Werkt de Koolhydraatteller met AI?
Hoe werkt AI in een voedingsapp
AI staat voor artificiële intelligentie. AI-systemen zijn autonome ‘slimme’ systemen die autonoom kunnen ‘leren’ door verbanden te vinden tussen data en labels. Zo moet een AI systeem voor een voedingsapp veel voorbeelden krijgen bv. foto’s van maaltijden enerzijds en labels (de beschrijving van de maaltijd; de uitkomst) anderzijds. Daarnaast kan AI gebruikt worden om op basis van je ingegeven informatie ook nieuwe informatie te krijgen zoals bv. een schatting maken van hoeveel een gescand voedingsmiddel weegt, de hoeveelheid calorieën of koolhydraten.
Verder zijn er AI systemen welke op basis van je persoonlijke gegevens (leeftijd, gewicht, ingestelde doelen) je behoefte berekenen, je ondersteunen in het bereiken van doelen en bv. ook recepten geven in functie van je voorkeuren. Alhoewel dit geen echte AI toepassing is, maar eerder gebaseerd is op basis van je ingevoerde voorkeuren, wensen, basis berekeningen en een achterliggende databank.
De studie van Li et al (2024) welke voedingsapp zonder en met gebruik van AI vergeleek vond dat apps met AI integratie betere functionaliteiten bevatten maar inschatting van de hoeveelheid energie inaccuraat was, vooral bij samengestelde maaltijden. Bij de gemiddelde voedingsapp werd de inname van koolhydraten met een 20% van de energie-inname overschat. De studie geeft verder aan dat er werd gewerkt met ideale omstandigheden van lichtinval, duidelijke achtergrond, zelfde afstand en ideale hoek om de foto te nemen en zo de porties in te schatten. Echter zijn deze omstandigheden in real-life moeilijk te realiseren waardoor de afwijking groter kan zijn.
| Voordelen van AI systemen kunnen zijn: |
Bepalen van portiegroottes zodat je geen grammen of porties meer moet ingeven, echter blijft het een schatting en is het nog niet volledig exact. Factoren die beïnvloeden zijn bv. lichtinval, achtergrond, … Herkennen van voedingsmiddelen. Dit werkt vooral bij goed herkenbare weinig bewerkte producten bv. een snede brood, gekookte aardappelen op het bord, een appel, … Kan op basis van je favoriete gerechten soms ook menu-tips geven |
Wat kan een AI-systeem nog niet: |
De achterliggende voedingswaarde informatie moet nog steeds uit een voedingsmiddelendatabank komen. De foto-scanner kan nog geen maaltijden vanaf een foto analyseren naar de voedingswaarde zelf. Samengestelde maaltijden bv. spinaziepuree, spaghetti bolognaise, confituur, pannenkoek kan niet herkend worden naar componenten toe bv. voedingswaarde kan verschillen in functie van gebruikte verhoudingen (veel groenten, minder groenten), veel of minder bereidingsvet en type bereidingsvet, toevoegen van suiker, room, enz. De ‘onzichtbare’ toevoegingen zoals suiker, honing, zout, room, olie tijdens bereidingen kan het AI-systeem niet onderscheiden. Bv. een AI systeem kan nog geen onderscheid maken tussen een klassieke confituur en een confituur met verlaagd suiker of een cake gemaakt met suiker of met zoetstoffen. Een AI-systeem kan bij het geven van adviezen geen rekening houden met bv. je glycemiewaarde, stressniveau, activiteiten (en of planning van je activiteiten), …. |
Werkt de Koolhydraatteller-app ook met AI?
Op dit moment werkt de koolhydraatteller-app nog niet met AI en zit op de voedingsdatabank een menselijke controle. Foto herkenning is niet geïntegreerd in de KH-teller app. Dit geeft op dit moment nog niet de gewenste resultaten voor alle type maaltijden en producten. Bij diabetes is het extra belangrijk dat de geschatte hoeveelheid koolhydraten vrij nauwkeurig is en dat de meeste apps nog geen rekening kunnen houden met al je parameters alsook actieve insuline, stressniveau, (geplande) activiteiten, ziekte, enz. …
Het voordeel van de KH-teller is dat de app een echt Belgisch product is. Hierbij zijn producten opgenomen uit de Belgische voedingsmiddelendatabank, een eigen samengestelde sportvoedingsdatabank en verder aanvult met merkproducten. In de app komen dagelijks producten bij. Dit met portiegroottes en termen zoals gebruikt in België en opgevolgd door een diëtist.
Achterliggend zijn de ontwikkelaars van de koolhydraatteller wel aan het onderzoeken hoe AI kan ingezet worden om de Voedingsdatabank up-to-date en juist te houden om de gebruiksvriendelijkheid in het zoeken binnen de app te hoog te houden.
Wat zijn toekomstmogelijkheden van AI in de koolhydraatteller?
De KH-teller wil in de toekomst investeren in AI-mogelijkheden voor uitbouw en onderhoud van de voedingsdatabank. Personen, bedrijven, organisaties welke interesse hebben om hieraan mee te werken kunnen contact opnemen met erika.vanhauwaert@ucll.be en danny.volkaerts@ucll.be
Bronnen:
Li X. et al (2024) Evaluating the quality and comparative validity of manual food logging and artificial intelligence-enabled food image recognition in apps for nutrition care. Nutrients, 16, 2573
Auteurs: Erika Vanhauwaert & Danny Volkaerts (UCLL)