Precisione dei contacalorie con l'IA: quanto è affidabile contare le calorie da una foto?

Fotografare il piatto invece di cercare ogni alimento in un database: è la promessa di MyFitnessPal (Meal Scan), Lose It! (Snap It), Cal AI, Foodvisor, SnapCalorie ed Ember, l'app che pubblica questa guida. Dietro il pulsante, il processo è quasi sempre lo stesso, in tre passaggi. Il modello prima riconosce gli alimenti, poi stima quanto ce n'è nel piatto, e infine converte quei grammi in calorie e macro usando una tabella di composizione degli alimenti.

Il primo passaggio è diventato molto affidabile. In uno studio irlandese pubblicato nel 2025, ChatGPT ha identificato gli alimenti in 114 foto di pasti con una precisione del 93%. Il secondo passaggio è molto più incerto: una foto è un'immagine piatta, senza scala e senza metro. Il modello deve indovinare lo spessore di una bistecca, la profondità di una ciotola o quanto olio ha assorbito una padella di verdure saltate. Il terzo passaggio dipende da cosa è stato riconosciuto: se l'app vede riso bianco semplice dove c'è riso fritto, il calcolo parte già col piede sbagliato.

Un alto tasso di riconoscimento, quindi, non dice nulla sulla precisione delle calorie. Un'app può nominare alla perfezione ogni elemento del piatto e sbagliare comunque di molto la porzione. Quando la scheda di un'app cita una percentuale di «precisione», chiediti se misura quanto bene vengono identificati i piatti o quanto sono vicine le calorie. Per confrontare le funzioni delle app principali, guarda la nostra rassegna delle migliori app contacalorie.

Gli studi indipendenti sono ancora rari, ma si sono moltiplicati da quando sono arrivati i modelli di visione per il grande pubblico. I protocolli si somigliano: pasti pesati al grammo vengono fotografati, passati a un'app o a un modello come ChatGPT, e la stima viene confrontata con il valore reale.

Il risultato più discusso viene dai ricercatori del NIDDK, l'istituto dei NIH (gli istituti nazionali di sanità statunitensi) dedicato a diabete e nutrizione. Presentato a luglio 2026 a NUTRITION, il congresso annuale dell'American Society for Nutrition, il loro studio ha sottoposto 102 pasti preparati in una cucina metabolica a quattro app: MyFitnessPal, Lose It!, Cal AI e Appediet. Tutte e quattro sottostimavano le calorie di circa un terzo, cioè in media da 250 a 345 kcal per pasto, e i grassi di circa 30 g. È un abstract di congresso, non ancora un articolo sottoposto a revisione, e i risultati non sono stati divisi app per app. Se stai valutando Lose It! rispetto a un'app basata sulle foto, il nostro confronto con un'alternativa a Lose It! (in inglese) spiega cosa include gratis ciascuna.

Due meccanismi tornano di continuo. Il primo è la dimensione della porzione. Nello studio irlandese, ChatGPT valutava correttamente i piatti piccoli ma sottostimava il peso nel 76% delle foto: una porzione grande di 798 g in media era stimata 530 g, quindi un terzo del cibo spariva dal calcolo. Il gruppo svedese che ha testato ChatGPT-4o, Claude e Gemini ha visto lo stesso schema: più grande è la porzione, più la stima resta indietro. I modelli sembrano riportare ogni piatto verso una porzione «standard», il che favorisce chi mangia poco e penalizza i piatti abbondanti.

Il secondo meccanismo sono i grassi, il più denso di energia tra i macronutrienti con 9 kcal per grammo. Un cucchiaio d'olio assorbito dalle verdure, una noce di burro sciolta nella pasta o una salsa mescolata a un piatto sono semplicemente invisibili. I 30 g di grassi mancanti nello studio dei NIH valgono da soli circa 270 kcal, la maggior parte dello scarto misurato. I ricercatori hanno anche notato che le app facevano più fatica con i pasti chetogenici, molto ricchi di grassi.

Gli errori sui grassi non vanno sempre nella stessa direzione. Su vassoi ospedalieri giapponesi piuttosto magri, i modelli di IA hanno invece sovrastimato i grassi di oltre il 20%. Gli autori parlano del problema del «nutriente invisibile»: dato che il modello non vede i grassi, applica una media. Funziona per un piatto normale, molto meno per uno molto ricco o molto leggero.

Alcuni pasti sono fatti per le foto: un piatto con elementi separati e ben visibili (un filetto di pesce, riso, fagiolini) di solito ottiene una buona stima. I problemi iniziano appena l'informazione esce dall'inquadratura. Nello studio su ChatGPT-5, i piatti serviti in ciotola hanno prodotto gli errori più grandi, perché la fotocamera non vede la profondità. Un curry, una zuppa, un'insalata ricca o la pasta al sugo nascondono gli ingredienti a strati.

Conta anche l'angolazione. Fotografato di sbieco, un piatto sembra più piccolo dietro che davanti, e la prospettiva altera la stima del volume. Una luce scarsa o una foto mossa ostacolano lo stesso riconoscimento. Soprattutto, un'immagine non dice nulla di quello che è successo in cucina: una padella unta, il burro nel purè, lo zucchero nel sugo di pomodoro, il formaggio fuso sotto la superficie.

