Στον χώρο της προπόνησης και της διατροφής για αθλητές - ειδικά για μαραθωνοδρόμους– η ακρίβεια στην αξιολόγηση της πρόσληψης ενέργειας, μακροθρεπτικών και μικροθρεπτικών είναι κρίσιμη. Αυτό ως γνωστόν επηρεάζει την απόδοση, την αποκατάσταση, τον κίνδυνο κόπωσης και τις προσαρμογές στο σώμα. Πρόσφατα δύο μελέτες ανέδειξαν πόσο καλά –ή πόσο όχι– μπορούν μοντέλα τεχνητής νοημοσύνης να εκτιμήσουν το θρεπτικό περιεχόμενο γευμάτων.

Η πρώτη, από το Performance Nutrition Digest, αναφέρει τα βασικά ευρήματα: η αξιολόγηση τριών μεγάλων γλωσσικών/οπτικών μοντέλων (LLMs) για την εκτίμηση του βάρους τροφής, της ενέργειας και της μακροθρεπτικής σύνθεσης από φωτογραφίες τροφίμων.

Η δεύτερη μελέτη, η επιστημονική στο Current Developments in Nutrition, εξειδικεύει ακριβώς αυτή την αξιολόγηση: τρία μοντέλα (ChatGPT‑4o, Claude 3.5 Sonnet και Gemini 1.5 Pro) επάνω σε 52 φωτογραφίες γευμάτων (16 μεμονωμένα συστατικά και 36 ολοκληρωμένες μερίδες σε τρία μεγέθη) έκαναν εκτιμήσεις που στη συνέχεια συγκρίθηκαν με το ζύγισμα και βάση δεδομένων.

 

Τα βασικά ευρήματα είναι σαφή: τα δύο πρώτα μοντέλα (ChatGPT και Claude) πέτυχαν μέσες απολύτες ποσοστιαίες αποκλίσεις ~36%–37% για το βάρος και την ενέργεια, ενώ το Gemini εμφάνισε πολύ μεγαλύτερα σφάλματα (~64%–110%) για τα θρεπτικά. Επίσης, όλα τα μοντέλα παρουσίασαν συστηματική υποεκτίμηση όσο αυξανόταν η μερίδα (κλίμακα μεγέθους).

Τι σημαίνει αυτό όμως πρακτικά για εσένα, ως μαραθωνοδρόμο που φροντίζει τη διατροφή του;

Οι ιδιαιτερότητες ενός μαραθωνοδρόμου στην αξιολόγηση της διατροφής

Όταν προπονούμαστε για μαραθώνιο, η διατροφή δεν είναι απλώς «να φάω αρκετά». Είναι θέμα χρόνου άσκησης, έντασης, αποκατάστασης, αιμοσφαιρίνης, αιματοκρίτη, καύσεων, συντήρησης μυϊκού ιστού, αποφυγής τραυματισμών και φυσικά επίτευξης στόχου ταχύτητας ,όπως για παράδειγμα στη βελτίωση του γαλακτικού κατωφλιού (vLT). Σε αυτό το πλαίσιο, το να γνωρίζεις με ακρίβεια «πόσα γραμμάρια πρωτεΐνης», «πόσα γραμμάρια υδατάνθρακα», «πόσες θερμίδες» φτάνεις καθημερινά και να ξεχωρίζεις αν η πρόσληψη εξυπηρετεί το στόχο ,είναι σημαντικό.

Ωστόσο, στην πράξη, η αξιολόγηση της διατροφής είναι φορτική: χρειάζεται ζύγισμα, καταγραφή, υπολογισμό, χρήση βάσεων δεδομένων τροφίμων κ.α. Κι εδώ έρχεται η υπόσχεση της τεχνητής νοημοσύνης: «Γιατί να μην τραβήξω μια φωτογραφία του γεύματός μου και να λάβω εκτίμηση;» Αλλά η μελέτη δείχνει ότι δεν είμαστε ακόμη στο επίπεδο που θα εμπιστευόμασταν 100% αυτές τις εκτιμήσεις για έναν δρομέα με υψηλές απαιτήσεις.

