Fonti dei dati nutrizionali

Riassumi con: ChatGPT Claude AI Mode Perplexity

Da NutriScan ci teniamo che le informazioni nutrizionali siano accurate e affidabili. Per questo usiamo più fonti insieme, così i dati che ricevi sono i più precisi possibile e alimentano le funzioni principali dell'app.

Il nostro metodo combina diverse fonti di alta qualità:

1. Il nostro database alimentare. Oggi la maggior parte delle ricerche si risolve su un database nutrizionale che costruiamo e manteniamo noi, con milioni di alimenti. Parte da riferimenti pubblici e con licenza ormai consolidati e poi viene ripulito internamente:
   • USDA FoodData Central per gli alimenti generici e interi.
   • Open Food Facts per i prodotti confezionati e con codice a barre.
   • FatSecret per una copertura aggiuntiva di prodotti di marca e regionali.
   • Revisione e correzione interne. Non ci fidiamo dei record importati così come sono. Confrontiamo le calorie con proteine, carboidrati e grassi usando i fattori di Atwater e correggiamo le righe in cui i conti non tornano, risolviamo gli errori tra cotto e crudo e tra secco e preparato, eliminiamo i duplicati e le voci malformate e assegniamo a ogni alimento porzioni domestiche realistiche (una fetta, una tazza, un pezzo) invece di applicare lo stesso peso a tutto. I nomi degli alimenti sono mantenuti in più lingue, così i piatti regionali vengono riconosciuti nella lingua di chi li cerca.
   • Costruire il database da soli ci permette di coprire i piatti casalinghi e regionali, che i database pensati attorno al codice a barre in gran parte non includono.
2. Ricerca avanzata su internet: per i prodotti particolari, regionali o appena usciti che non sono ancora nel nostro database, i nostri sistemi fanno ricerche mirate e di qualità su fonti online affidabili per raccogliere le informazioni nutrizionali necessarie.
3. Integrazione con l'API di OpenAI: usiamo l'API di OpenAI per diversi compiti importanti:
   • Analisi dei pasti scansionati: aiuta a riconoscere gli alimenti più complessi in una foto e a capire il contesto del pasto.
   • Confronto incrociato dei dati: verifica le informazioni trovate in fonti diverse per renderle più precise.
   • Piani alimentari personalizzati: aiuta a elaborare preferenze e obiettivi di salute per generare consigli sui pasti e obiettivi nutrizionali su misura.
   • Potenziamento di NutriBites: capisce le domande degli utenti sullo storico dei loro pasti per offrire spunti utili.

Questa combinazione ci permette di fornire dettagli nutrizionali affidabili nelle varie funzioni dell'app:

• Pasti scansionati (Elaborazione della scansione e Pagina dei dettagli nutrizionali): quando scansioni un pasto, l'analisi dell'immagine riconosce gli alimenti. Il sistema interroga poi le fonti integrate (prima il nostro database alimentare, poi la ricerca avanzata e l'analisi di OpenAI) per ottenere i macronutrienti (calorie, proteine, carboidrati, grassi) e i principali micronutrienti (come fibre, potassio, calcio), e calcola il NutriScore. Il processo include controlli per gestire le immagini che non contengono cibo e i possibili problemi di filtraggio dei contenuti.
• Alimenti registrati a mano e modifiche (Pagina dei dettagli nutrizionali): quando registri un alimento a mano, aggiungi una voce mancante a un pasto scansionato o cambi le porzioni, l'app interroga le stesse fonti per trovare e mostrare i valori nutrizionali corrispondenti.
• Piani alimentari personalizzati (Piano pasti, funzione Premium): per generare un piano alimentare si combina il tuo profilo dettagliato (preferenze, obiettivi, restrizioni e così via) con i nostri metodi di recupero dei dati nutrizionali. Un modello linguistico (LLM), basato soprattutto su OpenAI, elabora queste informazioni per creare obiettivi giornalieri di macronutrienti e micronutrienti e proporre pasti specifici con dettagli completi (ricette, porzioni, benefici).
• Insights e NutriBites (Insights, NutriBites): funzioni come il calendario mensile (con i colori del NutriScore), il riepilogo nutrizionale giornaliero e le risposte di NutriBites si basano sull'interrogazione e sull'aggregazione dei dati nutrizionali che hai registrato o scansionato nel tempo.

Precisione e limiti

Gestire un database alimentare nostro ha cambiato ciò che possiamo promettere. Quando una scansione corrisponde a un record che abbiamo verificato noi, i valori nutrizionali arrivano da quel record e non da una stima generica, che era la fonte della maggior parte degli errori nel conteggio delle calorie da foto.

• Scansione dei pasti: NutriScan riconosce gli alimenti con una precisione pari o superiore al 95% per quelli presenti nel nostro database. È una cifra nostra, basata sulla verifica interna dei dati alimentari, non una certificazione di terzi.
• Registrazione manuale: gli alimenti inseriti a mano corrispondono direttamente agli stessi record verificati, quindi di solito sono ancora più precisi di una scansione, perché non c'è il passaggio di interpretazione dell'immagine.

Due limiti di cui parliamo apertamente. La porzione è la parte difficile: riconoscere bene il piatto non significa valutare quanto ce n'è nel piatto, e profondità, angolazione e impiattamento influiscono sulla stima. La copertura fissa il tetto: la precisione è massima per gli alimenti già nel nostro database, mentre un piatto che non abbiamo mai visto passa alla ricerca e alla stima con IA, dove l'errore è più ampio. Per questo ogni risultato resta modificabile, e ogni correzione aiuta il sistema a imparare.

Lavoriamo di continuo per migliorare algoritmi e processi di validazione dei dati e ridurre questi errori.

Mettendo insieme fonti diverse e di alta qualità, NutriScan vuole offrirti informazioni nutrizionali affidabili e complete per ogni tipo di alimentazione, per aiutarti a scegliere con consapevolezza e a seguire i tuoi progressi verso gli obiettivi di salute.