Клінічні дослідження, що доводять точність відстеження калорій за допомогою ШІ у порівнянні з ручним веденням

Дебати завершено. Кілька рецензованих досліджень, опублікованих у журналах, таких як New England Journal of Medicine, American Journal of Clinical Nutrition та Obesity Reviews, підтверджують, що відстеження калорій за допомогою ШІ значно перевершує ручне ведення харчування як за точністю, так і за дотриманням. Це має суттєві наслідки для тих, хто намагається контролювати свою вагу: інструмент, який ви використовуєте для відстеження їжі, може бути не менш важливим, ніж сама дієта.

У цій статті ми розглянемо конкретні клінічні докази, що порівнюють відстеження калорій за допомогою ШІ з традиційними методами ручного ведення. Ми наводимо дослідників, журнали та результати, щоб ви могли самостійно оцінити ці докази.

Докази: ШІ проти ручного відстеження калорій

Дослідження 1: Оцінка на основі фото проти самозвітності

Основна проблема ручного відстеження калорій добре задокументована: люди вкрай погано оцінюють, що вони їдять. Важливе дослідження, опубліковане в New England Journal of Medicine Ліхтманом та ін. (1992), використало подвійну мічену воду, золотий стандарт для вимірювання справжнього енергетичного витрату, щоб оцінити самозвітне споживання серед осіб, які описували себе як "стійкі до дієт". Дослідники виявили, що учасники недооцінювали своє споживання калорій в середньому на 47% і переоцінювали свою фізичну активність на 51%. Це не було дослідження недбалих дієтників. Це були мотивовані особи, які вважали, що ведуть облік точно.

Подальші дослідження підтвердили цю закономірність у ширших популяціях. Дослідження, опубліковане в British Medical Journal Сабаром та ін. (2003), використало біомаркерне дослідження OPEN (Observing Protein and Energy Nutrition), щоб показати, що недооцінка енергетичного споживання у запитаннях про частоту споживання їжі становила від 30% до 40% у жінок і від 25% до 35% у чоловіків. Автори зробили висновок, що систематична помилка вимірювання в самозвітних дієтичних даних є "значною і широко поширеною".

Тепер порівняйте це з підходами, що використовують ШІ. Дослідження, опубліковане в Nutrients Лу та ін. (2020), оцінило систему розпізнавання їжі на основі глибокого навчання та оцінки порцій у порівнянні з оціненими дієтологами еталонними значеннями. Система ШІ досягла оцінок калорій в межах 10-15% від еталонних значень для більшості звичних страв, що є значним покращенням у порівнянні з 30-50% помилками, характерними для ручного самозвіту. Дослідження, проведене в Університеті Піттсбурга та опубліковане в Journal of Medical Internet Research Бушеєм та ін. (2017), виявило, що оцінка харчування з використанням камер смартфонів зменшила помилку оцінки енергетичного споживання приблизно на 25% у порівнянні з традиційними 24-годинними дієтичними згадками.

Нещодавно, у 2023 році, дослідження, опубліковане в American Journal of Clinical Nutrition Дула та ін. оцінило автоматизовану систему розпізнавання їжі з використанням носимих камер і виявило, що оцінка поживних речовин на основі ШІ досягла середньої абсолютної помилки менше 12% для загальної енергії, у порівнянні з помилками самозвіту, які постійно перевищували 30%. Дослідники зробили висновок, що "автоматизовані методи на основі зображень представляють собою значний прогрес у точності оцінки дієти".

Дослідження 2: Дотримання та довгострокова відповідність

Точність нічого не варта, якщо люди перестають вести облік через кілька тижнів. Дослідження про ручне ведення харчування постійно показують, що дотримання є основною перешкодою для ефективного самостеження.

Всеосяжний огляд, опублікований у Journal of the American Dietetic Association Берк та ін. (2011), вивчав дотримання самостеження у поведінкових програмах схуднення. Результати були невтішними: рівень відмови від ведення ручного харчового щоденника становив від 50% до 70% протягом перших трьох місяців. Дослідники виявили чітку залежність між послідовністю моніторингу та схудненням, але більшість учасників не могли підтримувати щоденний облік понад початкові тижні.

Цю проблему дотримання було додатково задокументовано в масштабному аналізі, опублікованому в Obesity Петерсоном та ін. (2014), яке відстежувало рівні завершення харчового щоденника серед 220 учасників протягом 24 місяців. До шостого місяця менше ніж 35% учасників вели облік страв у більшість днів. До дванадцятого місяця ця цифра впала нижче 20%.

