序倾向于低估热量，尤其是来自脂肪的热量，因此他们实际摄入的量很可能高于应用程序显示的量。”
生酮餐食可能更难被 AI 测量
在初步分析之后，研究人员测试了另外 200 多份餐食，以调查哪些因素可能会影响应用程序的准确性。
初步发现表明，这些应用程序在评估低碳水生酮饮食的餐食时可能面临更大的困难。这些餐食通常含有更多的脂肪，而应用程序倾向于持续低估脂肪含量。
研究人员建议，将基于照片的工具与评估食物摄入量和饮食质量的传统方法相结合，可以使日常使用中的热量追踪更加准确。
Charles 于 7 月 25 日星期六在盖洛德国家度假会议中心（Gaylord National Resort & Convention Center）的主席口头报告环节展示了这项研究（摘要）。
在 NUTRITION 2026 上展示的摘要经过了专家委员会的评审和筛选。然而，它们通常尚未完成在科学期刊上发表所需的完整同行评审流程。因此，在结果出现在同行评审出版物中之前，应被视为初步结果。