用手機拍一張餐點照片，就能知道熱量與三大營養素，看起來非常方便。但當餐點由代謝廚房精確秤量後再比對，照片辨識 App 的數字可能比實際值低不少。
先看重點
- 研究使用 102 份由代謝廚房精確秤量的餐點作為比較標準。
- 四款照片辨識 App 平均低估每餐約 250 至 345 大卡。
- 脂肪平均被低估約 30 公克，高脂與低碳水餐點尤其容易出現落差。
- 照片紀錄適合用來提高飲食覺察，不等於精密的營養分析。
為什麼要測試照片辨識 App？
傳統飲食紀錄需要輸入食物名稱、份量與烹調方式，花時間也容易中斷。照片辨識工具把流程變得簡單，因此愈來愈多人拿它來控制體重或追蹤營養。
真正的問題是，影像可以辨認食物外觀，卻不一定看得出食材重量、油脂含量、醬料、夾層或烹調時加入的熱量。
研究怎麼進行？
研究團隊使用 NIH 臨床中心代謝廚房製作的餐點。每項食材都秤量到 0.1 公克，因此研究者知道每餐實際的熱量與營養組成。
研究者拍攝 102 份標準化餐點照片，再交由 MyFitnessPal、Lose It!、Cal AI 與 Appediet 四款工具分析，之後把 App 的估計值和真實配方比較。團隊也另外分析超過 200 份餐點，觀察哪些餐型最容易估錯。
結果差多少？
四款 App 平均每餐低估約 250 至 345 大卡，脂肪則低估約 30 公克。碳水化合物的估計相對一致，但整體準確度仍受餐點內容影響。
初步分析顯示，高脂、低碳水的餐點更容易被低估。原因可能是油脂藏在醬料、煎炒用油、起司或肉類中，單靠照片很難判斷實際份量。
使用 App 時可以怎麼做？
照片辨識最大的價值，可能不是提供一個完全準確的數字，而是降低記錄門檻，幫助使用者回顧餐點結構、蔬菜比例與進食頻率。
如果目標需要較高精確度，例如糖尿病胰島素計算、腎臟病飲食或競技營養，仍應搭配份量輸入、包裝標示、食譜資料或營養師評估。
研究限制
這是以控制良好的標準餐點測試工具，未必完全反映家常菜、混合料理與不同拍攝角度的情況。App 版本與演算法也會持續更新。
目前結果以會議摘要呈現，較適合當成使用數位營養工具時的提醒，而不是對特定品牌做最終排名。
參考資料
本系列依原始論文、期刊資料或研究摘要重新撰寫，並區分人體、動物、機轉與觀察性證據。外部參考連結只指向原始研究或研究機構資料。
本文為研究導讀，供專業交流與衛教參考，不取代完整論文、臨床指引或個別醫療建議。