Çalışmada incelenen yaklaşım, uygulamanın bir öğünün fotoğrafını görsel tanıma ile analiz etmesi ve ardından porsiyon boyutlarını tahmin etmesi üzerine kurulu. Uygulama, görüntüdeki yiyecekleri tanımlamak için yapay zekâ destekli görüntü tanıma kullanıyor; tanımladığı öğeleri daha sonra besin içeriği veritabanlarıyla eşleştirerek toplam enerji ve makro besin ögelerini hesaplıyor. Kağıt üzerinde bu akış, kullanıcı için pratik bir deneyim sunuyor. Ancak araştırmada, gerçek hayattaki öğün çeşitliliğinin ve porsiyon belirsizliğinin, otomatik tahmin süreçlerinde hatalara yol açabildiği vurgulanıyor.

Sunumda yer alan bulgulara göre, dört uygulama arasında MyFitnessPal, LoseIt!, CalAI ve Appediet gibi isimler öne çıkıyor. Araştırmacılar, bu uygulamaların aynı tür girdi altında, referans olarak kullanılan daha kesin bir ölçüm setiyle kıyaslandığında sürekli düşük sonuç verdiğini raporladı. Özellikle “kalori” ve “yağ” tahminlerindeki bu sapma, yalnızca toplam enerji hesabını değil, beslenmenin makro düzeydeki dağılımını da etkileyebilecek türden bir hata olduğuna işaret ediyor.

Bu noktada kritik mesele, fotoğrafa dayalı tahminlerin doğası gereği porsiyon büyüklüğü ve yiyeceğin gerçek bileşimi gibi ayrıntılarda belirsizlik taşıması. Aynı görünen bir tabak farklı hazırlanma yöntemleri, farklı yağ kullanımı veya sos/ek malzeme yoğunluğu nedeniyle kalorisi açısından değişebiliyor. Uygulamalar, görüntüdeki öğeleri ve olası porsiyon hacmini tahmin ederken, bu tür ayrıntıları her zaman doğru yakalayamayabiliyor. Araştırmanın da işaret ettiği gibi, gerçek hayattaki yemeklerin karmaşıklığı, veritabanına eşleştirme adımında hataların büyümesine neden olabilir.

Çalışmanın NUTRITION 2026’da duyurulan sunum formatında yer aldığını ve bulguların, söz konusu uygulamaların kullanıcıların kendi kendine raporlama deneyiminde nasıl bir yanılgı üretebileceğine dair erken ama dikkat çekici bir sinyal verdiğini belirtmek gerekiyor. Fotoğraflı izleme araçlarının diyet farkındalığı yaratması ve kişilere genel eğilimler hakkında yardımcı olması, farklı araştırma alanlarında sıkça tartışılan bir konu. Bununla birlikte, bu yeni değerlendirme; “hızlı takip” hedefi olan sistemlerde, özellikle kalori ve yağ gibi temel metriklerde sistematik eksik tahmin olasılığının göz ardı edilmemesi gerektiğini ortaya koyuyor.

Sonuç olarak, fotoğrafa dayalı kalori sayma uygulamalarının pratik faydaları bulunsa da, National Harbor’da sunulan çalışma kullanıcıların yediklerini sürekli daha düşük görme eğilimiyle karşılaşabileceğini düşündürüyor. Araştırmacıların bulguları, klinik çalışmalar ya da beslenme kalitesini daha titiz biçimde değerlendirme gerektiren senaryolarda, bu tür araçların referans yöntemlerle doğrulanmasının önemini artırıyor. https://scienmag.com/photo-based-calorie-tracking-apps-may-underestimate-calories-consumed-in-meals/