研究稱人工智能食品追蹤應用需要改進以解決準確性和文化程序多樣性問題

雪梨大學的一項新研究發現，在開發用於追蹤食物營養或管理體重的營養應用方案時，需要改進人工智慧（AI）培訓。

研究人員初步篩選了800個應用程序，然後選擇18個應用程式進行進一步評估。能力。

研究成果發表在期刊上 前台。

該研究的主要作者、雪梨大學營養與飲食學科的認證執業營養師、講師和研究員朱莉安娜·陳博士建議，雖然人工智能整合應用程式比手動食物記錄更方便，但應該謹慎使用。

「當患者或公眾使用應用程式來追蹤食物食物量或管理體重時，這個過程往往會讓人感到負擔，」陳博士說。更加健康更加容易。

「但是，重要的是要仔細檢查檢測到的份量是否與您所吃的相符。有些應用程式僅識別食物，而另一些應用程式還估計份量和能量識別量。因此，對於那些正在減肥的人來說人們說，關鍵是驗證應用的估計值是否與您所吃的食物相符。

研究的關鍵部分是檢查這些應用程式在不同飲食計劃（西方、亞洲和推薦（基於澳洲飲食指南））中的準確性和偏好，以確保考慮一系列文化食物偏好。

在陳博士的監督下，營養與營養學碩士學生Xinyi Li、Annabelle Yin和Ha Young Choi發現，手動食物記錄應用程式高估了西方飲食的營養營養量，平均高估了1,040千焦耳，而低估了亞洲人的營養飲食量和建議飲食熱量分別平均減少1,520千焦耳和944千焦耳。

粗略看來，人工智能整合的美食應用程式往往難以準確識別亞洲混合菜餚的能量含量，例如，牛肉河粉的熱量被高估了49%，而珍珠奶茶的熱量被低估了高達76%。

「與人工智慧整合的營養應用方案通常會更精確地檢測托盤上排列的西餐，」同樣來自查爾斯·帕金斯中心的陳博士說。漢堡.

「這個問題在亞洲餐食中更為常見，這些餐食通常包含各種混合成分，這些成分可能在各自的應用程式資料庫中找不到，從而導致在計算特定餐點的能量時可能出現錯誤。”

展望未來，該研究提出了改進營養應用計劃的幾個步驟。

「為了提高營養應用程式的可信度和準確性，創建者應該讓營養師參與其開發，用不同的食物圖像人工智能模型——特別是混合和文化多樣化的食物——擴大食物成分資料庫並教育使用者捕捉高品質的食物影像，辨識準確度更高。

「如果您正在監測自己的健康狀況，例如控制高血壓或必須攝取鈉食物量，則將您的食物選擇與營養標籤進行比較或諮詢經過認證的執業營養師。在這些情況下，營養師的專業知識非常寶貴，因為他們可以更準確地估計您的身體消耗了多少能量以及實現整體健康飲食最需要什麼。

該評估是使用行動應用評級量表（MARS）和應用行為變化量表（ABACUS）進行的。

經過評估，《Noom》在 MARS 量表上獲得了 4.44 分（滿分 5 分）的平均分，這意味著它在參與度、功能性、美觀性和資訊品質方面都獲得了諸多評價。完美的21/21 ABACUS 評級，因為它包含了許多促進行為改變、目標設定、追蹤和教育內容的功能。

在其他人工智慧應用程式中，「MyFitnessPal」和「Fastic」成功識別了 22 張各種食品和飲料的圖像樣本，成功率分別達到 97% 和 92%。