تقييم أخصائية تغذية مسجلة لتقنيات تتبع السعرات الحرارية بالذكاء الاصطناعي: هل هي دقيقة بما يكفي؟

ما مدى دقة تتبع السعرات الحرارية؟ يبدو أن هذا سؤال بسيط، لكنه يحمل إجابة معقدة، وهو سؤال مهم أكثر من أي وقت مضى مع استبدال تطبيقات التغذية المدعومة بالذكاء الاصطناعي لمفكرة الطعام اليدوية.

للاستكشاف هذا السؤال، جلسنا مع الدكتورة راشيل توريس، أخصائية تغذية مسجلة (RDN) تتمتع بخبرة سريرية تمتد لأربعة عشر عامًا، وهي معلمة معتمدة في إدارة مرض السكري وباحثة نشرت دراسات حول منهجيات تقييم النظام الغذائي. استخدمت الدكتورة توريس طرق تتبع الطعام التقليدية مع الآلاف من المرضى، وكانت تقيم البدائل المعتمدة على الذكاء الاصطناعي، بما في ذلك Nutrola، على مدى السنوات الثلاث الماضية.

ما يلي هو وجهة نظرها السريرية حول تتبع السعرات الحرارية بالذكاء الاصطناعي: ما الذي ينجح، وأين يفشل، وما إذا كان دقيقًا بما يكفي للاستخدام في العالم الحقيقي.

المشكلة مع تتبع الطعام التقليدي

الدكتورة توريس: قبل أن نقيم تتبع الذكاء الاصطناعي، يجب أن نكون صادقين بشأن الأساس الذي نقارنه به. يُعتبر تتبع الطعام التقليدي، الذي يعني البحث يدويًا في قاعدة بيانات وتسجيل كل عنصر، غالبًا الطريقة "الدقيقة". لكن الأبحاث تخبرنا قصة مختلفة.

تظهر الدراسات التي تستخدم الماء المسمى مزدوجًا، وهو المعيار الذهبي لقياس الإنفاق الفعلي للطاقة، أن المدخول الغذائي المبلغ عنه ذاتيًا يقلل من التقديرات الحقيقية بنسبة تتراوح بين 20 إلى 50 بالمئة، حسب الفئة السكانية. ينسى الناس الوجبات الخفيفة، ويقللون من تقدير أحجام الحصص، وغالبًا ما لا يسجلون الزيوت، والصلصات، أو المشروبات.

وجدت مراجعة منهجية نُشرت في المجلة البريطانية للتغذية أن دفاتر الطعام اليدوية تقلل من تقدير الطاقة بمعدل 28 بالمئة في الأفراد ذوي الوزن الطبيعي، و47 بالمئة في الأفراد الذين يعانون من السمنة. هذه ليست أخطاء صغيرة، بل هي كبيرة بما يكفي لتلغي تمامًا عجز السعرات المخطط له.

لذا عندما نسأل ما إذا كان تتبع الذكاء الاصطناعي "دقيقًا بما يكفي"، فإن السؤال الحقيقي هو: دقيق بما يكفي مقارنةً بماذا؟ الوضع الحالي معيب بالفعل بشكل عميق.

كيفية عمل تتبع السعرات الحرارية بالذكاء الاصطناعي: تقييم سريري

الدكتورة توريس: عادةً ما يستخدم تتبع الطعام المدعوم بالذكاء الاصطناعي واحدة أو أكثر من هذه الطرق:

1. التعرف على الصور. يقوم المستخدم بالتقاط صورة لوجبتهم، ويقوم نموذج رؤية الكمبيوتر بتحديد العناصر الغذائية وتقدير الحصص.
2. معالجة اللغة الطبيعية. يقوم المستخدم بوصف وجبتهم نصيًا أو صوتيًا، ويقوم الذكاء الاصطناعي بتحليل الوصف إلى عناصر غذائية فردية مع تقديرات للكميات.
3. مسح الباركود. يقوم المستخدم بمسح عنصر غذائي معبأ، وتسترجع التطبيق البيانات الغذائية من قاعدة بيانات المنتجات.
4. طرق مركبة. التطبيقات الأكثر تطورًا، بما في ذلك Nutrola، تجمع بين عدة طرق. يمكنك تصوير الوجبة، ووصف الإضافات التي قد تفوتها الكاميرا ("أضفت ملعقة كبيرة من زيت الزيتون")، ومسح المكونات المعبأة.