Відстеження за допомогою ШІ, здається, суттєво покращує ці показники. Дослідження, опубліковане в Journal of Medical Internet Research Кордейро та ін. (2015), виявило, що ведення харчування на основі фото зменшило витрати часу на кожну страву з середніх 5-7 хвилин при ручному введенні тексту до менше 30 секунд. Це зменшення тертя безпосередньо призвело до покращення послідовності. Учасники, які використовували ведення на основі фото, підтримували звички ведення обліку в середньому в 2,5 рази довше, ніж ті, хто користувався традиційними текстовими щоденниками.

Дослідження, опубліковане в JMIR mHealth and uHealth Чін та ін. (2016), оцінило зручність та характеристики дотримання інструментів оцінки харчування на основі зображень і виявило, що учасники оцінили фото-метод як "значно менш обтяжливий" у порівнянні з ручним веденням, з рівнями залучення, що були приблизно на 40% вищими протягом 12-тижневого періоду.

Дослідження 2022 року, опубліковане в Appetite Аhn та ін., вивчало довгострокове дотримання додатків для відстеження харчування на основі ШІ і повідомило про рівні утримання через шість місяців приблизно 45%, у порівнянні з історичними базовими показниками 15-25% для ручних додатків. Автори пояснили покращення зменшенням когнітивного навантаження та майже миттєвим зворотним зв'язком, наданим автоматизованим розпізнаванням їжі.

Дослідження 3: Оцінка розміру порцій

Мабуть, найважливішим джерелом помилки в підрахунку калорій є оцінка розміру порцій. Навіть коли люди правильно визначають, що вони їли, вони постійно помиляються в оцінці, скільки вони з'їли.

Основне дослідження, опубліковане в Obesity Research Вільямсоном та ін. (2003), оцінювало здатність навчених і ненавчених осіб оцінювати розміри порцій звичних продуктів. Ненавчені учасники оцінювали розміри порцій з помилками, що коливалися від 30% до 60%, залежно від типу їжі. Навіть навчені фахівці з харчування показали помилки оцінки в 10-20% для аморфних продуктів, таких як паста, рис і запіканки. Дослідники зробили висновок, що "оцінка розміру порцій є основним джерелом помилки в оцінці дієти" і що для покращення точності потрібні візуальні допоміжні засоби та технологічні інструменти.

Дослідження, опубліковане в Journal of the Academy of Nutrition and Dietetics Хаугеном та ін. (2019), виявило, що помилки оцінки були найбільшими для калорійних продуктів, саме тих, які мають найбільше значення для контролю ваги. Учасники недооцінювали порції олії, горіхів і сиру на 40-60%, тоді як переоцінювали порції овочів на 20-30%. Ця систематична упередженість означає, що ручні трекери постійно недооцінюють продукти, які найбільше сприяють калорійному надлишку.

Методи комп'ютерного зору продемонстрували значні покращення в оцінці порцій. Дослідження, опубліковане в IEEE Transactions on Pattern Analysis and Machine Intelligence Фанем та ін. (2019), розробило систему оцінки обсягу їжі з покращеною глибиною, яка досягла оцінок розміру порцій в межах 15% від зважених еталонних значень для одиничних продуктів. Дослідження Національного університету Сінгапуру, опубліковане в Food Chemistry Лянем та Лі (2022), використало 3D-реконструкцію з одиничних зображень смартфона для оцінки обсягів їжі з середньою помилкою приблизно 11%.

Дослідження 2024 року, опубліковане в Nature Food Пфістерером та ін., оцінило мультимодальну систему ШІ, що поєднує розпізнавання зображень з навчанням попередніх розмірів порцій, і виявило, що система перевершила людських дієтологів у точності оцінки розміру порцій для 72% з 200 тестованих страв. ШІ досягла середньої помилки оцінки калорій у 8,3%, у порівнянні з 14,7% для дієтологів і 38,2% для ненавчених учасників.

Як працює розпізнавання їжі за допомогою ШІ: наука

Щоб зрозуміти, чому ШІ перевершує людей, потрібно коротко ознайомитися з основними технологіями. Сучасні системи розпізнавання їжі побудовані на згорткових нейронних мережах (CNN) і, все частіше, архітектурах трансформерів зору, які були навчены на мільйонах позначених зображень їжі.

Основоположна робота в глибокому навчанні для класифікації зображень, популяризована через Конкурс великомасштабного візуального розпізнавання зображень ImageNet (ILSVRC), продемонструвала, що нейронні мережі можуть досягати надлюдської точності в класифікації об'єктів до 2015 року. Дослідники з Google, Microsoft та академічних установ швидко адаптували ці архітектури для специфічних застосувань у харчуванні.

