ثبت وعدههای غذایی با هوش مصنوعی قرار است یکی از دشوارترین بخشهای رژیم غذایی را آسان کند؛ کافی است از غذایتان عکس بگیرید تا برنامه کالریشمار ارزش غذایی آن را محاسبه کند. اما پژوهشهای تازه نشان میدهند این برآوردها همیشه به اندازهای که کاربران تصور میکنند دقیق نیست.
پژوهشگران دریافتهاند چهار برنامه محبوب ثبت کالری مبتنی بر هوش مصنوعی، میزان کالری و چربی وعدههای غذایی را کمتر از مقدار واقعی تخمین میزنند، و حتی در برخی موارد اختلاف به چند صد کالری در هر وعده میرسد.
آیا ردیابهای کالری مبتنی بر هوش مصنوعی قابل اعتمادند؟
بریتانی آناس مینویسد که برنامههای ثبت کالری با استفاده از عکس، از هوش مصنوعی برای شناسایی مواد غذایی، برآورد اندازه هر وعده و مقایسه آن با پایگاههای داده تغذیهای استفاده میکنند تا میزان کالری و مواد مغذی غذا را محاسبه کنند. این فناوری بدون نیاز به وزن کردن مواد غذایی یا وارد کردن دستی اطلاعات، ثبت وعدههای غذایی را بسیار سادهتر کرده است.
آرون هنگیست، پژوهشگر پسادکتری در برنامه داخلی مؤسسه ملی دیابت و بیماریهای گوارشی و کلیوی(NIDDK)، وابسته به مؤسسه ملی سلامت آمریکا (NIH)، میگوید: «برنامههای ثبت کالری مبتنی بر عکس، بهویژه در میان افرادی که قصد کاهش وزن یا مدیریت سلامت خود را دارند، بسیار محبوباند. با این حال، دقت بسیاری از این برنامهها تاکنون بهطور کامل ارزیابی نشده است. هدف ما این بود که بررسی کنیم آیا این برنامهها واقعا میتوانند کالری غذا را با دقت برآورد کنند یا نه.»
اولیویا چارلز، پژوهشگر مؤسسه ملی دیابت و بیماریهای گوارشی و کلیوی، نتایج این پژوهش را در کنفرانس «تغذیه ۲۰۲۶»، نشست سالانه انجمن آمریکایی تغذیه، ارائه کرد. این کنفرانس از ۲۵ تا ۲۸ ژوئیه در شهر نشنال هاربر مریلند برگزار شد.
پژوهش چگونه انجام شد؟
بریتنی آناس مینویسد که پژوهشگران برای ارزیابی دقت این برنامهها از دادههای یک مطالعه تغذیهای در حال انجام در مرکز بالینی مؤسسه ملی سلامت آمریکا استفاده کردند؛ مرکزی که تمام وعدههای غذایی آن در یک آشپزخانه پژوهشی کنترلشده، موسوم به «آشپزخانه متابولیک»، تهیه میشود.
در این آشپزخانه، وزن تکتک مواد غذایی با دقتی در حد ۰.۱ گرم اندازهگیری میشود؛ بنابراین پژوهشگران پیش از عکاسی از هر وعده، از مقدار دقیق کالری و مواد مغذی آن اطلاع داشتند. آنها از ۱۰۲ وعده غذایی عکس گرفتند، تصاویر را در چهار برنامه محبوب ثبت کالری بارگذاری کردند و سپس نتایج هر برنامه را با مقادیر واقعی مقایسه کردند.
هنگیست گفت: «استفاده از وعدههای غذایی تهیهشده در یک آشپزخانه کاملا کنترلشده، این امکان را به ما داد که عملکرد برنامهها را با یک معیار بسیار دقیق مقایسه کنیم؛ مقایسهای که پیش از این در چنین سطحی انجام نشده بود.»
برنامهها کالری و چربی را کمتر از مقدار واقعی برآورد کردند
نتایج نشان داد هر چهار برنامه، میزان کالری وعدههای غذایی را بهطور قابل توجهی کمتر از مقدار واقعی تخمین میزنند. اختلاف میان برآورد برنامهها و مقدار واقعی، به طور متوسط بین ۲۵۰ تا ۳۴۵ کالری در هر وعده بود. برآورد میزان چربی نیز با خطای قابل توجهی همراه بود؛ بهطوری که این برنامهها به طور متوسط میزان چربی را حدود ۳۰ گرم کمتر از مقدار واقعی ثبت کردند.
