人工智能食物追踪应用需要改进，以解决准确性和文化多样性问题

悉尼大学的一项新研究发现，在开发用于跟踪食物摄入或管理体重的营养应用程序时，需要改进人工智能(AI)训练。

　　

研究人员最初筛选了800个应用程序，然后选择了18个进行进一步评估。这18个应用程序，包括人工智能集成和手动食物记录营养应用程序，然后评估它们识别成分和估计能量含量的能力。

该研究的主要作者、悉尼大学营养与营养学专业的执业营养师、讲师和研究员朱莉安娜·陈(Juliana Chen)博士建议，尽管人工智能集成的应用程序比人工食物记录提供了方便，但它们应该谨慎使用。

陈博士说:“当病人或公众使用应用程序来跟踪食物摄入或管理体重时，这个过程往往会让人感到负担。”“添加人工智能功能，比如食物图像识别，可以让每个人都更轻松地完成这个过程。

“然而，重要的是要反复检查检测到的份量是否与你吃的相符。一些应用程序只识别食物，而其他应用程序还可以估计份量和能量摄入量。因此，对于那些正在减肥的人来说，验证应用程序的估计与你的饮食相符是至关重要的。”

该研究的一个关键部分是检查这些应用程序在三种不同的饮食计划中的准确性和适应性——西方、亚洲和推荐(基于澳大利亚饮食指南)——以确保考虑到一系列文化饮食偏好。

在陈博士的监督下，营养与饮食学硕士学生Xinyi Li、Annabelle Yin和Ha Young Choi发现，手动食物记录应用程序平均高估了西方饮食的能量摄入1040千焦，而他们平均低估了亚洲饮食和推荐饮食的能量摄入分别为1520千焦和944千焦。

相比之下，人工智能集成的食品应用程序通常难以准确识别混合亚洲菜肴的能量含量，例如牛肉粉的卡路里被高估了49%，而珍珠奶茶的卡路里被低估了高达76%。

同样来自查尔斯·珀金斯中心的陈博士说:“与人工智能集成的营养应用程序通常能更好地检测盘子里的单个西餐。”“然而，他们经常对混合菜感到吃力，比如意大利肉酱面或汉堡。这个问题在亚洲菜中更为常见，它们通常包含各种混合成分，这些成分可能在各自的应用程序数据库中找不到，这可能导致在计算特定餐点的能量时出现错误。”

展望未来，该研究建议了改善营养应用程序的几个步骤。这包括确保应用程序提供的教育内容和建议是基于证据和值得信赖的，这可以通过与营养专家合作来实现。

“为了提高营养应用程序的可信度和准确性，开发者应该让营养师参与开发，用不同的食物图像训练人工智能模型，特别是混合和文化多样的菜肴，扩展食物成分数据库，并教育用户如何捕捉高质量的食物图像，以提高识别准确性。”

“如果你在监控自己的健康状况，比如控制高血压或跟踪你的钠摄入量，那么将你的食物选择与营养标签进行比较或咨询有资格的执业营养师是很重要的。在这些情况下，营养师的专业知识是无价的，因为他们可以更准确地估计你的身体消耗了多少能量，以及实现整体健康饮食最需要什么。”

这项评估使用移动应用评级量表(MARS)和应用行为改变量表(ABACUS)进行。

在评估之后，“Noom”在MARS评分中获得了4.44分(满分5分)，这意味着它在参与、功能、美学和信息质量方面获得了非常高的评价。它还获得了完美的21/21 ABACUS评级，因为它结合了许多促进行为改变、目标设定、跟踪和教育内容的功能。

在其他人工智能应用程序中，“MyFitnessPal”和“Fastic”成功识别了22张各种食品和饮料的图像样本，成功率分别达到97%和92%。