Begränsad giltighet för en AI-driven app för kostbedömning hos kvinnor med fetma

Varför en matspårningsapp kanske inte visar hela bilden

Många vänder sig till mobilappar för att hålla koll på vad de äter, särskilt när de försöker hantera sin vikt. Dessa verktyg lovar att förvandla snabba måltidsbilder till precisa kaloriuppskattningar. Denna studie undersökte om en sådan AI-driven app, kallad SNAQ, faktiskt speglar hur mycket energi kvinnor med fetma förbrukar i vardagen. Resultaten är viktiga för alla som kan komma att förlita sig på dessa siffror för medicinska beslut, viktminskningsplaner eller långsiktiga hälsomål.

Hur studien genomfördes

Forskare i Schweiz rekryterade 20 vuxna kvinnor med fetma och följde dem under en vecka i deras normala vardag. Varje deltagare använde SNAQ-appen för att fotografera allt hon åt och drack. Appen använde djupsensorer och datorseende för att omvandla dessa bilder till uppskattningar av dagliga kalorier och näringsämnen. För att få en pålitlig jämförelsemätning mätte teamet också varje kvinnas totala dagliga energiförbrukning med en guldstandardmetod i laboratorium kallad doubly labelled water, som följer hur snabbt ofarliga markörer lämnar kroppen. Dessutom genomförde kvinnorna traditionella 24-timmarskostintervjuer, en långvarig men ofullständig metod för att återge gårdagens intag.

Vad appen missade

När forskarna jämförde appens siffror med kroppens verkliga energiförbrukning var skillnaderna stora. I genomsnitt förbrukade kvinnornas kroppar omkring 3000 kalorier per dag, medan SNAQ rapporterade ungefär 2200—en underskattning på cirka 25 procent. De 24‑timmarsintervjuerna gjorde ännu sämre ifrån sig och missade cirka hälften av det verkliga intaget. Avgörande var att felen inte var konsekventa mellan individer. För vissa kvinnor överskattade appen kalorier något, medan den för andra slog fel med flera tusen. Statistiska tester visade i princip ingen pålitlig överensstämmelse mellan vad appen rapporterade och vad kroppens ämnesomsättning indikerade för någon enskild person.

Varför siffrorna avviker så mycket

Forskarna pekar på både mänskligt beteende och tekniska begränsningar för att förklara avvikelsen. Under verkliga förhållanden kan personer glömma att fotografera mellanmål, ändra belysning eller delvis täcka maten i bildrutan. AI-systemet måste också gissa vad varje föremål är och hur mycket som finns, vilket blir svårare när portionerna är stora, livsmedel är blandade eller drycker finns i ogenomskinliga behållare. Eftersom träningsdata ofta kommer från mer standardiserade måltider och mindre portioner kan ätmönster som är vanliga vid fetma ligga utanför apparens bekvämlighetszon. Små fel i varje steg adderas och leder till energiskattningar som varierar kraftigt och misslyckas med att följa kroppsstorlek, kroppssammansättning eller kortsiktiga viktförändringar.

Begränsningar med digitala genvägar

Även om gruppmedelvärden från appen såg något närmare labbmetoden än de intervju‑baserade återgivningarna, visade sig denna till synes positiva bild vara missvisande. Några få stora överskattningar balanserade många underskattningar och dolde att individuella poster var mycket ostabila från dag till dag. När teamet tillämpade standardkontroller som flaggar misstänkta kostrapporter kunde bara omkring en tredjedel av appens dagliga poster anses ens vara rimligt korrekta. Appen visade också ingen meningsfull relation till viktiga fysiologiska markörer, såsom fettfri massa eller förändringar i kroppsvikt, vilket ytterligare undergräver dess användbarhet för noggrann övervakning.

Vad detta innebär för patienter och kliniker

Författarna drar slutsatsen att SNAQ, och sannolikt liknande AI‑baserade kostappar, ännu inte är tillförlitliga nog för precis kostbedömning hos kvinnor med fetma. Att underskatta energiintaget med omkring en fjärdedel—och göra det inkonsekvent—kan lätt vilseleda läkare och patienter om varför en behandling fungerar eller inte. Studien argumenterar för att innan sådana verktyg vävs in i klinisk vård måste de klara tydliga, standardiserade tester av noggrannhet, stabilitet och säkerhet, på samma sätt som medicintekniska produkter eller diagnostiska tester. För närvarande bör digital bekvämlighet ses som ett hjälpsamt komplement för att öka medvetenheten, inte som ett fristående mätinstrument för allvarliga beslut om behandling av fetma.

Citering: 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

Nyckelord: appar för kostregistrering, artificiell intelligens inom nutrition, behandling av fetma, noggrannhet i kostbedömning, validering av digital hälsa