Read More
This section contains relevant reference points, placed in (Inner related node field)
با این حال، عملکرد برخی از برنامهها در برآورد وعدههای غذایی پرکالری بهتر از وعدههای سبکتر بود. همچنین هر چهار برنامه در تخمین میزان کربوهیدراتها، در مقایسه با چربی و برخی دیگر از درشتمغذیها، دقت بیشتری داشتند.
هنگیست گفت: «افرادی که از برنامههای مبتنی بر عکس استفاده میکنند و اندازه یا مقدار غذا را دستی اصلاح نمیکنند، باید نتایج را با احتیاط تفسیر کنند. این برنامهها معمولا کالری، بهویژه کالری ناشی از چربی را کمتر از مقدار واقعی برآورد میکنند، بنابراین ممکن است میزان واقعی کالری دریافتی بیش از چیزی باشد که برنامه نشان میدهد.»
چرا رژیم کتوژنیک هوش مصنوعی را به اشتباه میاندازد؟
پژوهشگران در مرحله بعد، دامنه بررسیشان را به بیش از ۲۰۰ وعده غذایی گسترش دادند تا مشخص کنند چه عواملی بر دقت این برنامهها تأثیر میگذارد.
یافتههای اولیه نشان داد غذاهای رژیم کتوژنیک، که کربوهیدرات کمی دارند و بخش عمده انرژی آنها از چربی تأمین میشود، بیش از سایر وعدههای غذایی، ضریب خطای هوش مصنوعی را افزایش میدهد. به گفته پژوهشگران، علت اصلی این موضوع آن است که این برنامهها پیوسته میزان چربی غذا را کمتر از مقدار واقعی برآورد میکنند.
با این حال، آنها تأکید میکنند ثبت غذا با استفاده از عکس همچنان ابزار مفیدی است، بهویژه اگر در کنار روشهای سنتی ثبت غذا یا با اصلاح دستی اندازه وعدهها از آن استفاده شود، نه اینکه کاربران کاملا به برآوردهای هوش مصنوعی تکیه کنند. پژوهشگران همچنین یادآور شدند این یافتهها هنوز ابتدایی است، زیرا تنها در یک نشست علمی ارائه شده و هنوز فرایند داوری همتا را برای انتشار در یک مجله علمی طی نکرده است.
چگونه کالری دریافتی را دقیقتر ثبت کنیم؟
اگر برای کنترل وزن، مدیریت یک بیماری، تمرینات ورزشی یا اطمینان از دریافت پروتئین کافی، کالری مصرفی خود را ثبت میکنید، متخصصان توصیه میکنند برای افزایش دقت این روند چند نکته را در نظر داشته باشید:
- به جای حدس زدن، مواد غذایی را وزن کنید. دقت ترازوی آشپزخانه یا پیمانههای اندازهگیری بسیار بیشتر از تخمین چشمی است.
- برآورد هوش مصنوعی را نقطه شروع بدانید، نه پاسخ نهایی. استفاده از برنامههای مبتنی بر عکس آسان است، اما آنها در مورد غذاهای ترکیبی یا وعدههای رستورانی همیشه دقیق نیستند.
- روغنها، سسها و چاشنیها را فراموش نکنید. روغن زیتون، کره، سس سالاد، سس مایونز و سایر چاشنیها کالری قابل توجهی به غذا اضافه میکنند.
- اگر اطلاعات تغذیهای رستوران در دسترس است، از آن استفاده کنید. بسیاری از رستورانهای زنجیرهای اطلاعات مربوط به کالری غذاهایشان را در وبسایت یا فهرست غذاهای خود منتشر میکنند.
- برای غذاهای خانگی، مواد اولیه را محاسبه کنید. اگر غذا را خودتان میپزید، مجموع کالری مواد اولیه را محاسبه و آن را بر تعداد وعدهها تقسیم کنید تا برآورد دقیقتری داشته باشید.
- به جای وسواس روی اعداد، ثبات داشته باشید. هیچ روش ثبت کالری کاملا بینقص نیست. ثبت منظم وعدههای غذایی در طول زمان معمولا از تلاش برای محاسبه دقیق تکتک کالریها مفیدتر است.
- به احساس گرسنگی و سیری خود نیز توجه کنید. شمارش کالری میتواند ابزار مفیدی برای شناخت عادتهای غذایی باشد، اما تنها معیار یک رژیم غذایی سالم نیست.
