人工智能与营养师：ChatGPT 能准确评估你的膳食吗？

快速阅读: 《News-Medical.Net》消息，一项由爱尔兰都柏林的研究人员进行的研究显示，ChatGPT-4在识别餐点图像中的食物方面表现良好，但在估算营养成分时存在不足，尤其高估了小份餐食而低估了大份和中份餐食的分量及营养成分。尽管如此，ChatGPT-4的蛋白质和能量估算可与营养师相媲美。该研究发表在《营养素》杂志上。

塔伦·赛·洛姆特（作者）审校舒莎·切里亚德，理学硕士2025年2月10日

尽管ChatGPT-4能够识别图像中的大多数食物，但它倾向于低估分量和营养成分，这凸显了在可靠地辅助膳食评估之前还需要进一步改进。

研究：《ChatGPT在餐点照片营养成分估算中的评估》

在最近发表于《营养素》杂志的一项研究中，爱尔兰都柏林的研究人员评估了ChatGPT-4在从餐点图像估计营养成分方面的准确性。膳食摄入评价对于识别和管理不良健康状况的营养和食品相关原因至关重要。最常见的评估方法依赖于个人对食物、餐食或食物组及其分量的自我报告。然而，近年来使用数字膳食摄入评估方法的数量显著增加。许多数字系统还配备了图像识别软件，使用户能够上传他们的食物图片，减轻用户负担并提高准确性。此外，人工智能（AI）可以用于自动识别图像中的食物并估算分量和营养成分。然而，关于大型语言模型（LLM），如ChatGPT，在膳食摄入评估中的效用的研究尚不多见。

关于研究

ChatGPT-4在食物识别方面表现出色，达到了88.6%的F1得分，表明其精度（93%）和召回率（84.6%）之间达到了良好的平衡。在本研究中，研究人员评估了ChatGPT-4识别餐点图像中的食物和估算营养成分的效用。他们使用了来自国家成人营养调查（NANS）的38种在爱尔兰常见的食物图像。每种餐食有三张照片，分别代表大、中、小分量。考虑了四种餐食类型：小吃、早餐、午餐和晚餐。食物被称重，并通过麦肯斯和维多森的食物成分表确定其营养成分。研究人员为ChatGPT-4生成了一个相关的提示来估算营养成分，并提供了餐食的图像。具体来说，要求它估算蛋白质、能量、总脂肪、碳水化合物、膳食纤维、饱和脂肪、单不饱和脂肪、多不饱和脂肪、维生素C和D、叶酸、钾、钠、铁和钙。ChatGPT-4被要求提供点估计而不是范围。此外，还招募了七位来自英国和爱尔兰的营养师来估算蛋白质、碳水化合物和能量。营养师只收到了中等大小餐食的图像。

真阳性（TPs）指ChatGPT-4正确识别的食物；假阴性（FNs）指存在于图像中但未被LLM识别的食物；假阳性（FPs）指报告的食物但实际上不存在于图像中。接下来计算了精度（93%）和召回率（84.6%）。ChatGPT-4对小分餐食的估算在统计上是准确的（p=0.221），但对于中分和大分餐食显著低估了重量（p<0.001）。此外，实际值与LLM估算值之间的百分差异为能量0.1%、蛋白质-2.7%、碳水化合物-6.5%和多不饱和脂肪-9.1%。其他营养素的差异更大（>±10%），其中ChatGPT-4低估了11种营养素，最大的误差出现在维生素D（-100%）、钾（-49.5%）、钙（-27.8%）和叶酸（-38.6%）。此外，ChatGPT-4提供的营养成分估算与实际估算在10种营养素上存在显著差异。只有四位营养师为所有38张图像的所有营养素提供了估算。碳水化合物含量的ICC为0.31（一致性较差），能量的ICC为0.56（一致性较差到中等），蛋白质的ICC为0.67（一致性中等到良好）。

ChatGPT-4还对其估算的假设和局限性进行了评论，如食物强化、制备方法和未见成分的潜在影响。然而，营养师被要求提供可能有助于改善估算的信息。有趣的是，他们的回答与ChatGPT-4相似，突显了相同的营养成分估算挑战。

结论

总之，ChatGPT-4对图像中的大多数食物提供了正确的估算，但仅对较小的餐食的分量估算准确。它低估了大分和中分餐食的重量以及大多数营养成分的含量。然而，其蛋白质和能量估算的表现可与营养师相媲美，尽管碳水化合物估算较弱。这些发现表明，尽管ChatGPT是一个通用的LLM，但在膳食评估中仍具有潜力。然而，为了在饮食学和营养学中使用，可能需要进一步训练并整合食物成分数据库，以扩大其应用并提高准确性。

期刊参考：

奥哈拉C，肯特G，弗林AC，吉布尼ER，蒂蒙CM。《ChatGPT在餐点照片营养成分估算中的评估》。《营养素》，2025年，DOI：10.3390/nu17040607，https://www.mdpi.com/2072-6643/17/4/607

(以上内容均由Ai生成)