Τι αποκαλύπτει η έρευνα για τη χρήση AI στην εκτίμηση τροφίμων

Ας δούμε αναλυτικά τι δείχνουν τα δεδομένα. Στη μελέτη στο Current Developments in Nutrition, τα 52 γεύματα φωτογραφήθηκαν με σταθερή μεθοδολογία (τρεις μερίδες: μικρή, μέτρια, μεγάλη), τα μοντέλα έλαβαν τις φωτογραφίες με αναφορά σε ποτήρια/μαχαιροπήρουνα ως σύστημα κλίμακας και εκτίμησαν βάρος τροφής, ενέργεια (kcal) και μακροθρεπτικά.

Τα ευρήματα:

- Για βάρος: MAPE ~36.3% για ChatGPT, ~37.3% για Claude.

- Για ενέργεια: MAPE ~35.8% για αυτά τα δύο.

- Οι συσχετισμοί (Pearson r) μεταξύ εκτιμήσεων και πραγματικών τιμών ήταν μεταξύ ~0.65-0.81 για ChatGPT/Claude.

- Όμως: συστηματική υποεκτίμηση όσο η μερίδα αυξανόταν (κλίμακα μερίδας) – slope ­0.23 έως ­0.50.

- Γενικότερα, τα μοντέλα δεν επαρκούν για «ακριβή διατροφική αξιολόγηση σε αθλητικούς πληθυσμούς».

Η ανασκόπηση από το Performance Nutrition Digest συνοψίζει σημειώνοντας το εξής :<<Παρά το ενδιαφέρον, η ακρίβεια δεν είναι επαρκώς υψηλή για κρίσιμες εφαρμογές όπως η προπόνηση ή τεχνικές διατροφής υψηλών απαιτήσεων.

Με άλλα λόγια, αν είσαι μαραθωνοδρόμος που θέλει να υπολογίσει με ακρίβεια την πρόσληψη υδατανθράκων ώστε να σου δώσει πλεονέκτημα στην κούρσα ή να βελτιώσει το vLT, δεν αρκεί μόνο η φωτογραφία και το «AI estimate». Βασίζεσαι επίσης σε αξιολόγηση από διαιτολόγο/διατροφολόγο, ζύγισμα, λεπτομερείς καταγραφές.

Πρακτικές συνέπειες για εσένα που προπονείσαι

Ας μεταφράσουμε αυτή την έρευνα σε πρακτικό επίπεδο .Καθώς σχεδιάζεις το πλάνο διατροφής σου ,όπως στο πλαίσιο της προετοιμασίας σου για μαραθώνιο, πρέπει να έχεις υπόψη να μην δίνεις απόλυτη εμπιστοσύνη σε quick photo-apps/AI estimates.Μπορούν να βοηθήσουν ως δείκτης ή ενδεικτικό εργαλείο, αλλά, ειδικά για μεγάλες μερίδες ή μικροθρεπτικά (βιταμίνες, μέταλλα), τα σφάλματα μπορεί να είναι μεγάλα.

Η καταγραφή με ζυγό και η χρήση βάσεων δεδομένων τροφίμων παραμένουν «gold standard» για απαιτητικούς στόχους (π.χ. βελτίωση vLT, αύξηση αιμοσφαιρίνης, αποκατάσταση).

Σε οτι αφορά στη διατροφή στοχευμένη στην αποκατάσταση και τους τραυματισμούς θα πρέπει να γνωρίζεις οτι ένα λάθος ±30%-40% μπορεί να επηρεάσει την πρόοδο. Για παράδειγμα, υποεκτίμηση του βάρους τροφής σημαίνει ότι μπορεί να λαμβάνεις λιγότερη ενέργεια/υδατάνθρακα από ό,τι νομίζεις και αυτό για έναν μαραθωνοδρόμο μπορεί να παίξει ρόλο στην κόπωση ή την καθυστερημένη αποκατάσταση.

