Ограниченная достоверность приложения с ИИ для оценки питания у женщин с ожирением

Почему приложение для отслеживания еды может не рассказать всей правды

Многие люди обращаются к смартфонным приложениям, чтобы следить за тем, что они едят, особенно при попытках контролировать вес. Эти инструменты обещают превращать быстрые снимки блюд в точные подсчёты калорий. В этом исследовании проверяли, отражает ли одно такое приложение на базе искусственного интеллекта под названием SNAQ реальное потребление энергии женщинами с ожирением в повседневной жизни. Результаты важны для тех, кто может полагаться на эти цифры при принятии медицинских решений, планировании похудения или постановке долгосрочных целей по здоровью.

Как было организовано исследование

Исследователи в Швейцарии набрали 20 взрослых женщин с ожирением и наблюдали за ними в течение недели в обычных условиях. Каждая участница использовала приложение SNAQ, фотографируя всё, что ела и пила. Приложение применяло датчики глубины и компьютерное зрение, чтобы преобразовывать эти снимки в оценки ежедневного потребления калорий и нутриентов. В качестве надёжного эталона команда также измеряла суточное энергопотребление каждой женщины с помощью золотого стандарта — метода двойных меченых вод, который отслеживает скорость выведения безопасных меток из организма. Кроме того, женщины проходили традиционные 24‑часовые диетические интервью — давний, но несовершенный способ вспоминать приём пищи за предыдущий день.

Где приложение ошибалось

При сопоставлении данных приложения с фактическим энергопотреблением организма расхождения оказались значительными. В среднем организм женщин расходовал около 3000 калорий в день, тогда как SNAQ показал примерно 2200 — недооценка примерно на 25 процентов. 24‑часовые интервью показали ещё худшие результаты, упуская около половины реального потребления. Что важно, ошибки были непостоянными у разных людей. Для одних женщин приложение немного переоценивало калории, для других — промахивалось на тысячи. Статистические тесты фактически не выявили надежной связи между тем, что показывало приложение, и тем, что указывал метаболизм организма для конкретной личности.

Почему цифры так сильно расходятся

Исследователи указывают как на поведение людей, так и на технологические ограничения, чтобы объяснить несоответствие. В реальной жизни люди могут забывать фотографировать перекусы, меняется освещение или еда частично закрыта в кадре. Система ИИ также должна угадывать, что именно на снимке и в каком количестве, что становится сложнее при больших порциях, смешанных блюдах или напитках в непрозрачной посуде. Поскольку обучающие данные часто содержат более стандартные блюда и меньшие порции, пищевые шаблоны, характерные для людей с ожирением, могут выходить за пределы «зоны комфорта» приложения. Небольшие ошибки на каждом этапе суммируются, приводя к оценкам энергии, которые сильно колеблются и не коррелируют с размерами тела, составом тела или краткосрочными изменениями веса.

Пределы цифровых упрощений

Хотя средние значения по группе, полученные приложением, выглядели несколько ближе к лабораторному методу, чем данные интервью, это кажущееся соответствие оказалось вводящим в заблуждение. Несколько крупных переоценок компенсировали множество недооценок, скрывая тот факт, что индивидуальные записи были крайне нестабильны изо дня в день. Когда команда применила стандартные проверки, отмечающие подозрительные отчёты о питании, лишь около трети дневных записей приложения можно было считать даже приемлемо точными. Приложение также не показало значимой связи с ключевыми физиологическими маркерами, такими как безжировая масса тела или изменения веса, что дополнительно подрывает его полезность для тщательного мониторинга.

Что это значит для пациентов и клиницистов

Авторы приходят к выводу, что SNAQ и, вероятно, аналогичные приложения на базе ИИ пока недостаточно надёжны для точной оценки питания у женщин с ожирением. Недооценка потребления энергии примерно на четверть — и при этом непоследовательная — может легко ввести врачей и пациентов в заблуждение относительно причин успеха или неудачи лечения. В исследовании утверждается, что прежде чем такие инструменты будут внедряться в клиническую практику, они должны пройти чёткие стандартизованные проверки точности, стабильности и безопасности, подобно медицинским приборам или диагностическим тестам. Пока же цифровое удобство следует рассматривать как полезное дополнение для повышения осведомлённости, а не как самостоятельную меру для серьёзных решений по лечению ожирения.

Цитирование: 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

Ключевые слова: приложения для отслеживания диеты, искусственный интеллект в питании, контроль ожирения, точность оценки питания, проверка цифрового здоровья