AI驱动的卡路里跟踪应用可以从一张照片中估算一餐的营养成分。这项技术提供了一个快速便捷的替代方案，无需手动输入每种食物和份量，但新的研究表明，结果可能远低于实际餐盘上的内容。在对四款基于照片的应用进行测试时，研究人员发现卡路里和脂肪的估算平均低了约三分之一。 如何从食物照片中估算卡路里 基于照片的卡路里跟踪依赖于AI图像识别来识别图片中展示的食物，并估算每份的大小。然后，该应用将这些估算与营养数据库进行比较，以计算卡路里和其他营养素。“基于照片的卡路里跟踪应用非常受欢迎，特别是对于那些试图管理健康或减肥的人，”国家糖尿病、消化和肾脏疾病研究所（NIDDK）的一名博士后访问研究员Aaron Hengist表示。“然而，许多这类应用的准确性尚未得到彻底评估。我们的研究帮助解决了这个问题，查看这些应用是否能可靠地估算卡路里。” NIDDK的一名研究生研究员Olivia Charles在2026年营养大会上展示了这一发现，该大会是美国营养学会的旗舰年度会议，于7月25日至28日在华盛顿特区郊外的国家海滨举行。 测试精确测量的餐点 该项目是NIH临床中心更广泛营养研究的一部分，调查身体如何处理低碳水化合物（生酮）饮食或标准饮食中的营养素。临床试验中使用的餐点是在一个受控的代谢厨房中准备的，研究人员将成分测量到最接近0.1克。这为评估应用提供了高度准确的参考。研究人员收集了102餐为饮食研究准备的标准化照片。然后，他们将图像提交给MyFitnessPal、LoseIt!、CalAI和Appediet，以查看每款应用的估算与已知营养成分的匹配程度。“通过在严格控制的代谢厨房中制作餐点，我们能够将应用的估算与精确的参考进行比较，”Hengist说。“这样的直接、高质量比较以前是不可得的。” 应用低估了数百卡路里 在所有四款应用中，估算的卡路里总数平均每餐低约250到345卡路里。这些应用还低估了脂肪，大约低估了30克。MyFitnessPal和LoseIt!在分析高卡路里餐点时比在低卡路里餐点时更准确。所有四款应用还对碳水化合物的估算比对其他宏量营养素的估算更加一致。“使用基于照片的跟踪应用而不调整份量或输入食物数量的人应该对结果持谨慎态度，”Hengist说。“这些应用往往低估卡路里，特别是来自脂肪的卡路里，因此他们实际吃的可能比应用显示的要高。” 生酮餐可能更难被AI测量 在第一次分析之后，研究人员测试了200多份额外的餐点，以调查哪些因素可能影响应用的准确性。初步发现表明，应用在评估低碳水化合物生酮饮食的餐点时可能面临更大的困难。这些餐点通常包含更多的脂肪，而应用通常会低估这些脂肪。研究人员建议，将基于照片的工具与传统的食物摄入量和饮食质量评估方法相结合，可能会使卡路里跟踪在日常使用中更加准确。Charles在7月25日星期六的总统口头会议上展示了这项研究，会议在Gaylord国家度假村和会议中心举行（摘要）。在2026年营养大会上提出的摘要由专家委员会审查和选择。然而，它们通常尚未完成发表在科学期刊上所需的完整同行评审过程。因此，应将结果视为初步，直到它们出现在同行评审的出版物中。