Le bevande sono il caso estremo. Un bicchiere di liquido scuro può essere acqua frizzante aromatizzata, cola o tè freddo; uno arancione può essere succo o bibita. Per un'IA la differenza è spesso impossibile da cogliere, eppure lo scarto supera le 100 kcal a bicchiere.

Prima di bocciare la registrazione con foto, confrontala con quello che sostituisce. Quando le persone registrano i pasti da sole, dimenticano un biscotto, rimpiccioliscono una porzione e arrotondano per difetto. Il metodo di riferimento per misurarlo è l'acqua doppiamente marcata: bevi acqua arricchita con isotopi stabili, e la velocità con cui lasciano il corpo rivela il tuo dispendio energetico reale su una o due settimane. In una persona con peso stabile, l'apporto è uguale al dispendio, quindi si può verificare quanto dichiara di mangiare.

I risultati sono netti. Nello studio statunitense OPEN, su 484 adulti, gli uomini dichiaravano il 12-14% in meno del loro apporto nei richiami delle 24 ore, e le donne il 16-20% in meno. Con un questionario di frequenza alimentare, lo scarto saliva al 31-38%. Uno studio pubblicato sul New England Journal of Medicine nel 1992 ha seguito un piccolo gruppo di persone convinte di non riuscire a dimagrire con una dieta sotto le 1.200 kcal: in media sottostimavano il loro apporto del 47% e sovrastimavano la loro attività fisica del 51%.

Niente di tutto questo significa che le persone mentano. Valutare una porzione a occhio è difficile per tutti, e i piccoli extra si dimenticano facilmente. Spesso è il vero motivo dietro uno stallo nella perdita di peso apparentemente misterioso. L'inserimento manuale con ogni ingrediente pesato resta il metodo più preciso, ma è così noioso che poche persone lo mantengono a lungo. I ricercatori svedesi sottolineano che l'errore di ChatGPT-4o e Claude rientrava nello stesso intervallo dei diari alimentari di atleti verificati con l'acqua doppiamente marcata, senza la fatica della registrazione.

Buona notizia: per gestire il peso, la costanza conta più della perfezione. Se la tua app sottostima i pasti del 15% ogni giorno, in modo abbastanza regolare, il totale giornaliero è sbagliato, ma le tendenze restano leggibili. Puoi vedere in quali giorni mangi di più, quali pasti pesano di più e se i tuoi cambiamenti funzionano.

La bilancia fa allora da arbitro. Un deficit calorico si dimostra nel tempo: se dopo tre o quattro settimane il tuo peso medio non si è mosso mentre l'app mostra un deficit, probabilmente i tuoi pasti contengono più calorie del previsto. Invece di ridurre ancora le porzioni, cerca prima le fonti di errore descritte sopra: olio, salse, bevande e piatti abbondanti.

Una precisione al grammo conta solo in casi specifici: un percorso medico, una preparazione sportiva molto seguita o una condizione che richiede di controllare un nutriente. In queste situazioni le stime da foto non sostituiscono né la pesata né il parere di un medico o di un dietista. Per un obiettivo di forma o di peso, un metodo semplice che segui ogni giorno batte uno perfetto che abbandoni dopo dieci giorni.

Al ristorante, parti dal presupposto che il piatto contenga più grassi di quanto sembri: le cucine professionali sono generose con burro, panna e olio per sapore e consistenza. Fotografa il piatto, poi aggiungi quello che sai: «patatine fritte», «salsa al burro», «condimento a parte». I nostri consigli per mangiare sano al ristorante ti aiutano anche a scegliere piatti più facili da stimare.

A casa hai un enorme vantaggio: conosci la ricetta. Annota quanto olio è finito in padella e dividilo tra le porzioni. Per un piatto di famiglia, una descrizione come «un sesto di una lasagna fatta con 400 g di carne di manzo e 200 g di formaggio» sarà molto più precisa della foto della superficie della teglia. Lo studio su ChatGPT-5 lo mostra chiaramente: l'errore è sceso dal 30,5% con la sola foto al 24,4% quando si precisavano dettagli come il tipo e la quantità di grassi, poi al 13,9% con l'elenco completo degli ingredienti.

Per i prodotti confezionati, la foto non è lo strumento migliore: l'etichetta nutrizionale ti dà il valore esatto. Scansiona il codice a barre ogni volta che puoi e tieni le foto per i piatti misti.

Queste abitudini richiedono pochi secondi e correggono la maggior parte degli errori descritti dagli studi:

Le app che contano le calorie da una foto sono bravissime a riconoscere cosa c'è nel piatto e molto meno a valutare quanto ce n'è. Dalla sola foto, aspettati un errore medio intorno al 25-35%, di solito per difetto, e più grande per porzioni abbondanti, piatti con salse e pasti grassi. Non è peggio della memoria umana, che in media perde il 12-20% di quello che mangiamo. Scatta dall'alto, dai un'idea della scala, descrivi olio e salse, correggi le quantità e pesa ogni tanto il cibo: è questo che trasforma una stima approssimativa in uno strumento affidabile. Infine, guarda l'andamento del peso su diverse settimane, perché è la vera prova della tenuta dei tuoi numeri.