 

Σε αγωνιστική περίοδο, όπου η διατροφή πρέπει να είναι πιο στοχευμένη (π.χ. πρωτεΐνη + υδατάνθρακα μετά από long run, φόρτωμα υδατανθράκων πριν τον αγώνα), η ακρίβεια έχει ακόμη μεγαλύτερη σημασία. Εδώ, η χρήση «εκτίμησης από φωτογραφία» χωρίς έλεγχο δεν επαρκεί για να διασφαλίσεις ότι ακολουθείς το πλάνο με ακρίβεια.

Ως εργαλείο ενίσχυσης, μπορείς να χρησιμοποιείς αυτές τις τεχνολογίες (AI εικόνας + prompt) ως «έμμεσο δείκτη» ή «ύστερη επικύρωση» της διατροφής σου, αλλά να τις συνδυάζεις με έλεγχο (ζύγισμα, ανάλυση από ειδικό) για να έχεις ασφάλεια και συνέπεια.

Πρακτική αξιολόγησης διατροφής

Με βάση τα παραπάνω, προτείνεται να εφαρμόσεις τα εξής:

- Κατάγραψε σε τακτική βάση (π.χ. 2-3 φορές/εβδομάδα) τις μερίδες σου με ζυγό. Αυτό είναι πολύτιμο για να παρακολουθείς την πρόσληψη υδατανθράκων/πρωτεΐνης/ενέργειας και να διορθώνεις αποκλίσεις.

- Αν χρησιμοποιήσεις φωτογραφία + εφαρμογή/AI εκτίμηση, κάνε το μόνο ως συμπληρωματικό εργαλείο, όχι ως μεμονωμένη πηγή. Σύγκρινε τις εκτιμήσεις με τα δικά σου δεδομένα.

- Όταν σχεδιάζεις τα «γευμάτα προπονήσεων» (long run, interval, στόχος vLT), βάλε στο πλάνο συγκεκριμένα γρ. υδατανθράκων/πρωτεΐνης (π.χ. 1.2-1.8 g υδατάνθρακα/κιλό βάρους σώματος για long run + διατήρηση ιστού).

- Εξέτασε με διαιτολόγο/διατροφολόγο που γνωρίζει αθλητική διατροφή για να έχεις ένα προσαρμοσμένο πλάνο, ιδιαίτερα εαν αντιμετωπίζεις ζητήματα με χαμηλή αιμοσφαιρίνη/αιματοκρίτη ή έχεις τραυματισμούς.

- Τέλος, κράτα την τεχνολογία στο ρόλο της «υποστήριξης», όχι της «αυτονομίας». Η έρευνα δείχνει πως τα μοντέλα δεν είναι ακόμη επαρκώς ακριβή για κρίσιμες διατροφικές αποφάσεις σε αθλητές υψηλών απαιτήσεων.

Για έναν μαραθωνοδρόμο που επιδιώκει να βελτιώσει τις επιδόσεις του, η ακρίβεια στη διατροφή είναι απαραίτητη. Οι σύγχρονες τεχνολογίες όπως τα οπτικολογικά/γλωσσικά μοντέλα που αξιολογούν γεύματα μέσω φωτογραφιών προσφέρουν εντυπωσιακή δυνατότητα, αλλά δεν μπορούν προς το παρόν να αποτελέσουν τον μοναδικό τρόπο αξιολόγησης. Όπως έδειξε η έρευνα, η υποεκτίμηση μερίδων και το εύρος σφαλμάτων μπορούν να επηρεάσουν την πραγματική πρόσληψη ενέργειας/θρεπτικών.

Επομένως, η στρατηγική σου ως δρομέας υψηλού επιπέδου θα πρέπει να είναι: αξιοποίησε τεχνολογικά εργαλεία – αλλά παράλληλα διατήρησε πρακτικές ακρίβειας (ζύγισμα, καταγραφή, συμβουλή ειδικού). Με αυτό τον τρόπο θες να έχεις και το «πλεονέκτημα της τεχνολογίας» αλλά και την ασφάλεια ότι δεν θα χάσεις τη λεπτομέρεια που κάνει τη διαφορά στην απόδοση, την αποκατάσταση και την υγεία σου.