אפליקציות ספירת קלוריות מפספסות עד 345 קלוריות בארוחה

אתם מצלמים את הצלחת לפני שאתם אוכלים. תוך שתי שניות חוזר מספר, נניח 620 קלוריות, אתם רושמים אותו ביומן וממשיכים ביום. זה מרגיש מדויק, כי מספר תמיד מרגיש מדויק. מסתבר שהמספר הזה נוטה להיות נמוך משמעותית מהאמת. חוקרים מהמכון הלאומי לסוכרת ולמחלות עיכול וכליות, שהוא חלק ממכוני הבריאות הלאומיים בארצות הברית, צילמו 102 ארוחות שהוכנו במטבח מעבדה, כשכל רכיב בהן נשקל בדיוק של 0.1 גרם.

תמונת המחשה שנוצרה בבינה מלאכותית

את התמונות הם העבירו בארבע אפליקציות ספירת קלוריות מוכרות. הפער שהתקבל היה עקבי, ותמיד לכיוון אחד: האפליקציות דיווחו על פחות קלוריות ממה שהיה בפועל בצלחת, בממוצע בין 250 ל-345 קלוריות בכל ארוחה. בדקנו מה בדיוק נמצא שם, למה זה קורה דווקא בשומן, ומה זה אומר על מי שסופר קלוריות בעזרת הטלפון.

מה בדיוק בדקו, ואיפה

הממצאים הוצגו ב-25 ביולי 2026 בכנס NUTRITION 2026, הכנס השנתי של האגודה האמריקאית לתזונה, שנערך בנשיונל הארבור שבמרילנד. הציגה אותם אוליביה צ'רלס, עמיתת מחקר, יחד עם אהרון הנגיסט, עמית מחקר בתר דוקטורט, לפי הודעת האגודה האמריקאית לתזונה.

מה שהופך את הבדיקה הזאת לחזקה הוא נקודת הייחוס. הארוחות לא נקנו במסעדה ולא הוערכו בעין. הן הוכנו במטבח מטבולי מבוקר, מהסוג שמשמש מחקרי תזונה קליניים, וכל רכיב נשקל בנפרד. במילים אחרות, היה כאן מספר אמיתי להשוות אליו, ולא ניחוש מול ניחוש.

ארבע האפליקציות שנבדקו הן MyFitnessPal, LoseIt!, CalAI ו-Appediet. הבדיקה היא חלק ממחקר רחב יותר שמתנהל במרכז הקליני של ה-NIH ובוחן איך הגוף מעבד רכיבי תזונה בתפריט דל פחמימות לעומת תפריט רגיל. בשלב המשך נבדקו יותר מ-200 ארוחות נוספות.

למה השומן הוא הנקודה העיוורת של אפליקציות ספירת קלוריות

הפער הכי גדול לא היה בקלוריות באופן כללי, אלא ברכיב אחד ספציפי. האפליקציות החמיצו כ-30 גרם שומן בכל ארוחה בממוצע. הפחמימות, לעומת זאת, הוערכו בעקביות טובה בהרבה.

ההסבר הוא פיזי ופשוט. זיהוי תמונה עובד על מה שנראה בפריים: צורה, צבע, גודל יחסי, כמה ערימות יש בצלחת. שומן, ברוב המקרים, לא עושה שום דבר מזה. הוא נספג בתוך האוכל, נמס לתוכו או יושב עליו בשכבה דקה שקופה. כף שמן זית היא כ-120 קלוריות, והיא לא מוסיפה לצלחת ולו מילימטר אחד של גובה.

לכן יש הבדל גדול בין מה שהמצלמה קולטת לבין מה שאתם באמת אוכלים:

• נראה היטב: נפח המנה, מספר הפריטים, סוג המזון הכללי, פחמימות שתופסות מקום כמו אורז, פסטה ולחם.
• כמעט בלתי נראה: שמן טיגון שנספג, חמאה שנמסה, רוטב שנטמע בסלט, אחוז השומן של נתח בשר, קמח וסוכר שנעלמו בתוך מאפה.

זה גם מסביר ממצא נוסף: האפליקציות התקשו יותר דווקא עם ארוחות קטוגניות דלות פחמימות. ארוחות כאלה בנויות סביב שומן, וזה בדיוק הרכיב שהמצלמה מפספסת. אהרון הנגיסט אמר בהודעת האגודה שמי שמשתמש באפליקציית מעקב מבוססת תמונה בלי לתקן מנות או להזין כמויות צריך לקחת את התוצאה בערבון מוגבל, וששיעור הקלוריות שנאכל בפועל גבוה כנראה ממה שהאפליקציה מציגה.

מה זה אומר על הצלחת הישראלית

המחקר נעשה בארצות הברית, אבל הכשל שהוא מתאר רלוונטי במיוחד למה שאנחנו אוכלים כאן. האוכל הישראלי היומיומי בנוי סביב בדיוק סוג השומן שהמצלמה לא רואה.

סלט ירקות נראה בתמונה כמו סלט ירקות, בין אם הוא יבש לגמרי ובין אם יצקו עליו טחינה ושמן זית. טחינה גולמית עומדת על כ-600 קלוריות ל-100 גרם, כמעט חצי מהמשקל שלה שומן. חומוס שמוגש עם בריכת שמן זית באמצע, מיונז בסלט ביצים, פלאפל ושניצל שספגו שמן עמוק, בורקס שכל המבנה שלו הוא שכבות חמאה או מרגרינה. בכל אחד מהמקרים האלה, החלק הכי קלורי במנה הוא גם החלק הכי פחות מצולם.