من منظور سريري، كل من هذه الطرق لها ملفات دقة مميزة.

دقة التعرف على الصور

الدكتورة توريس: تحسنت دقة التعرف على الطعام القائم على الصور بشكل كبير في السنوات الخمس الماضية. يمكن للأنظمة الحديثة تحديد الأطعمة الشائعة بدقة تتراوح بين 85 إلى 92 بالمئة في البيئات الخاضعة للرقابة. لكن "التحديد الصحيح" هو نصف المعادلة فقط. المشكلة الأصعب هي تقدير حجم الحصة.

لقد اختبرت عدة تطبيقات تتبع بالذكاء الاصطناعي من خلال تصوير وجبات قمت بوزنها على ميزان غذائي عالي الدقة. إليك ما وجدته:

نوع الوجبة	تقدير السعرات الحرارية من الذكاء الاصطناعي	السعرات الفعلية (الموزونة)	الخطأ
صدر دجاج مشوي مع أرز وبروكلي	520 kcal	545 kcal	-4.6%
باستا مع صلصة اللحم وسلطة جانبية	680 kcal	730 kcal	-6.8%
قلاية مع خضار مختلطة وتوفو	410 kcal	465 kcal	-11.8%
برجر، بطاطس، ومشروب	1,150 kcal	1,220 kcal	-5.7%
كاري هندي مع خبز نان	620 kcal	710 kcal	-12.7%
وعاء سموذي مع إضافات	380 kcal	430 kcal	-11.6%
ساندويتش بسيط مع رقائق	590 kcal	610 kcal	-3.3%

ظهرت عدة أنماط من اختباري:

الوجبات البسيطة والمتميزة أكثر دقة. عندما تكون العناصر الغذائية الفردية واضحة ومفصولة على الطبق (مثل الدجاج، والأرز، والبروكلي)، فإن الذكاء الاصطناعي يعمل بشكل جيد. تميل الأخطاء إلى أن تكون أقل من 7 بالمئة.

الأطباق المختلطة والصلصات هي نقطة الضعف. الكاري، والقلايات، والأطباق التي يتم فيها دمج المكونات معًا تكون أصعب على الذكاء الاصطناعي لتقييمها. يكافح النموذج لتقدير محتوى الزيت، وكثافة الصلصة، ونسبة كل مكون. يمكن أن تصل الأخطاء إلى 10 إلى 15 بالمئة.

هناك انحياز مستمر في التقدير المنخفض. في اختباري، كان الذكاء الاصطناعي يميل دائمًا إلى التقليل من التقديرات بدلاً من المبالغة فيها. هذه نمط معروف، وهو يعكس اتجاه الخطأ البشري في التتبع اليدوي. يميل الذكاء الاصطناعي إلى التقليل من تقديرات الزيت، والدهون المضافة، والصلصات الكثيفة.

دقة إدخال اللغة الطبيعية

الدكتورة توريس: لقد انبهرت بكيفية نضوج إدخال اللغة الطبيعية. عندما أخبرت مساعد الذكاء الاصطناعي في Nutrola "تناولت وعاء كبيرًا من الشوفان مع موزة، وملعقة كبيرة من زبدة الفول السوداني، وبعض العسل"، أعاد تقديرًا قدره 485 سعرة حرارية. كان قياسي الموزون 510 سعرات حرارية، بخطأ حوالي 5 بالمئة.

