Canto acerta a IA contando hidratos cunha foto?

Canto se equivoca a IA ao contar hidratos cunha foto?

Só coa foto, entre 10 e 28 g de hidratos por comida de media, segundo o estudo e o modelo: entre unha e tres racións ^{1, 9, 13}. O mellor dos estudos que citamos, 6,6 g, é de Gemini-3 Pro nun estudo pequeno ².

Estes son os estudos que comparan a IA con alguén de carne e óso, ou co peso real da comida. «Erro medio» é canto se afasta a estimación dos hidratos reais, de media, en cada comida.

Hai un dato do primeiro estudo que nos importa moito. Gemini pasouse en 20 g ou máis no 38 % das comidas. Os dietistas, no 3 % ¹. Pasarse é o que leva a poñerse insulina de máis.

Fronte a apps específicas de reconto, o resultado é parecido: en 246 comidas de hospital, as apps fallaron de 13 a 21 g e ChatGPT-5, 18 g ⁴. Nese estudo non queda claro se a ChatGPT se lle deu a foto ou unha descrición.

O segundo estudo é o que mellor deixa a IA, pero os seus autores piden cautela: son 14 persoas, moi adestradas ². E todo isto é moi recente. A última revisión sistemática sobre estimar comida con imaxes é de 2023 e non inclúe nin un só estudo con estes modelos ¹⁴.

Canto erro é aceptable ao contar hidratos?

Uns 10 g, unha ración. En nenos e adolescentes con insulina intensiva, equivocarse en 10 g non cambiou a glicemia de despois de comer; equivocarse en 20 g, si ^{18, 19}.

Dez gramos de hidratos son unha ración. É a medida que usamos en todo o artigo.

En nenos e adolescentes con insulina intensiva, equivocarse en 10 g non cambiou a glicemia posterior á comida ¹⁸. Equivocarse en 20 g, si: cando se contaron 20 g de máis, unha de cada tres comidas acabou en hipoglicemia ¹⁹.

Así que non buscamos unha IA que acerte ao gramo. Buscamos saber cantas veces se queda dentro desa ración de marxe.

A IA conta os hidratos mellor que unha persoa con diabetes?

Depende do estudo, e a evidencia é mixta. As persoas con diabetes tamén se equivocan: uns 15 g por comida de media en adultos con tipo 1 ¹⁵.

Se contas hidratos, xa o sabes: é difícil.

En 50 adultos con tipo 1, o erro medio foi de 15,4 g por comida. E quen máis se equivocaba tiña unha glicemia máis variable ¹⁵. Noutro estudo, con 61 adultos con insulina, a nota media foi un 59 % e o 82 % contou de máis ¹⁶. En nenos e as súas familias, o 73 % das estimacións quedou dentro de 10–15 g ²⁰.

Fronte a dietistas, a IA fallou máis no estudo francés ¹. Fronte a 14 pacientes moi adestrados, Gemini-3 Pro fallou algo menos ². Así que non se pode dicir que a IA conte mellor ca ti. Si que ninguén parte de cero erros.

En que pratos se equivoca máis a IA?

Nos pratos con moitos ingredientes, nas racións grandes e cando a foto cambia de ángulo ^{3, 5, 7}.

Os estudos coinciden en tres sitios do prato:

Como se pode mellorar a precisión da IA ao contar hidratos?

Dándolle a cantidade. Cos ingredientes e os seus gramos, ou cunha descrición detallada do prato, o erro baixa a 2–6 g por comida ^{2, 9}. Co peso real, tamén baixa moito ¹⁰.

Saber que hai no prato non é o problema. O problema é canto hai.

Cando á IA lle dan o peso real, o erro de Gemini 2.5 Flash cae do 57 % ao 20 % ¹⁰. Coa lista de ingredientes e as súas cantidades, ChatGPT-5 pasa de 11,7 g a 6,2 g ⁹. Dicirlle o nome do prato ou onde o estás comendo tamén axuda un pouco ^{12, 13}.

O que non se demostrou é que sirva poñer unha tarxeta ou un garfo ao lado para dar escala. En pratos compostos non mellorou nada ³.

Que IA conta mellor os hidratos: ChatGPT, Gemini ou Claude?

Depende da versión, non da marca. Gemini aparece entre os que máis fallan nuns estudos e entre os que menos noutros ^{1, 2, 13}.

LifeSugar usa Gemini, así que aquí hai que ser claros.

Nun estudo sueco, Gemini 1.5 Pro desviouse un 66 % de media cos hidratos; ChatGPT-4o, un 48 % ⁷. Gemini, sen versión indicada, foi o que máis fallou no estudo francés ¹. En menús de hospital xaponeses, Gemini 1.5 Pro acertou dentro do 10 % no 47 % dos casos; os dietistas, no 73 % ¹¹.

En cambio, Gemini-3 Pro foi o que mellor o fixo no estudo turco ², e Gemini 2.5 Pro o mellor cos hidratos nunha proba con 806 fotos ¹³.

Ninguén estudou aínda LifeSugar en concreto. Ningunha destas cifras é a da nosa app.

Pódese calcular o bolo de insulina cunha foto?

Ningún estudo o respalda. Todos os que se fixeron con persoas con diabetes ven a IA como apoio, non como substituto, e non atopamos ningún que probe a dosificar insulina co que estima unha foto ^{1, 2, 3, 4}.

Por iso LifeSugar non calcula bolos. Dáche os hidratos e as racións, e a dose decídela ti co teu equipo médico. LifeSugar non é un dispositivo médico.

En que estudos se basea LifeSugar?

Nos deste artigo. Cada decisión da app responde a un resultado publicado: corrixir antes de gardar, poder dicir a cantidade, non calcular o bolo e ver a comida xunto á glicemia.

Ler todo isto levounos a deseñar a app así:

A nosa conclusión: unha foto non substitúe o teu criterio. Dáche un punto de partida sen sacar a balanza, e a última palabra segue sendo túa.