Contar calorías con foto: ¿qué precisión tienen las apps con IA?

Hacer una foto al plato en lugar de buscar cada alimento en una base de datos: esa es la promesa de MyFitnessPal (Meal Scan), Lose It! (Snap It), Cal AI, Foodvisor, SnapCalorie y Ember, la app que publica esta guía. Detrás del botón, el proceso casi siempre es el mismo y tiene tres pasos. El modelo primero reconoce los alimentos, después calcula qué cantidad hay de cada uno a partir de la imagen y, por último, convierte esos gramos en calorías y macros con una tabla de composición.

El primer paso se ha vuelto muy fiable. En un estudio irlandés publicado en 2025, ChatGPT identificaba los alimentos de 114 fotos de comidas con una precisión del 93 %. El segundo es mucho más frágil: una foto es una imagen plana, sin báscula ni cinta métrica. El modelo tiene que adivinar el grosor de un filete, la profundidad de un cuenco o cuánto aceite han absorbido unas verduras salteadas. El tercero depende de lo reconocido: si la app ve arroz blanco donde hay arroz frito, el cálculo arranca con desventaja.

Por eso un buen porcentaje de reconocimiento no dice nada sobre la exactitud de las calorías. Una app puede nombrar a la perfección cada elemento del plato y equivocarse mucho con la ración. Cuando leas un porcentaje de «precisión» en la descripción de una app, pregúntate si mide la identificación de los platos o la diferencia real de calorías. Para comparar las funciones de las principales apps, consulta nuestra comparativa de las mejores aplicaciones para contar calorías.

Los estudios independientes todavía son escasos, pero se han multiplicado desde la llegada de los modelos de visión al gran público. Sus protocolos se parecen: se fotografían comidas pesadas al gramo, se pasan por una app o por un modelo como ChatGPT y se compara la estimación con el valor real.

El resultado más comentado procede de investigadores del NIDDK, el instituto de los NIH estadounidenses dedicado a la diabetes y la nutrición. Presentado en julio de 2026 en NUTRITION, el congreso anual de la American Society for Nutrition, su estudio pasó 102 comidas preparadas en una cocina metabólica por cuatro apps: MyFitnessPal, Lose It!, Cal AI y Appediet. Las cuatro subestimaron las calorías en alrededor de un tercio, es decir, entre 250 y 345 kcal por comida de media, y la grasa en unos 30 g. Es un resumen de congreso, todavía no un artículo revisado por pares, y los resultados no se detallan app por app.

Hay dos mecanismos que se repiten de un estudio a otro. El primero tiene que ver con el tamaño de la ración. En el estudio irlandés, ChatGPT acertaba con los platos pequeños, pero subestimaba el peso en el 76 % de las fotos: una ración grande de 798 g de media se estimaba en 530 g, de modo que un tercio de la comida desaparecía del cálculo. El equipo sueco que evaluó ChatGPT-4o, Claude y Gemini observó la misma tendencia: cuanto mayor es la ración, más se queda corta la estimación. Los modelos parecen llevar cada plato hacia una ración «estándar», lo que favorece a quien come poco y penaliza los platos generosos.

El segundo mecanismo es la grasa, el más denso de los macronutrientes, con 9 kcal por gramo. Una cucharada de aceite absorbida por unas verduras, un trozo de mantequilla fundido sobre la pasta o una salsa mezclada con el guiso no se ven. Los 30 g de grasa que faltaban en el estudio de los NIH suponen por sí solos unas 270 kcal, la mayor parte de la subestimación medida. Los investigadores señalan además que las apps fallaban más con las comidas cetogénicas, muy ricas en grasa.

El error con la grasa no siempre va en la misma dirección. Con bandejas de hospital japonesas, más bien magras, los modelos de IA sobrestimaron la grasa en más de un 20 %. Los autores hablan del «nutriente invisible»: como no ve la grasa, el modelo aplica una media. Acierta con un plato corriente, mucho menos con uno muy rico o muy ligero.

Algunas comidas se prestan muy bien a la foto: un plato con elementos separados y bien visibles (un filete de pescado, arroz, judías verdes) suele recibir una buena estimación. Los problemas empiezan en cuanto la información sale del encuadre. En el estudio con ChatGPT-5, los platos servidos en cuencos fueron los que produjeron los mayores errores, porque la cámara no ve la profundidad. Un curry, una sopa, una ensalada completa o una pasta con salsa esconden sus ingredientes en capas.

El ángulo también cuenta. Fotografiado de lado, un plato parece más pequeño por detrás que por delante, y la perspectiva distorsiona el cálculo del volumen. La poca luz o una foto movida dificultan el propio reconocimiento. Y, sobre todo, una imagen no cuenta lo que pasó en la cocina: una sartén con aceite, mantequilla en el puré, azúcar en el tomate frito, queso fundido bajo la superficie.

