Clear Sky Science
הסברים מבוססי ראיות, עם מעט ז'רגון

Clear Sky Science · he

תוקף מוגבל של אפליקציה מונעת בינה מלאכותית להערכת תזונה בנשים עם השמנת יתר

· חזרה לאינדקס

מדוע אפליקציית מעקב מזון עלולה לא לספר את כל הסיפור

רבים פונים לאפליקציות בסמארטפון כדי לעקוב אחרי מה שהם אוכלים, במיוחד כשמנסים לנהל משקל. כלים אלה מבטיחים להפוך תמונות מהירות של ארוחות לספירת קלוריות מדויקת. מחקר זה בחן האם אחת מהאפליקציות המונעות בינה מלאכותית, שנקראת SNAQ, משקפת בפועל את צריכת האנרגיה היומית של נשים עם השמנת יתר. הממצאים חשובים לכל מי שעשוי להסתמך על המספרים האלה בקבלת החלטות רפואיות, בתכניות להרזיה או במטרות בריאות ארוכות טווח.

Figure 1
Figure 1.

כיצד נערך המחקר

חוקרים בשווייץ גייסו 20 נשים מבוגרות החיות עם השמנת יתר ומעקב אחריהן במשך שבוע בשגרה היומיומית שלהן. כל משתתפת השתמשה באפליקציית SNAQ כדי לצלם את כל מה שהיא אכלה ושתתה. האפליקציה השתמשה בחיישני עומק ובראייה ממוחשבת כדי להמיר את התמונות לאומדנים של קלוריות ומחומרים מזינים יומיים. כדי לקבל קנה מידה אמין, הצוות מדד גם את השימוש האנרגטי השנתי של כל אישה בשיטה מעבדתית בעלת סטנדרט זהב שנקראת מים מסומנים כפולים (doubly labelled water), שמנתחת כמה מהר מצעדי סימון בלתי מזיקים עוזבים את הגוף. בנוסף, הנשים השלימו ראיונות תזונה מסורתיים של 24 שעות, שיטה ותיקה אך בלתי מושלמת לזכירת הצריכה של היום הקודם.

מה האפליקציה טעתה

כאשר החוקרים השוו את המספרים מהאפליקציה לשימוש האנרגיה האמיתי של הגוף, הפערים היו גדולים. בממוצע, גופי הנשים השתמשו בכ-3000 קלוריות ליום, אך SNAQ דיווחה רק על כ-2200 — תת־הערכת סדר גודל של כ-25 אחוז. ראיונות ה-24 שעות נעשו אפילו פחות מדויקים, עם החמצה של כמות הקלוריות האמיתית בכמות של כ־חצי. באופן קריטי, השגיאות לא היו קבועות מאדם לאדם. אצל חלק מהנשים האפליקציה העריכה קלוריות מעט יותר גבוה, בעוד אצל אחרות היא טעתה בהפרשים של אלפים. מבחנים סטטיסטיים הראו כמעט ולא הייתה התאמה מאמינה בין מה שהאפליקציה דיווחה למה שהמטבוליזם של הגוף הצביע עליו עבור כל פרט.

מדוע המספרים חוטים כל כך

החוקרים מצביעים הן על התנהגות אנושית והן על מגבלות טכנולוגיות כדי להסביר את ההתאמה הלא-מדויקת. בתנאי חיים אמיתיים, אנשים עלולים לשכוח לצלם חטיפים, לשנות את התאורה או לכסות חלק מהמזון במסגרת הצילום. מערכת ה-AI נדרשת גם לנחש מהו כל פריט וכמה ממנו קיים, שהופך לקשה יותר כשמנתיות גדולות, מזונות מעורבים או משקאות בכלים אטומים. מאחר שסטי אימון מגיעים לעתים קרובות מארוחות סטנדרטיות וממנות קטנות יותר, דפוסי אכילה הנפוצים בהשמנת יתר עשויים להיות מחוץ לאזור הנוחות של האפליקציה. טעויות קטנות בכל שלב מצטברות, ויוצרות אומדני אנרגיה שנדדים במידה ניכרת וכושלים במעקב אחר גודל הגוף, הרכב הגוף או שינויים במשקל קצרי טווח.

Figure 2
Figure 2.

מגבלות של קיצורי דרך דיגיטליים

למרות שממוצעי הקבוצה מהאפליקציה נראו קרובים יותר לשיטה המעבדתית מאשר הראיונות, הצלחה לכאורה זו הסתברה כמטעה. מספר הערכות יתר גדולות איזנו רבות מהערכות החסר, והסתירו את העובדה שהרישומים האישיים היו תנודתיים מאוד מיום ליום. כאשר הצוות יישם בדיקות סטנדרטיות שמדלות דיווחי תזונה חשודים, רק כשליש מרישומי היומיים של האפליקציה נחשבו אפילו כהגיוניים. האפליקציה גם לא הראתה קשר משמעותי לסמנים פיזיולוגיים מרכזיים, כגון מסת גוף נטולת שומן או שינויים במשקל הגוף, מה שהחליש עוד את יעילותה למעקב קפדני.

מה זה אומר עבור מטופלות ורופאים

המחברים מסכמים ש-SNAQ, וככל הנראה אפליקציות תזונה מבוססות AI דומות, אינן מספיק אמינות כרגע להערכת תזונה מדויקת בנשים עם השמנת יתר. תת־הערכת צריכת אנרגיה של כ־25 אחוז — ובעשייה זו באופן לא עקבי — עלולה להטעות בקלות רופאים ומטופלות לגבי הסיבה שטיפול עובד או אינו עובד. המחקר טוען שלפני שכלים כאלה ישולבו בטיפול הקליני, הם חייבים לעבור בדיקות ברורות וסטנדרטיות של דיוק, יציבות ובטיחות, בדומה למכשירים רפואיים או בדיקות אבחון. לעת עתה, הנוחות הדיגיטלית צריכה להיחשב ככלי עזר להעלאת מודעות, ולא כמדד עצמאי להחלטות רציניות לגבי טיפול בהשמנת יתר.

ציטוט: 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

מילות מפתח: אפליקציות מעקב תזונה, בינה מלאכותית בתזונה, ניהול השמנת יתר, דיוק בהערכת תזונה, אימות בריאות דיגיטלית