AI-genererad illustration
AI-appar missar hundratals kalorier i måltider
Fyra populära appar som använder bilder och artificiell intelligens för att beräkna matens energiinnehåll underskattade i genomsnitt kalorimängden med omkring 33 procent. Avvikelsen motsvarade mellan 250 och 345 kalorier per måltid, enligt preliminära resultat från ett projekt vid National Institute of Diabetes and Digestive and Kidney Diseases.
De testade apparna var MyFitnessPal, Lose It!, CalAI och Appediet. Forskarna använde först standardiserade fotografier av 102 måltider och analyserade därefter fler än 200 ytterligare måltider för att undersöka vilka faktorer som påverkade träffsäkerheten. Referensmåltiderna tillagades i ett kontrollerat metaboliskt kök vid NIH Clinical Center, där ingredienserna vägdes med en noggrannhet på 0,1 gram.
Apparna hade särskilt svårt att bedöma måltider med hög fetthalt. Aaron Hengist uppgav att fettmängden i genomsnitt underskattades med omkring 30 gram per måltid. Kolhydrater beräknades mer konsekvent än övriga makronäringsämnen. Forskarna fann även att MyFitnessPal och Lose It! uppskattade energiinnehållet mer träffsäkert i kaloririkare måltider än i måltider med lägre energiinnehåll.
Projektet genomfördes av Olivia Charles med Stephanie Chung och Aaron Hengist som handledare. Olivia Charles var vid presentationen postbaccalaureate-forskare vid National Institute of Diabetes and Digestive and Kidney Diseases, medan Aaron Hengist var postdoktoral gästforskare inom institutets interna forskningsprogram.
Arbetet presenterades under titeln Photograph-based AI Features in Calorie-tracking Apps Underestimate Energy Content of Meals vid NUTRITION 2026. American Society for Nutritions årsmöte hölls den 25–28 juli i National Harbor i Maryland, utanför Washington.
En separat granskning från University of Sydney visar att användare behöver kontrollera om den portionsstorlek som en app identifierar motsvarar den mängd som faktiskt har ätits. Vissa appar känner endast igen typen av livsmedel, medan andra även försöker uppskatta mängd och energiinnehåll. Forskarna granskade först 800 appar i Apples och Googles australiska appbutiker och valde därefter ut 18 för bedömning av bland annat ingrediensigenkänning och energiuppskattning.
Forskare vid University of Waterloo har utvecklat en annan metod där portionsstorleken beräknas med video när maten förs från tallriken mot munnen. Universitetets forskare redovisade en felmarginal på omkring 22 procent för mängduppskattningen, men systemet kunde vid tidpunkten inte identifiera vilken typ av mat som åts.
En studie publicerad i Frontiers in Nutrition visade dessutom att generativa AI-modeller kunde underskatta det dagliga energibehovet när de skapade kompletta kostplaner. Skillnaden jämfört med planer utformade av dietister var i genomsnitt 695,4 kilokalorier per dag.
Källor
Analys
Förklaring:
Artikeln använder ett sakligt och neutralt språk utan att göra egna värderingar eller spekulationer. Den återger forskningsresultat och citat från forskare på ett tydligt källhänvisat sätt, vilket innebär att exempelvis uttryck som "underskattade kalorimängden" eller "appen hade särskilt svårt" är neutralt beskrivet och inte förstärkta av journalisten själv. Det förekommer inga egna slutsatser eller känslomässigt färgat språk från journalisten. Eventuella hårda eller starka uttryck finns endast i återgivna påståenden från forskare eller andra källor och påverkar därför inte bedömningen. Texten är konsekvent i sin presentation av fakta och framstår som balanserad och oberoende, dock med en liten marginal bort från perfekt för att det finns några formuleringar som kunde vara något mer neutrala, till exempel "Apparna hade särskilt svårt" som kan tolkas som lätt värderande istället för helt strikt objektiv beskrivning, men detta är mycket marginellt.
Förklaring:
Artikeln gynnar främst mitten genom sin faktabaserade och vetenskapligt förankrade framställning utan politisk värdering. Den stödjer teknokratiska lösningar och expertkunskap, vilket är typiskt för mittens pragmatiska och institutionella perspektiv. Vänsterperspektiv får viss tyngd via fokus på vetenskap och hälsa som sociala frågor, men högerns perspektiv på individansvar och marknadslösningar lyser med sin frånvaro.
Rubrik och framing:
Artikeln beskriver tekniska brister i AI-baserade kaloribedömningsappar och pekar på vetenskapliga undersökningar som visar att appar underskattar kalorier, utan att lägga skuld på någon aktör utan snarare belysa ett tekniskt problem och behovet av förbättring.
Språk och ton:
Neutralt och sakligt språk utan värdeomdömen eller laddade ord, vilket inte lyfter fram någon part som positiv eller negativ.
Källbalans:
Fokus på forskare och akademiska institutioner (NIH, University of Sydney, University of Waterloo) utan företrädare från näringslivet eller användargrupper, vilket ger tyngd åt en vetenskaplig och expertbaserad framställning.
Utelämnanden och kontext:
Saknar perspektiv från app-utvecklare eller kommersiella intressen vilket skulle kunna ha tillfört mer balans. Det finns heller ingen diskussion om individuellt ansvar eller marknadslösningar för hälsa, vilket hade kunnat belysa frågor ur en mer högerorienterad vinkel.
Analysen är en AI-bedömning av språk, vinkling och perspektiv. Den ska ses som en indikation, inte som en absolut sanning.
Senaste nyheter
Ebba Årsjö berättar om smärta och motstånd
Ebba Årsjös Sommar i P1 publicerades av Sveriges Radio den 27 juli 2026. Programmet finns...
Misstänkt för Prideattack dödad av polis i Berlin
Den 21-årige Abdul Ballout, som misstänktes för den dödliga attacken i samband med Christopher Street...
USAID-nedskärningar pressar hjälparbetare till sexarbete
Den 28-åriga transkvinnan Rubi Lama arbetade tidigare med att stödja utsatta sexarbetare i Nepal. Hon...
Fem bosniska klättrare döda på Elbrus
Fem klättrare från staden Zenica i Bosnien och Hercegovina har omkommit under en bestigning av...
