栄養値のデータソース
ChatGPT 
Claude 
AI モード 
Perplexity NutriScan にとって、正確で信頼できる栄養情報をお届けすることは最優先事項です。アプリの主要機能を支えるデータを、できるだけ精度の高いものにするため、複数の方法を組み合わせています。
情報源は、次のような質の高いものを組み合わせています。
- 自社の食品データベース。 食品の検索の大半は、私たちが自分たちで構築・運用している、数百万件規模の栄養データベースで解決されます。公開されている参考資料とライセンスを受けた資料をもとに作り、社内で整えています。
- USDA FoodData Central: 一般的な食材や未加工の食品に使います。
- Open Food Facts: 包装食品やバーコード付きの商品に使います。
- FatSecret: ブランド食品や地域の食品を補います。
- 社内での確認と修正。 取り込んだデータをそのままは信用しません。アトウォーター係数を使って、カロリーとタンパク質・炭水化物・脂質が食い違う行を突き合わせて直します。加熱後と生、乾燥状態と調理後といった基準の取り違いも解消し、重複や不備のあるデータも取り除きます。さらに、すべての食品に同じ重さを当てはめるのではなく、食品ごとに現実的な目安量（1 切れ、1 カップ、1 個など）を設定しています。食品名は複数の言語で管理しているので、地域の料理もお使いの言語で見つかります。
- 自社で作っているからこそ、バーコード中心のデータベースではほとんど拾えない、家庭料理や地域の料理までカバーできます。
- 高度なインターネット検索: 自社データベースにまだない、珍しい食品、地域限定の食品、発売されたばかりの食品については、信頼できるウェブ上の情報源を対象に、的を絞った質の高い検索を行い、必要な栄養情報を集めます。
- OpenAI API の活用: OpenAI API は、次のような重要な作業に使っています。
- スキャンした食事の分析: 画像に写った複雑な料理を見分け、食事の状況を読み取るのを助けます。
- データの照合: 複数の情報源で見つかった情報を突き合わせ、精度を高めます。
- 食事プランの作成: ユーザーの好みや健康目標を処理し、一人ひとりに合った食事の提案と栄養目標を作るのを助けます。
- NutriBites の強化: 食事履歴についての質問の意図を理解し、役立つ洞察を返します。
こうした組み合わせにより、アプリのさまざまな機能で信頼できる栄養の内訳をお届けできます。
- スキャンした食事（
Process Meal Scanと栄養詳細ページ）: 食事をスキャンすると、画像解析で食品を見分けます。そのうえで、連携しているデータソース（まず自社の食品データベース、次に高度な検索と OpenAI の分析）に問い合わせて、マクロ栄養素（カロリー、タンパク質、炭水化物、脂質）と主要なミクロ栄養素（食物繊維、カリウム、カルシウムなど）を取得し、NutriScore を計算します。食べ物以外の画像や、コンテンツフィルターの問題が起きた場合に対応するチェックも含まれています。 - 手動で記録した食品と編集（栄養詳細ページ）: 食品を手入力で記録したとき、スキャンした食事に足りない食品を追加したとき、量を調整したときも、同じデータソースに問い合わせて、該当する栄養情報を表示します。
- パーソナライズされた食事プラン（Premium 機能）: 食事プランの作成では、好み、目標、制限事項などの詳しいプロフィールと、上記の栄養データ取得の仕組みを組み合わせます。主に OpenAI を利用した LLM がこの情報を処理し、1 日ごとのマクロ・ミクロ栄養素の目標を作り、レシピ、量、メリットなどの詳細つきで具体的な食事を提案します。
- インサイトと NutriBites: 月ごとのカレンダー表示（NutriScore の色つき）、1 日の栄養の内訳、NutriBites の回答は、ユーザーが記録またはスキャンした過去の栄養データを検索・集計して作られます。
精度と限界
自社で食品データベースを運用するようになり、お伝えできる内容が変わりました。スキャンの結果が自社で確認済みのデータに一致した場合、栄養値は一般的な推定値ではなくそのデータから取得されます。写真ベースの記録で誤差の大半を生んでいたのは、この推定値でした。
- 食事のスキャン: 自社データベースに含まれる食品については、95% 以上の精度で識別します。この数値は、社内の食品データ検証にもとづく当社独自の数字であり、第三者による認証ではありません。
- 手動記録: 手動で記録した食品は、同じ確認済みデータにそのまま対応づけられます。画像を解釈する工程がないぶん、通常はスキャンよりさらに正確です。
ごまかさずにお伝えしたい注意点が 2 つあります。難しいのは量の見積もりです。 料理を正しく見分けることと、皿にどれだけ載っているかを判断することは別の話で、奥行き、撮影角度、盛り付けが推定に影響します。カバー範囲が精度の上限を決めます。 精度が最も高いのは自社データベースにすでにある食品で、見たことのない料理は検索と AI の推定に切り替わるため、誤差が広がります。どちらの理由からも、すべての結果は編集できるようにしてあり、修正するとシステムが学習します。
誤差を減らすため、アルゴリズムとデータ検証の仕組みの改善を続けています。
こうした質の高いデータソースを組み合わせることで、NutriScan はあらゆる食事に対して信頼できる総合的な栄養インサイトを提供し、食生活の判断や、健康目標に向けた記録を支えます。