Las bebidas son el caso extremo. Un vaso de líquido oscuro puede ser agua con gas aromatizada, un refresco de cola o un té frío; uno anaranjado, un zumo o un refresco. Para la IA, la diferencia suele ser imposible de ver, y sin embargo supera las 100 kcal por vaso.

Antes de descartar la foto, conviene compararla con lo que sustituye. Cuando apuntamos nuestras comidas, olvidamos una galleta, encogemos una ración y redondeamos a la baja. El método de referencia para medirlo es el agua doblemente marcada: se bebe agua enriquecida con isótopos estables cuya eliminación permite calcular el gasto energético real durante una o dos semanas. En una persona con peso estable, lo que come equivale a lo que gasta, así que se puede comprobar lo que declara.

Los resultados no dejan lugar a dudas. En el estudio estadounidense OPEN, con 484 adultos, los hombres declaraban entre un 12 y un 14 % menos de lo que comían en un recordatorio de 24 horas, y las mujeres entre un 16 y un 20 % menos. Con un cuestionario de frecuencia de consumo, la diferencia subía al 31-38 %. Un estudio publicado en el New England Journal of Medicine en 1992 siguió a un pequeño grupo de personas convencidas de no adelgazar pese a una dieta de menos de 1.200 kcal: de media subestimaban lo que comían en un 47 % y sobrestimaban su actividad física en un 51 %.

Estas cifras no significan que la gente mienta. Calcular una ración a ojo es difícil para cualquiera, y los pequeños extras se olvidan enseguida. A menudo es la explicación de una meseta en la pérdida de peso aparentemente misteriosa. El registro manual pesando cada ingrediente sigue siendo el método más preciso, pero es tan pesado que poca gente lo mantiene mucho tiempo. Los investigadores suecos señalan que el error de ChatGPT-4o y de Claude se situaba en la misma franja que el de los diarios alimentarios de deportistas verificados con agua doblemente marcada, sin el esfuerzo de apuntarlo todo.

Buena noticia: para controlar el peso, la constancia importa más que la perfección. Si tu app subestima tus comidas un 15 % cada día, de forma más o menos regular, tu total diario es incorrecto, pero tus tendencias siguen siendo legibles. Ves qué días comes más, qué comidas pesan más y si tus cambios surten efecto.

La báscula hace entonces de árbitro. Un déficit calórico se comprueba con el tiempo: si tu peso medio no se mueve tras tres o cuatro semanas mientras la app muestra un déficit, lo más probable es que tus comidas tengan más calorías de las estimadas. En lugar de recortar aún más las raciones, busca primero las fuentes de error descritas arriba: aceite, salsas, bebidas y platos grandes.

La precisión al gramo solo tiene sentido en casos concretos: seguimiento médico, preparación deportiva supervisada o una patología que obliga a controlar un nutriente. En esas situaciones, la estimación por foto no sustituye ni a la báscula ni al consejo de un médico o de un dietista-nutricionista. Para un objetivo de forma física o de peso, un método sencillo que mantienes cada día vale más que uno perfecto que abandonas a los diez días.

En un restaurante, da por hecho que el plato lleva más grasa de lo que parece: las cocinas profesionales usan con generosidad mantequilla, nata y aceite por el sabor y la textura. Haz la foto y añade lo que sepas: «patatas fritas», «salsa de mantequilla», «aliño aparte». Nuestros consejos para comer sano en un restaurante también te ayudan a elegir platos más fáciles de estimar.

En casa tienes una gran ventaja: conoces la receta. Apunta cuánto aceite echas en la sartén y repártelo entre las raciones. Para un plato familiar, una descripción como «una sexta parte de una lasaña hecha con 400 g de ternera y 200 g de queso» será mucho más exacta que una foto de la superficie gratinada. El estudio con ChatGPT-5 lo ilustra bien: el error pasaba del 30,5 % con la foto sola al 24,4 % al indicar, entre otros datos, el tipo y la cantidad de grasa, y al 13,9 % con la lista completa de ingredientes.

Para los productos envasados, la foto no es la mejor herramienta: la etiqueta nutricional da el valor exacto. Escanea el código de barras siempre que puedas y reserva la foto para los platos compuestos.

Estos hábitos llevan unos segundos y corrigen la mayoría de los errores que describen los estudios:

Las apps que cuentan calorías con foto reconocen muy bien lo que hay en el plato y calculan mucho peor cuánto hay. Con la foto sola, cuenta con un error medio del 25 al 35 %, casi siempre a la baja, y mayor con las raciones grandes, los platos con salsa y las comidas grasas. No es peor que la memoria humana, que olvida de media entre un 12 y un 20 % de lo que comemos. Haz la foto desde arriba, da una escala, describe el aceite y las salsas, corrige las cantidades y pesa de vez en cuando: así una estimación aproximada se convierte en una herramienta fiable. Y vigila la tendencia de tu peso durante varias semanas, porque es ella la que dice si tus cifras se sostienen.