ميزة إدخال اللغة الطبيعية هي أنها تتيح لك تحديد التفاصيل التي قد تفوتها الكاميرا: "مُعد في زبدة"، "مع جبنة إضافية"، "صلصة على الجانب". في الممارسة العملية، أوصي باستخدام نهج مركب: تصوير الوجبة ثم إضافة ملاحظة صوتية حول أي شيء غير مرئي.

عتبة الدقة السريرية

الدكتورة توريس: في التغذية السريرية، نعتبر عمومًا أن طريقة تقييم النظام الغذائي "مقبولة" إذا كانت تقديراتها للطاقة تقع ضمن 10 بالمئة من المدخول الفعلي. تأتي هذه العتبة من الفهم بأن حتى الطرق المخبرية تحتوي على خطأ قياس، وأنه بالنسبة لمعظم الأهداف الصحية السريرية والشخصية، فإن هامش 10 بالمئة يكون قابلاً للتنفيذ.

إليك كيف تقارن طرق التتبع المختلفة مع تلك العتبة:

الطريقة	نطاق الخطأ النموذجي	تفي بعتبة 10%؟	ملاحظات عملية
الماء المسمى مزدوجًا (المعيار الذهبي)	1-2%	نعم	طريقة مخبرية، ليست عملية للاستخدام اليومي
سجلات الطعام الموزونة	2-5%	نعم	دقيقة جدًا ولكن مرهقة للغاية
التتبع اليدوي عبر التطبيقات (مستخدم دقيق)	10-25%	أحيانًا	يعتمد بشكل كبير على اجتهاد المستخدم
التتبع اليدوي عبر التطبيقات (مستخدم عادي)	25-50%	نادرًا	وجبات مفقودة، وجبات خفيفة منسية، أخطاء في الحصص
تتبع السعرات الحرارية بالذكاء الاصطناعي (وجبات بسيطة)	3-8%	نعم	الأفضل للوجبات المتميزة والمفصولة
تتبع السعرات الحرارية بالذكاء الاصطناعي (وجبات معقدة)	10-15%	على الحدود	الصلصات، الأطباق المختلطة، الدهون المخفية
نهج الذكاء الاصطناعي المركب (صورة + وصف)	5-10%	عادةً	أفضل دقة عامة للاستخدام اليومي

الرؤية الرئيسية هنا هي: إن تتبع الذكاء الاصطناعي، عند استخدامه بشكل صحيح مع مزيج من إدخال الصور والنص، أكثر دقة مما يحققه معظم الناس مع التدوين اليدوي. ليس دقيقًا مثل وزن كل شيء على الميزان، لكنه أكثر استدامة بشكل كبير.

الاستدامة مقابل الدقة

الدكتورة توريس: هذه هي النقطة التي أريد التأكيد عليها بشدة. في ممارستي السريرية، رأيت الآلاف من المرضى يبدأون تتبع الطعام. النمط دائمًا هو نفسه: حماس كبير في الأسبوع الأول، تراجع في الانخراط بحلول الأسبوع الثاني، وتخلي كامل بحلول الأسبوع الرابع. يحدث هذا حتى مع أكثر التطبيقات اليدوية سهولة في الاستخدام.

السبب هو الوقت. يستغرق تتبع الطعام اليدوي من 15 إلى 20 دقيقة يوميًا عند القيام به بدقة. معظم الناس، وخاصة أولئك الذين لديهم وظائف متطلبة، وعائلات، وحياة اجتماعية، ببساطة لا يمكنهم الحفاظ على ذلك.

طريقة دقيقة بنسبة 95 بالمئة ولكن تُستخدم لمدة أسبوعين أقل قيمة من طريقة دقيقة بنسبة 90 بالمئة ولكن تُستخدم لمدة ستة أشهر. الاستمرارية هي المقياس الحقيقي الذي يهم النتائج.