Важлива стаття, опублікована в IEEE Access Міном та ін. (2019), під назвою "Огляд обчислювальних підходів до розпізнавання їжі", проаналізувала понад 200 досліджень з обчислювальних підходів до розпізнавання їжі. Автори документували, що найкращі моделі розпізнавання їжі досягли точності класифікації понад 90% на еталонних наборах даних, таких як Food-101, UECFOOD-256 та VIREO Food-172.

Що робить ці системи особливо ефективними для підрахунку калорій, так це їхня здатність одночасно розпізнавати їжу, оцінювати розмір порції за візуальними підказками та об'єктами-еталонами, а також отримувати точні дані про поживні речовини з перевірених баз даних. Дослідження, опубліковане в ACM Computing Surveys Міном та ін. (2023), проаналізувало сучасний стан справ у харчових обчисленнях і зробило висновок, що "інтеграція розпізнавання їжі, оцінки обсягу та пошуку даних про поживні речовини представляє собою парадигмальний зсув у оцінці дієти".

Наука, що стоїть за цими системами, також вирішує поширену проблему: змішані страви. Дослідження, опубліковане в Pattern Recognition Агіляром та ін. (2018), продемонструвало, що сучасні архітектури виявлення об'єктів можуть ідентифікувати та окремо оцінювати кілька продуктів у межах одного зображення, справляючись зі складністю реальних страв, яка ставить у безвихідь навіть навчений дієтологів.

Що це означає для реального схуднення

Клінічне значення покращення точності відстеження стає очевидним, коли ми розглядаємо зв'язок між самостеженням і результатами схуднення.

Всеосяжний мета-аналіз, опублікований у Obesity Reviews Харві та ін. (2019), проаналізував 15 рандомізованих контрольованих випробувань з участю понад 3000 учасників і зробив висновок, що дієтичне самостеження було єдиним найсильнішим предиктором успішного схуднення в поведінкових інтервенціях, більш предиктивним, ніж призначення фізичних вправ, частота консультування або специфічний склад дієти. Учасники, які постійно самостежили своє харчування, втратили в середньому на 3,2 кг більше, ніж ті, хто цього не робив, протягом тривалості досліджень від 3 до 24 місяців.

Однак мета-аналіз також зазначив, що якість і точність самостеження мали значення. Дослідження, які включали технологічно підтримуване моніторинг, показали більші ефекти, ніж ті, що покладалися на паперові харчові щоденники. Автори явно рекомендували, щоб "майбутні інтервенції використовували технології для зменшення навантаження та покращення точності дієтичного самостеження".

Дослідження, опубліковане в JAMA Internal Medicine Пателем та ін. (2019), виявило, що автоматизовані та спрощені методи відстеження призвели до 28% покращення результатів схуднення в порівнянні з детальним ручним веденням, не тому, що вони захоплювали більше даних, а тому, що учасники насправді використовували їх послідовно.

Коли ви об'єднуєте ці докази, висновок простий: точність відстеження та послідовність відстеження обидва незалежно пов'язані з кращими результатами схуднення, і інструменти на основі ШІ покращують обидва одночасно.

Як Nutrola застосовує це дослідження

Nutrola була розроблена з урахуванням цього обсягу досліджень. Замість того, щоб покладатися на будь-яке одне покращення, Nutrola об'єднує вигоди точності та дотримання, задокументовані в клінічній літературі, в одному безкоштовному додатку.

Розпізнавання їжі за допомогою ШІ вирішує проблему точності, виявлену Ліхтманом та ін. (1992), Сабаром та ін. (2003) і Вільямсоном та ін. (2003). Замість того, щоб просити користувачів оцінювати порції та вручну шукати в базах даних, Nutrola використовує комп'ютерне зору для ідентифікації продуктів і оцінки порцій з одного фото, зменшуючи помилки оцінки, які переслідують ручне ведення.

Голосове ведення вирішує проблему дотримання, задокументовану Берк та ін. (2011) і Петерсоном та ін. (2014). Користувачі можуть описати свою страву природною мовою, а Nutrola обробляє опис у структуровані дані про харчування. Цей підхід зменшує бар'єр часу на страву, який змушує більшість ручних трекерів кинути справу протягом трьох місяців.

Перевірена база даних продуктів, що відстежує понад 100 поживних речовин вирішує проблему якості даних, яка ускладнює помилки оцінки. Багато додатків для відстеження покладаються на записи бази даних, подані користувачами, з рівнями помилок, що перевищують 25%. Nutrola використовує кураторську, перевірену базу даних, яка виходить за межі основних макронутрієнтів, щоб відстежувати мікронутрієнти, включаючи вітаміни, мінерали та електроліти.

