صلاحية محدودة لتطبيق مدعوم بالذكاء الاصطناعي لتقييم النظام الغذائي لدى الإناث المصابات بالسمنة

لماذا قد لا تروي تطبيقات تتبع الطعام القصة كاملة

يلجأ كثير من الناس إلى تطبيقات الهواتف الذكية لمراقبة ما يأكلونه، خاصة عند محاولات التحكم في الوزن. تعد هذه الأدوات بتحويل لقطات سريعة للوجبات إلى حسابات دقيقة للسعرات الحرارية. اختبرت هذه الدراسة ما إذا كان أحد هذه التطبيقات المدعومة بالذكاء الاصطناعي، المسمى SNAQ، يعكس فعلاً كمية الطاقة التي تستهلكها النساء المصابات بالسمنة في حياتههن اليومية. وتكتسب النتائج أهمية لأي شخص قد يعتمد على هذه الأرقام لتوجيه قرارات طبية أو خطط خسارة الوزن أو أهداف صحية طويلة الأمد.

كيف أُجريت الدراسة

استقطب الباحثون في سويسرا عشرين امرأة بالغة مصابة بالسمنة وتابعوهن لمدة أسبوع خلال روتينهن اليومي الاعتيادي. استخدمت كل مشاركة تطبيق SNAQ لالتقاط صور لكل ما تناولته من طعام وشراب. اعتمد التطبيق على حساسات العمق ورؤية الحاسوب لتحويل هذه الصور إلى تقديرات للسعرات الحرارية والمغذيات اليومية. وللحصول على معيار موثوق، قاس الفريق أيضاً إجمالي استهلاك كل امرأة للطاقة اليومية باستخدام طريقة مخبرية معيارية تُدعى الماء مزدوج التأشير (doubly labelled water)، التي تتعقب مدى سرعة خروج مؤشرات آمنة من الجسم. بالإضافة إلى ذلك، أكملت النساء مقابلات تقليدية تستعيد ما تناولنه خلال 24 ساعة، وهي طريقة طويلة الأمد لكنها غير كاملة في استدعاء تناول اليوم السابق.

أين أخطأ التطبيق

عند مقارنة أرقام التطبيق مع استهلاك الجسم الفعلي للطاقة، كانت الفجوات كبيرة. في المتوسط، استخدمت أجساد النساء نحو 3000 سعر حراري في اليوم، لكن SNAQ أبلغ عن حوالي 2200 فقط — تقليل بنحو 25 بالمئة. وكانت مقابلات الاستدعاء خلال 24 ساعة أسوأ حتى من ذلك، إذ أخطأت بحوالي نصف المدخول الحقيقي. والأهم من ذلك أن الأخطاء لم تكن متسقة بين الأشخاص. بالنسبة لبعض النساء بالغ التطبيق في تقدير السعرات قليلاً، بينما أخطأ بالنسبة لأخريات بفارق يصل إلى آلاف السعرات. أظهرت الاختبارات الإحصائية عدم وجود تطابق موثوق عملياً بين ما أبلغه التطبيق وما أشار إليه أيض الجسم لأي فرد بعينه.

لماذا تنحرف الأرقام بهذا القدر

يشير الباحثون إلى سلوكيات البشر وحدود التكنولوجيا لشرح عدم التوافق. في ظروف الحياة الواقعية، قد ينسى الأشخاص تصوير الوجبات الخفيفة، أو يتغير الإضاءة، أو تُغطى الأطعمة جزئياً داخل الإطار. كما يضطر نظام الذكاء الاصطناعي للتخمين بشأن ما هو كل عنصر وكمية كل منه، ويزداد الأمر صعوبة عندما تكون الحصص كبيرة، أو تمتزج الأطعمة معاً، أو تكون المشروبات في أوعية معتمة. وبما أن بيانات التدريب غالباً ما تأتي من وجبات قياسية وحصص أصغر، فقد تقع أنماط الأكل الشائعة لدى المصابات بالسمنة خارج نطاق راحة التطبيق. تتراكم الأخطاء الصغيرة في كل خطوة، مما يؤدي إلى تقديرات للطاقة تتقلب على نطاق واسع وتفشل في رصد حجم الجسم أو تركيبته أو التغيرات الوزن قصيرة الأجل.

حدود الاختصارات الرقمية

على الرغم من أن متوسطات المجموعة من التطبيق بدت أقرب إلى الطريقة المخبرية مقارنة بمقابلات الاستدعاء، إلا أن هذا النجاح الظاهري تبين أنه مضلل. فقد عوضت بعض المبالغات الكبيرة العديد من النقصان، ما أخفى حقيقة أن السجلات الفردية كانت غير مستقرة من يوم لآخر. عندما طبّق الفريق فحوصات معيارية تكشف التقارير الغذائية المشبوهة، لم تُعدّ سوى نحو ثلث السجلات اليومية للتطبيق قابلة للاعتبار حتى على نحو معقول. كما أن التطبيق لم يظهر أي علاقة ذات مغزى بالمؤشرات الفسيولوجية الأساسية، مثل الكتلة الخالية من الدهون أو تغيرات وزن الجسم، مما يقوض فائدته للمراقبة الدقيقة.

ماذا يعني هذا للمرضى والمقدِّمين الصحيين

يستنتج المؤلفون أن SNAQ، وربما تطبيقات النظام الغذائي المماثلة المعتمدة على الذكاء الاصطناعي، ليست موثوقة بعد بما يكفي للتقييم الغذائي الدقيق لدى النساء المصابات بالسمنة. قد يؤدي التقليل من مدخول الطاقة بنحو ربع — وفعل ذلك بشكل غير متسق — إلى تضليل الأطباء والمرضى بسهولة حول سبب نجاح أو فشل علاج ما. وتؤكد الدراسة أنه قبل أن تُدمج مثل هذه الأدوات في الرعاية السريرية، يجب أن تجتاز اختبارات واضحة وموحدة للدقة والثبات والسلامة، تماماً مثل الأجهزة الطبية أو الاختبارات التشخيصية. في الوقت الراهن، ينبغي اعتبار الراحة الرقمية كإضافة مفيدة لرفع الوعي، لا كمقياس مستقل لاتخاذ قرارات جادة بشأن علاج السمنة.

الاستشهاد: Serra, M., Alceste, D., Jucker, N. et al. Limited validity of an AI-powered app for dietary assessment in females with obesity. npj Digit. Med. 9, 357 (2026). https://doi.org/10.1038/s41746-026-02536-2

الكلمات المفتاحية: تطبيقات تتبع النظام الغذائي, الذكاء الاصطناعي في التغذية, إدارة السمنة, دقة تقييم النظام الغذائي, التحقق من الصحة الرقمية