هنا يتغير تتبع الذكاء الاصطناعي المعادلة السريرية. يقلل تقليل وقت التدوين (من 15-20 دقيقة إلى 2-3 دقائق يوميًا لمعظم المستخدمين) من الالتزام بشكل كبير. في ممارستي، يحتفظ المرضى الذين يستخدمون تتبعًا مدعومًا بالذكاء الاصطناعي مثل Nutrola بتدوين مستمر لمدة 4 إلى 5 أشهر في المتوسط، مقارنةً بـ 3 إلى 4 أسابيع مع التطبيقات اليدوية. هذه الفجوة في الالتزام تترجم مباشرة إلى نتائج أفضل.

أين يفشل تتبع الذكاء الاصطناعي: تقييم صادق

الدكتورة توريس: لا يمكن أن تكون أي مراجعة صادقة دون الاعتراف بالقيود. إليك أين لا يزال تتبع السعرات الحرارية بالذكاء الاصطناعي يعاني:

الوصفات المنزلية والعائلية

عندما تطبخ وصفة عائلية بمكونات يتم قياسها بالحدس بدلاً من أكواب القياس، لا يمكن لأي ذكاء اصطناعي تقدير النتيجة بدقة. قد تختلف حساء الدجاج الخاص بالجدة بمقدار 200 سعرة حرارية من دفعة إلى أخرى بناءً على كمية الزيت المستخدمة، ودهون الدجاج، وما إذا كانت قد أضافت بطاطس إضافية. يمكن للذكاء الاصطناعي أن يقدم تقديرًا معقولًا، لكنه لن يتطابق أبدًا مع دقة وزن كل مكون قبل الطهي.

توصيتي: بالنسبة للوجبات المنزلية الأساسية التي تتناولها بشكل متكرر، اعتبر وزن المكونات مرة واحدة، وحفظ الوصفة في تطبيق التتبع الخاص بك، ثم استخدام تلك الوصفة المحفوظة في المستقبل.

وجبات المطاعم

تعتبر وجبات المطاعم تحديًا لأن أحجام الحصص غير متوقعة، وطرق الطهي غير مرئية، والعديد من المطاعم تستخدم المزيد من الزبدة، والزيت، والملح أكثر من الطهاة في المنزل. يمكن للذكاء الاصطناعي تحديد الطبق وتقديم تقدير معقول، لكن المحتوى الحقيقي للسعرات الحرارية في طبق المعكرونة بالمطعم قد يختلف بنسبة 30 بالمئة أو أكثر عن التقدير، ببساطة بسبب كمية الزيت التي استخدمها الطاهي في ذلك اليوم.

توصيتي: تقبل أن تسجيل وجبات المطاعم سيكون أقل دقة وركز على تقديم أفضل تقدير ممكن. على مدار أسبوع، تميل هذه الأخطاء إلى التوازن.

الأنظمة الغذائية منخفضة السعرات جدًا والسريرية

بالنسبة للمرضى الذين يتبعون علاج تغذوي طبي، مثل أولئك الذين يديرون مرض الكلى المزمن (حيث يكون تتبع البروتين والبوتاسيوم بدقة أمرًا حاسمًا) أو أولئك الذين يتبعون أنظمة غذائية منخفضة السعرات تحت إشراف طبي، فإن تتبع الذكاء الاصطناعي وحده ليس كافيًا. تتطلب هذه الحالات دقة سجلات الطعام الموزونة وإشراف أخصائي تغذية سريري.

توصيتي: إذا كنت تدير حالة طبية تتطلب تحكمًا غذائيًا دقيقًا، استخدم تتبع الذكاء الاصطناعي كمكمل، وليس كبديل، للإرشادات الغذائية السريرية.

السعرات الحرارية السائلة والمشروبات

تعتبر السموذي، والكوكتيلات، ومشروبات القهوة الخاصة، وغيرها من مصادر السعرات الحرارية السائلة من أصعب العناصر التي يمكن للذكاء الاصطناعي تقييمها من خلال صورة. قد تحتوي سموذي خضراء على 200 أو 600 سعرة حرارية اعتمادًا على المكونات، والفرق المرئي ضئيل.

توصيتي: استخدم إدخال اللغة الطبيعية للمشروبات. وصف "لاتيه مثلج متوسط مع حليب الشوفان وشراب الفانيليا" يوفر للذكاء الاصطناعي الكثير من المعلومات أكثر من صورة لكوب.

