OpenMetabolics: Energieverbruik schatten met een smartphone in je zak

Waarom je telefoon een doorbraak voor gezondheid kan zijn

Actief blijven is een van de eenvoudigste manieren om je gezondheid te beschermen, maar we hebben nog steeds moeite om precies te meten hoeveel beweging ons lichaam elke dag daadwerkelijk verricht. Fitness trackers en stappentellers geven grove schattingen, maar missen vaak korte activiteitspieken en schatten inspanning verkeerd in. Deze studie introduceert OpenMetabolics, een nieuwe manier om een gewone smartphone in een broekzak te gebruiken om te schatten hoeveel energie je verbruikt in het dagelijks leven, en waarmee iedereen met een telefoon mogelijk toegang krijgt tot monitoring van activiteit op laboratoriumkwaliteit.

Van zaktelefoons naar activiteitmeters

De kern van OpenMetabolics is dat je benen het meeste werk doen bij veelvoorkomende activiteiten zoals lopen, traplopen, rennen en fietsen. Als een telefoon in je zak zit, registreren de ingebouwde bewegingssensoren elke zwaai van je been. De onderzoekers bouwden een systeem dat deze beenbeweging volgt en gebruikt om te schatten hoeveel energie je spieren verbruiken. In plaats van zich te baseren op eenvoudige stapentellingen of hartslagzones, bestudeert het systeem het bewegingspatroon van elke stap en koppelt dat aan energieverbruik dat in eerdere labo-experimenten is gemeten.

Van ruwe beweging naar energieverbruik

Om dit te laten werken, moest het team eerst rommelige bewegingen uit de echte wereld vertalen naar iets waar een computer van kan leren. Ze ontwikkelden algoritmen die de positie van de telefoon aligneren met het dijbeen, beweging opsplitsen in individuele loop- of renslagen en elke stap reduceren tot een compacte beschrijving van hoe het been bewoog. Vervolgens trainden ze een machine-learningmodel—opgebouwd uit veel kleine beslissingsbomen—op gegevens van 36 mensen die activiteiten in het lab uitvoerden terwijl hun werkelijke energieverbruik werd gemeten met gespecialiseerde ademhalingsapparatuur. Dit model leerde de relatie tussen beenbeweging, lichaamsgrootte en energiegebruik, waardoor het later het verbrande energie per stap buiten het lab kon schatten.

Populaire wearables verslaan in echte straten

Vervolgens testten de onderzoekers OpenMetabolics in alledaagse omgevingen. Vrijwilligers liepen, renden, liepen trappen op, fietsten en liepen een helling op buitenshuis terwijl ze een rugzakachtige ademhalingsunit droegen voor referentiemetingen, plus gangbare apparaten: een smartwatch, een hartslagmeter, een stappenteller, een dijbevestigde bewegingssensor en een aan het dijbeen vastgemaakte telefoon. Over deze activiteiten heen leverde het smartphonegebaseerde OpenMetabolics-systeem de meest nauwkeurige schattingen van energieverbruik, met ongeveer de helft van de cumulatieve fout van veel bestaande hulpmiddelen. Het presteerde vooral goed tijdens wandelen op trottoirs en trappen in de echte wereld, waar eenvoudige stappentellers en polsapparaten vaak langzaam, makkelijk lopen verwarren met zwaarder traplopen of wandelen op een helling.

Het probleem van wiebelende zakken oplossen

Natuurlijk dragen mensen hun telefoons meestal niet vast aan het dijbeen. In het echte leven bewegen telefoons in losse zakken, wat “bewegingsruis” veroorzaakt die de sensoren kan verwarren. Om dit op te lossen nam het team loopgegevens op van mensen in verschillende kleding—jeans, trainingsbroeken, gewone shorts en sportshorts—terwijl ze één telefoon in de zak en een andere stevig aan het dijbeen vastgestrapt droegen. Ze trainden een eenvoudig correctiemodel dat leert welke extra beweging typisch ontstaat door het verschuiven van de telefoon in de zak en dit eruit haalt. Dit verminderde bewegingsfouten met meer dan een kwart en verwijderde het grootste deel van de vooringenomenheid in energie-schattingen tussen kledingtypes. Toen de onderzoekers honderden combinaties van personen en kleding simuleerden, bleken de gecorrigeerde zaktelefoongegevens net zo nauwkeurig als gegevens van een stevig vastgemaakte telefoon.

Het dagelijks leven in detail zien

Tot slot voerden de onderzoekers een weeklange thuissstudie uit waarbij deelnemers simpelweg een studie-smartphone in hun zak droegen tijdens hun waakuren. OpenMetabolics produceerde een energieschatting voor bijna elke stap en onthulde rijke patronen over dagen en weken. Het legde vast hoeveel beweging zich concentreerde rond woon-werkverkeer, hoe individuele activiteitsniveaus verschilden en hoe energiegebruik op zondag lager lag dan doordeweeks—overeenkomend met trends uit grotere bevolkingsstudies. Omdat het hele systeem als een app is geïmplementeerd en de data en code openlijk worden gedeeld, kan het in principe met grote groepen mensen in veel settings worden gebruikt, ook in gemeenschappen zonder toegang tot dure medische apparatuur.

Wat dit betekent voor alledaagse gezondheid

Voor niet-experts is de conclusie helder: dit werk toont aan dat een gewone smartphone in je zak nauwkeurig kan bijhouden hoeveel energie je verbruikt, stap voor stap, en kan wedijveren met gespecialiseerde laboapparatuur en veel populaire wearables overtreffen. Door de methoden en software open source te maken, hopen de auteurs dat onderzoekers, clinici en volksgezondheidsorganisaties grootschalige, goedkope studies kunnen uitvoeren die eindelijk verduidelijken hoe beweging in de echte wereld gezondheid, ziektarisico en behandelingsresultaten beïnvloedt. Op de lange termijn kunnen tools zoals OpenMetabolics helpen bij het afstemmen van trainingsadvies, het sturen van stedelijk ontwerp, het ondersteunen van gewichtsbeheer- en revalidatieprogramma’s en het brengen van hoogwaardige activiteitsmonitoring naar mensen die nooit een fitness-tracker hebben gehad.

Bronvermelding: Cho, H., Slade, P. OpenMetabolics: Estimating energy expenditure using a smartphone worn in a pocket. Commun Eng 5, 35 (2026). https://doi.org/10.1038/s44172-026-00604-9

Trefwoorden: lichamelijke activiteit, energieverbruik, smartphone-sensing, draagbare gezondheid, looppatronen