对ChatGPT进行评估,用于从餐食照片中估计营养含量

科学领域:

• 人工智能的人工智能
• 营养科学 营养科学
• 饮食评估 饮食评估

背景情况:

• 人工智能中的大型语言和视觉模型为饮食评估提供了新的可能性.
• 人工智能,特别是ChatGPT-4的准确性存在有限的评估,用于使用餐食图像进行营养分析.

研究的目的:

• 评估ChatGPT-4在识别食品,估计食重量和从照片中确定营养含量方面的准确性.
• 将ChatGPT-4的性能与实际的食值和专家饮食师的评估进行比较.

主要方法:

• 通过ChatGPT-4分析了来自国家饮食调查的114张食照片.
• 聊天GPT-4确定了食物,估计了体重,并计算了16种营养素.
• 统计分析包括精度,配对t测试,威尔科克森签名等级测试,百分比差异和斯皮尔曼相关性.
• 营养学家评估能量,蛋白质和碳水化合物含量进行比较,使用类内相关性.

主要成果:

• 聊天GPT-4在食品识别方面实现了93.0%的精度.
• 对于小餐量来说是很好的协议,但对于中大餐来说是很糟糕的协议.
• 对16种营养素中的10种营养素达成不良协议,对11种营养素的估计明显低估.
• 对于营养含量排名而言,足够与良好的相关性 (r_s:0.290.83).
• 类内相关性 (0.310.67) 表明ChatGPT-4和营养学家之间存在中度一致.

结论:

• 聊天GPT-4在食品识别和按营养含量排列食物方面表现出色.
• 该模型显示,在准确估计中等到大份量的重量方面存在局限性.
• 目前的AI性能不足以准确估计饮食评估中的营养含量.