تتبع الذكاء الاصطناعي في الممارسة السريرية: تجربتي

الدكتورة توريس: لقد قمت بإدماج أدوات تتبع مدعومة بالذكاء الاصطناعي في ممارستي السريرية لمدة ثلاث سنوات. إليك ما لاحظته:

مرضى فقدان الوزن: لقد حسّن تتبع الذكاء الاصطناعي معدلات الالتزام بشكل كبير. المرضى الذين كانوا يتخلون سابقًا عن تسجيل الطعام خلال شهر أصبحوا الآن يحتفظون بسجلات مستمرة لعدة أشهر. الدقة كافية لإنشاء والحفاظ على عجز السعرات، وهو الهدف الرئيسي لهذه الفئة.

إدارة السكري: بالنسبة للمرضى الذين يعانون من السكري من النوع الثاني، يساعد تتبع الذكاء الاصطناعي في الوعي بالكربوهيدرات، وهو العامل الغذائي الأكثر أهمية لإدارة مستوى السكر في الدم. حتى عندما يكون تقدير السعرات خاطئًا بنسبة 10 بالمئة، فإن تحديد الكربوهيدرات عادة ما يكون قريبًا بما يكفي لدعم أنماط سكر الدم المعنوية.

التعافي من اضطرابات الأكل: هذه منطقة أمارس فيها حذرًا شديدًا. بالنسبة للمرضى الذين يتعافون من فقدان الشهية أو الشره المرضي، يمكن أن يكون أي شكل من أشكال تتبع السعرات محفزًا. عمومًا، لا أوصي بتطبيقات تتبع الذكاء الاصطناعي لهذه الفئة ما لم توافق عليها فريق العلاج الخاص بهم وتكون التطبيق يحتوي على ضمانات مناسبة.

سأشير إلى أن Nutrola قد نفذت بعض الميزات المدروسة في هذا المجال، بما في ذلك القدرة على إخفاء أرقام السعرات الحرارية مع الاستمرار في تتبع أنواع الطعام، وحدود السعرات الدنيا التي تمنع المستخدمين من تحديد أهداف منخفضة بشكل خطير. هذه هي بالضبط أنواع الضمانات التي أريد رؤيتها في تطبيقات التغذية للمستهلكين.

الرياضيون وتغذية الأداء: بالنسبة للرياضيين، يعمل تتبع الذكاء الاصطناعي بشكل جيد كأداة يومية مع "أيام معايرة" دورية حيث يزنون ويقيسون كل شيء للتحقق من دقة الذكاء الاصطناعي. يوفر هذا النهج الهجين لهم راحة الذكاء الاصطناعي لـ 90 بالمئة من وجباتهم مع الحفاظ على فحص الواقع.

تقييمي العام

الدكتورة توريس: هل تتبع السعرات الحرارية بالذكاء الاصطناعي دقيق بما يكفي؟ إجابتي هي نعم مشروطة، مع التحفظات التالية:

1. إنه دقيق بما يكفي لأهداف الصحة واللياقة العامة. إذا كنت تحاول فقدان الوزن، أو بناء العضلات، أو ببساطة تناول الطعام بشكل أكثر انتظامًا، فإن تتبع الذكاء الاصطناعي يوفر دقة كافية مع التزام أفضل بشكل كبير من الطرق اليدوية.

2. ليس دقيقًا بما يكفي للدقة السريرية. إذا كنت تدير حالة طبية تتطلب تحكمًا غذائيًا دقيقًا، يجب أن يكمل تتبع الذكاء الاصطناعي، وليس أن يحل محل، الطرق السريرية والإشراف المهني.

3. النهج المركب هو الأفضل. استخدام الصور بالإضافة إلى أوصاف نصية بالإضافة إلى مسح الباركود للأطعمة المعبأة يوفر أفضل دقة عملية. لا تكفي أي طريقة إدخال واحدة بمفردها.