הבעיה מחריפה כשמדובר בהרגל יומיומי ולא באירוע חד פעמי. מי שמצלם שלוש ארוחות ביום ומקבל מספר נמוך בכל אחת מהן, יכול לצבור פער של מאות קלוריות ביום בלי שום סימן אזהרה מהאפליקציה. המספר על המסך נראה בדיוק כמו תמיד.

מה המחקר הזה לא אומר

כאן חשוב לעצור, כי קל למתוח את הממצא רחוק מדי. נכון ל-4.8.26, מדובר בתקציר שהוצג בכנס. תקצירים שהוצגו ב-NUTRITION 2026 נבחרו על ידי ועדת מומחים, אבל הם לא עברו את תהליך ביקורת העמיתים המלא שנדרש לפרסום בכתב עת מדעי. זה אומר שהתוצאות צריכות להיחשב ראשוניות, וייתכן שהמספרים יזוזו בפרסום המלא.

המחקר גם לא בדק אם אנשים שמשתמשים באפליקציות האלה עולים או יורדים במשקל, ולא השווה אותן להזנה ידנית של מרכיבים על ידי אותם משתמשים. הוא בדק דבר אחד וממוקד: כמה קרוב האומדן מהתמונה למה שבאמת היה בצלחת. וכפי שכתבנו כשבדקנו את כלל שמונה כוסות המים ביום, מספר שכולם חוזרים עליו לא בהכרח עומד במבחן כשבודקים אותו ישירות.

ולמען ההגינות לצד השני: האפליקציות האלה לא מתיימרות להיות מכשיר מדידה מעבדתי, וכולן מאפשרות למשתמש לתקן ידנית את המנה ואת הכמות. הבדיקה מתארת מה קורה כשמסתפקים בצילום, וזה בדיוק מה שרוב האנשים עושים.

איך להשתמש באפליקציה בלי שהיא תעבוד עליכם

המסקנה המעשית היא לא למחוק את האפליקציה, אלא להפסיק להתייחס למספר שלה כאל עובדה. כמה דברים שמצמצמים את הפער:

1. הוסיפו ידנית את מה שהמצלמה לא רואה. שמן, חמאה, טחינה, מיונז ורטבים. גם הערכה גסה של כף או שתיים עדיפה על אפס.
2. תקנו את גודל המנה. זיהוי אוטומטי נוטה להניח מנה סטנדרטית, וצלחת ביתית כמעט אף פעם לא סטנדרטית.
3. היו חשדניים במיוחד באוכל מטוגן ובאוכל מסעדה. שם כמות השמן היא הנעלם הגדול, ואתם לא מכינים את המנה ולא רואים כמה נכנס.
4. עקבו אחרי המגמה, לא אחרי המספר. אם הפער עקבי, השינוי שאתם רואים לאורך זמן עדיין אומר משהו, גם אם הערך המוחלט מוטה.
5. הצליבו מדי פעם מול התווית. מוצר ארוז עם ערכים מודפסים הוא הזדמנות טובה לראות כמה האפליקציה קרובה.

שאלות ותשובות

האם אפליקציות ספירת קלוריות מדויקות?

בבדיקת ה-NIH על 102 ארוחות, אומדן לפי תמונה בלבד היה נמוך מהערך האמיתי ב-250 עד 345 קלוריות לארוחה בממוצע. הזנה ידנית של מרכיבים וכמויות לא נבדקה במחקר הזה, אבל היא מספקת לאפליקציה מידע שהמצלמה לא יכולה להשיג.

למה האפליקציה לא מזהה שמן בסלט?

כי שומן נוזלי לא משנה את הצורה או את הנפח של המנה. זיהוי תמונה מסיק כמות ממה שנראה בפריים, וכף שמן בת 120 קלוריות פשוט לא נראית שם.

אילו אפליקציות נבדקו במחקר?

MyFitnessPal, LoseIt!, CalAI ו-Appediet. החוקרים דיווחו על תת אומדן בכולן, בלי להצביע על אחת שבלטה לטובה.

האם כדאי להפסיק להשתמש באפליקציית ספירת קלוריות?

לא בהכרח. כלי מעקב עוזר לרבים דווקא בגלל המודעות שהוא יוצר, לא בגלל הדיוק המוחלט שלו. השינוי הנכון הוא להוסיף ידנית את רכיבי השומן ולהתייחס למספר כאל הערכה.

הפער שנמצא כאן הוא בסופו של דבר תזכורת לגבול של זיהוי תמונה, לא רק בתזונה. אלגוריתם עובד מצוין על מה שנמצא בפריים, ומתקשה עם מה שאין בו. כתבנו בעבר על הפער בין מה שאפליקציות באמת עושות לבין מה שנדמה לנו שהן עושות, וגם על מחקר שבדק מה קורה כשמשנים את שעות האכילה. הפעם הבאה שתצלמו צלחת, שווה לשאול שאלה אחת לפני שאתם מאשרים את המספר: מה כאן שמן, ואיפה הוא מתחבא. סיכום נוסף של הממצאים פורסם גם ב-ScienceDaily.