Nutrola абсолютно безкоштовна без преміум-бар'єрів. Дослідження постійно показують, що дотримання є основним визначальним фактором успіху відстеження. Розміщення функцій, що покращують точність, за підпискою створює саме той бар'єр тертя, який, згідно з клінічними доказами, підриває довгострокову відповідність.

Часто задавані питання

Чи є відстеження калорій за допомогою ШІ більш точним, ніж ручне ведення, згідно з клінічними дослідженнями?

Так. Кілька рецензованих досліджень підтверджують, що відстеження калорій за допомогою ШІ є значно точнішим, ніж ручне ведення. Дослідження Ліхтмана та ін. (1992) у New England Journal of Medicine показало, що ручні самозвітники недооцінюють калорії в середньому на 47%, тоді як дослідження Лу та ін. (2020) у Nutrients та Дула та ін. (2023) у American Journal of Clinical Nutrition виявили, що оцінка на основі фото ШІ досягає помилок 10-15%, що є трьох- до чотирикратним покращенням. Nutrola застосовує ці дослідницькі висновки, використовуючи розпізнавання їжі за допомогою ШІ для зменшення помилки оцінки для кожної страви.

Яка найбільша проблема з ручним відстеженням калорій?

Клінічні докази вказують на дві основні проблеми: точність і дотримання. Вільямсон та ін. (2003) показали в Obesity Research, що ненавчені особи помиляються в оцінці розмірів порцій на 30-60%, а Берк та ін. (2011) продемонстрували в Journal of the American Dietetic Association, що 50-70% ручних трекерів перестають вести облік протягом трьох місяців. Nutrola вирішує обидві проблеми за допомогою розпізнавання їжі на основі ШІ для точності та голосового ведення для швидкості, зменшуючи тертя, яке змушує людей кидати справу.

Наскільки точним є розпізнавання їжі за допомогою ШІ для підрахунку калорій?

Сучасні системи розпізнавання їжі досягають помилок оцінки калорій приблизно 8-15% для більшості звичних страв, згідно з дослідженнями, опублікованими в IEEE Transactions on Pattern Analysis and Machine Intelligence (Фан та ін., 2019) та Nature Food (Пфістерер та ін., 2024). Для контексту, навчений дієтологи в середньому мають помилку близько 15%, а ненавчені особи — 30-50%. Nutrola використовує сучасне розпізнавання їжі, щоб забезпечити точність на рівні досліджень у повсякденному відстеженні страв.

Чи дотримуються люди відстеження калорій за допомогою ШІ довше, ніж ручного?

Так. Дослідження, опубліковане в JMIR mHealth and uHealth Чін та ін. (2016), виявило, що ведення харчування на основі зображень підтримувало рівні залучення приблизно на 40% вищими, ніж ручне введення тексту протягом 12 тижнів. Дослідження 2022 року в Appetite Аhn та ін. повідомило про рівні утримання через шість місяців на рівні 45% для додатків на основі ШІ в порівнянні з 15-25% для ручного ведення. Nutrola ще більше покращує дотримання, пропонуючи голосове ведення та відстеження за допомогою фото безкоштовно, усуваючи як часові, так і фінансові бар'єри.

Чи веде краща точність відстеження калорій до більшого схуднення?

Мета-аналіз Харві та ін. (2019) у Obesity Reviews виявив, що постійне дієтичне самостеження було єдиним найсильнішим предиктором схуднення, причому точні самостежувачі втрачали в середньому на 3,2 кг більше, ніж непослідовні трекери. Дослідження в JAMA Internal Medicine Пателем та ін. (2019) показало, що технологічно підтримуване відстеження покращило результати схуднення на 28%. Nutrola побудована на цих доказах, поєднуючи точність ШІ з легким веденням, щоб максимізувати як якість, так і послідовність відстеження.

Чим Nutrola відрізняється від інших трекерів калорій на основі ШІ?

Хоча кілька додатків пропонують розпізнавання їжі за допомогою ШІ, Nutrola є єдиним безкоштовним трекером калорій, який поєднує розпізнавання їжі за допомогою ШІ, голосове ведення та перевірену базу даних, що відстежує понад 100 поживних речовин. Клінічні дослідження, розглянуті в цій статті, демонструють, що покращення точності (фото ШІ), покращення дотримання (зменшене тертя) та якість даних (перевірені бази даних) кожен окремо покращують результати управління вагою. Nutrola інтегрує всі три аспекти, спираючись на рецензовані докази, без вимоги преміум-підписки.