4. الاستمرارية أهم من الدقة. المستخدم الذي يتتبع كل وجبة بدقة 90 بالمئة على مدى ستة أشهر سيحقق نتائج أفضل من المستخدم الذي يتتبع بدقة 99 بالمئة لمدة أسبوعين ثم يتوقف.

5. التكنولوجيا تتحسن بسرعة. الدقة التي أراها اليوم أفضل بكثير مما كان متاحًا قبل عامين، وأتوقع تحسينات إضافية مع زيادة بيانات التدريب ونضوج النماذج.

بصفتي طبيبة، أشعر بتفاؤل حذر بشأن تتبع التغذية المدعوم بالذكاء الاصطناعي. أدوات مثل Nutrola تخفض الحواجز أمام الوعي الذاتي الغذائي بطريقة لم تستطع الطرق التقليدية القيام بها. عندما يخبرني مريض "لم أقم بتتبع طعامي من قبل لأنه كان مملًا للغاية، لكنني استخدمت Nutrola لمدة ثلاثة أشهر"، فإن ذلك يعد انتصارًا سريريًا ذا مغزى، حتى لو لم يكن كل رقم سعرات دقيقًا تمامًا.

توصيات للحصول على نتائج أكثر دقة

استنادًا إلى اختباري وتجربتي السريرية، إليك توصياتي العلوية لتعظيم الدقة مع تتبع السعرات الحرارية بالذكاء الاصطناعي:

1. التقط صورًا للوجبات قبل أن تبدأ في تناولها. الأطباق السليمة أسهل على الذكاء الاصطناعي لتحليلها من تلك التي تم تناولها جزئيًا.
2. أضف ملاحظات نصية للمكونات المخفية. "مُعد في زيت الزيتون"، "جبنة إضافية"، "صلصة جانبية من رانش". هذه التفاصيل مهمة.
3. استخدم مسح الباركود للأطعمة المعبأة. هذه هي الطريقة الأكثر دقة لأي شيء يحمل ملصقًا.
4. قم بأسبوع معايرة كل بضعة أشهر. وزّن وقس طعامك لمدة أسبوع للتحقق من دقة الذكاء الاصطناعي وإعادة ضبط حدسك في الحصص.
5. ركز على الاتجاهات، وليس الوجبات الفردية. ستحتوي إجماليات السعرات اليومية على بعض الأخطاء. المتوسطات الأسبوعية تعمل على تسوية تلك الأخطاء وتمنحك صورة أكثر دقة عن مدخولك.
6. لا تتجنب تتبع الوجبات التي تعتبرها "سيئة". هذا التقرير الانتقائي هو أكبر مصدر لعدم الدقة في أي طريقة تتبع، سواء كانت بالذكاء الاصطناعي أو غيره.

الأسئلة الشائعة

ما مدى دقة حساب السعرات الحرارية بالذكاء الاصطناعي مقارنةً بالتتبع اليدوي؟

استنادًا إلى الاختبارات السريرية، عادةً ما يقدر تتبع السعرات الحرارية المدعوم بالذكاء الاصطناعي باستخدام نهج مركب (صورة بالإضافة إلى وصف نصي) ضمن 5 إلى 10 بالمئة من المحتوى الفعلي للسعرات الحرارية. هذا يعادل أو أفضل مما يحققه معظم الناس مع تتبع يدوي دقيق (10-25 بالمئة خطأ) وأفضل بكثير من التتبع اليدوي النموذجي (25-50 بالمئة خطأ). الميزة الرئيسية للذكاء الاصطناعي ليست فقط الدقة ولكن الاستدامة، حيث تقلل بشكل كبير من الوقت والجهد المطلوب لتسجيل الوجبات.

