研究显示四款主流APP普遍低估了食物真实热量和脂肪含量

得益于人工智能的图像识别技术，如今不少热门热量追踪APP只需拍摄餐食照片，就能自动估算其中的卡路里和营养素含量。这种便捷方式深受减重和健康管理人群欢迎，但是其准确性究竟如何？

美国国立卫生研究院(NIH)旗下糖尿病、消化与肾脏疾病研究所（NIDDK）的团队对此开展了严格验证，结果令人警醒：四款主流APP普遍低估了真实热量和脂肪，平均误差达三分之一左右。

研究团队利用NIH临床中心一项大型膳食试验的代谢厨房，精确称量并制备了102份标准餐食(每份食材精确到0.1克)，以此为“金标准”对照，分别测试了MyFitnessPal、LoseIt!、CalAI和Appediet四款应用APP。

结果显示，所有APP对每餐热量的低估范围在250至345千卡之间，脂肪低估约30克；在宏量营养素中，碳水化合物的估算相对一致，而脂肪的漏算最为突出。此外，针对高热量餐食的估算误差反而小于低热量餐食，这可能与算法对常见高热量组合的识别优化有关。

研究人员指出，这是首次基于精确控制厨房制备的真实膳食进行的高质量对比，此前缺乏此类直接证据。用户如果只拍照而不手动调整份量或录入食材，那么APP显示的数据很可能显著低于实际摄入，尤其会少算脂肪带来的热量。

进一步分析中，团队又追加了200多份餐食，发现误差在低碳水高脂肪的生酮饮食模式下更为严重，因为APP系统性地低估了脂肪含量，进而导致总热量偏差扩大。

研究者推测，当前AI模型对脂肪类食物的视觉特征（如油脂浸润、酱汁覆盖）识别能力不足，而且营养数据库中的脂肪条目差异较大，共同造成这一短板。

这项研究将于2026年7月25–28日在美国营养学会年会上正式发布。研究者建议，拍照追踪APP可以作为日常参考工具。但是不宜完全依赖；更可靠的做法是结合称重、量杯或食材日志等传统膳食评估方法，尤其是对于摄入较多油脂或遵循特殊饮食方案的人群。

未来，若能将图像识别与用户手动修正功能更紧密融合，并针对高脂餐食优化算法，这类工具的实用性才有望真正提升。