在营养护理应用程序中评估手动食品记录和人工智能食品图像识别的质量和比较有效性
Xinyi Li1,2, Annabelle Yin1,2, Ha Young Choi1,2
1Discipline of Nutrition and Dietetics, Susan Wakil School of Nursing and Midwifery, Faculty of Medicine and Health, The University of Sydney, Camperdown, NSW 2006, Australia.
Nutrients
|August 10, 2024
概括
这项研究评估了营养应用程序在饮食评估中的质量和AI准确性. 虽然人工智能应用程序显示出前景,但手动记录和人工智能能源估计需要改进,以获得可靠的营养护理支持.
科学领域:
- 营养信息学是一种营养信息学.
- 数字健康数字健康
- 医疗保健中的人工智能
背景情况:
- 智能手机应用程序 (APP) 越来越多地用于营养护理.
- 应用程序功能的高质量和准确性对于有效的AI支持至关重要.
- 在应用程序中评估饮食评估方法的有效性至关重要.
研究的目的:
- 评估饮食评估在流行营养应用程序中的质量,行为变化潜力和比较有效性.
- 为了比较人工食品日志记录与人工智能食品图像识别的准确性.
- 确定人工智能驱动的营养护理工具需要改进的领域.
主要方法:
- 选了来自澳大利亚应用商店的800个营养应用程序.
- 使用移动应用程序评分表 (MARS) 和ABACUS工具评估应用程序.
- 将手动记录和AI应用程序的营养输出与各种饮食的食物记录进行比较.
主要成果:
- 努姆在质量和行为改变潜力方面得分最高.
- 手动记录应用程序显示西方和亚洲饮食的能量估计不准确.
- 人工智能食品图像识别应用程序MyFitnessPal和Fastic表现出高准确度,尽管整体的人工智能能量估计是不准确的.
结论:
- 将人工智能集成到营养应用程序中提供了功能上的好处,但需要提高准确性,特别是在能源估计方面.
- 与营养学家的合作对于提高应用程序的可信度和扩大食品数据库至关重要.
- 需要进一步的AI模型培训,以准确识别多样化和混合菜式.