هل يمكن لتتبع الطعام بالذكاء الاصطناعي أن يحل محل أخصائي التغذية المسجل؟

لا. أدوات تتبع الذكاء الاصطناعي ممتازة لتسجيل الطعام والوعي الغذائي العام، لكنها لا يمكن أن تحل محل الحكم السريري الفردي لأخصائي التغذية المسجل. يأخذ أخصائي التغذية في اعتباره تاريخك الطبي، ونتائج المختبر، والأدوية، والعلاقة النفسية مع الطعام، وعوامل نمط الحياة، والعديد من المتغيرات الأخرى التي لا يمكن لأي تطبيق تقييمها بالكامل. استخدم تتبع الذكاء الاصطناعي كأداة تجعل مواعيد أخصائي التغذية أكثر إنتاجية من خلال توفير بيانات دقيقة عن مدخول الطعام.

هل تتبع السعرات الحرارية بالذكاء الاصطناعي دقيق بما يكفي لفقدان الوزن؟

نعم، بالنسبة للغالبية العظمى من الناس. يتطلب فقدان الوزن الحفاظ على عجز السعرات الحرارية على مدى الزمن، ويوفر تتبع الذكاء الاصطناعي دقة كافية لإنشاء ومراقبة ذلك العجز. لا يؤثر هامش الخطأ بنسبة 5-10 بالمئة في تقديرات السعرات اليومية بشكل كبير على نتائج فقدان الوزن عندما يتم الحفاظ على التتبع باستمرار على مدى أسابيع وأشهر. العامل الأكبر في النجاح هو الالتزام، ويعمل تتبع الذكاء الاصطناعي على تحسين الالتزام بشكل كبير من خلال تقليل الجهد المطلوب.

ما أنواع الوجبات التي تتبعها الذكاء الاصطناعي بدقة أكبر؟

تكون دقة تتبع السعرات الحرارية بالذكاء الاصطناعي أكبر للوجبات البسيطة والمفصولة حيث تكون العناصر الغذائية الفردية واضحة ومفصولة (مثل قطعة دجاج مشوي مع أرز وخضار). تقل الدقة بالنسبة للأطباق المختلطة (الكاري، واليخنات، والطرود)، والوجبات ذات الصلصات الثقيلة أو الدهون المخفية، والمشروبات ذات السعرات الحرارية، ووجبات المطاعم حيث لا تكون طرق الطهي مرئية. تحسين الدقة لهذه الأنواع من الوجبات الصعبة باستخدام أوصاف نصية لتكملة الصور.

هل يجب على الأشخاص الذين يعانون من اضطرابات الأكل استخدام تتبع السعرات الحرارية بالذكاء الاصطناعي؟

هذه قرار يجب اتخاذه بالتشاور مع فريق العلاج (المعالج، والطبيب النفسي، و/أو أخصائي التغذية). بالنسبة للعديد من الأفراد الذين يتعافون من اضطرابات الأكل، يمكن أن يكون أي شكل من أشكال تتبع السعرات محفزًا وغير منتج للتعافي. تقدم بعض التطبيقات، بما في ذلك Nutrola، القدرة على تتبع أنواع الطعام دون عرض أرقام السعرات الحرارية، وهو ما قد يكون مناسبًا لبعض الأفراد بموافقة سريرية. دائمًا ما يكون من المهم إعطاء الأولوية لإرشادات فريق العلاج الخاص بك على أي تقنية.

كيف يقارن Nutrola مع تطبيقات تتبع الذكاء الاصطناعي الأخرى من حيث الدقة؟

بصفتي طبيبة، اختبرت عدة تطبيقات تغذية مدعومة بالذكاء الاصطناعي. يعمل Nutrola باستمرار في أعلى مستوى من حيث دقة تحديد الطعام وتقدير الحصص، خاصةً بالنسبة للمأكولات المتنوعة. يوفر نهج الإدخال المركب (الصورة، والنص، والباركود، ومساعد الذكاء الاصطناعي) المزيد من الطرق للتسجيل الدقيق مقارنةً بالتطبيقات التي تعتمد على طريقة واحدة فقط. كما أن إشراف مجلس الخبراء يضمن مستوى من جودة قاعدة البيانات التي تفتقر إليها العديد من المنافسين.