リサーチ 2026年9月 · 約8分

なぜこの問いが重要か

AI搭載アプリの宣伝には、必ず皿とカメラと自信ありげな数字が出てきます。管理栄養士やSNS、あるいはアプリを試してブリトーに380kcalと表示された人たちが、当然の疑問を口にします。どうやって分かるのか、と。

分かってはいません。4つの段階で推定していて、どの段階も間違えます。この段階を理解しているかどうかが、道具をうまく使えるか、数字に振り回されるかの分かれ目になります。

写真からの推定はどう動いているか

2026年現在、CalMePleaseを含むほぼすべての写真ベースのアプリは、次の流れで処理しています。

1. 領域分割。 画像を皿、背景、個々の食品といった領域に分けます。
2. 分類。 それぞれの領域に名前をつけます。焼いた鶏肉、白米、ブロッコリー、ソース。見た目の似た食品が混同されるのはここです。もも肉とむね肉、白米とリゾット、バターとマーガリン。
3. 分量の推定。 画像から体積や重さを推測します。奥行きを平面の写真から導く必要があり、ここが最も難しい部分です。重なり（鶏肉の下のご飯）とカメラの角度が、どちらも精度を落とします。
4. 栄養素の照合。 特定された食品と推定分量を栄養データベースと突き合わせ、カロリーとPFCに展開します。

誤差は積み重なります。分量で10%外し、ソースのデータベース項目が違えば、最終的な数字は30%外れます。同じ皿を見た二つのアプリが3分の1も違う結果を出すのはこのためです。

研究が示していること

**システマティックレビュー、2023年（Shonkoffら、Annals of Medicine）。** 画像によるAI食事評価を基準値と比較しました。カロリーの相対誤差は研究によって1%未満から38%まで幅があり、単品や簡単な食品ほど誤差が小さくなりました。結論として、AIによる手法は人の推定と同等かそれ以上になり得るものの、データセットによって成績が大きく変わるとされています。

Nutrients、2025年。 現行の汎用AIモデルを食事画像で検証しました。画像のみの推定は平均絶対パーセント誤差で約30.5%。画像に食材の短い説明を添えた場合は約13.9%。文脈が誤差を半分以下にしました。

Fridolfssonら、2025年。 ChatGPT、Claude、Geminiを52枚の食事画像で直接検証しました。重量とエネルギーの誤差は上位2モデルで40%弱、3つ目は65〜70%、栄養素の誤差は42〜110%で、たんぱく質が最も悪い結果でした。食品専用の処理を持たない汎用の大規模言語モデルは、専用に作られたアプリより明確に劣ります。

独立したアプリ検証、2026年。 6つのアプリを対象とした2件の検証（臨床栄養の報告と2026年5月の検証）では、写真のみのアプリは手入力とバーコードの組み合わせより誤差が大きく、混ざった料理では単品の皿より50〜70%大きい誤差が出ました。さらに、誤差の向きが重要だとも指摘されています。慢性的に低く見積もるアプリと高く見積もるアプリがあり、一定方向のずれは体重管理においてランダムなばらつきより厄介です。1週間かけても相殺されないからです。

クラウドソーシング研究、2018年（JMIR）。 比較の目安として。2028人に食事写真からカロリーを推定してもらったところ、平均的な人が真の値の20%以内に収まったのは20回中5回でした。訓練を受けた評価者も同じ成績でした。人間もこれは苦手なのです。

誤差の出どころ（寄与の大きい順）

1. 混ざった料理。 カレー、シチュー、グラタン、ソースのパスタ、ブリトー。材料の比率も油の量もモデルには見えません。
2. 隠れたカロリー。 ドレッシング、炒め油、バター、ソースの砂糖、スープの生クリーム。写真では見えず、しばしば100〜300kcalあります。
3. 分量の奥行き。 器を上から見ると、ご飯が150gでも300gでも同じに見えます。
4. 見分けのつかない食品。 全脂と低脂肪、加糖と無糖、赤身と脂身。
5. 光と角度。 暗いと分類が落ち、角度が急だと分量の推定が落ちます。

「精度」の表示が意味すること

アプリが「精度90%」と言うときは、何に対してかを確かめてください。実験室の検証は無地の背景、良い照明、1皿1品、既知の分量で行われます。あなたの昼の机の上とは違います。実際の混ざった料理での正直な範囲は15〜30%です。自社検証で誤差±1〜2%と公表する事業者もありますが、実際の食事で5%を切る数字は、手法が公開され独立に検証されていない限り疑ってかかるべきです。

Cal AI自身のFAQは約80%の精度としています。これは±20%だと率直に言い換えたもので、この分野の実力を素直に表しています。

いちばん近い数字を得る手順

研究から導かれる手順は明快で、CalMePleaseはまさにこの使い方を前提に設計されています。

1. 一文を添える。 写真に「鶏むね肉、ご飯、1カップくらい、オリーブオイル」と足すだけで誤差はおよそ半分になります。CalMePleaseなら撮影の直後に9言語のいずれかで話せます。

2. 込み入った皿は動画で。 2秒ほど皿の周りを動かすだけで、真上からの1枚より多くの角度が得られ、分量の推定が良くなります。CalMePleaseが動画入力に対応しているのはこのためです。

3. 市販品はバーコードで。 読み取った表示は正確です。プロテインバーは撮影せず、スキャンしてください。

4. 分かっていることは直す。 アプリがご飯200gと出しても100gだったと分かっているなら、直してください。どのアプリでも直せますし、良いアプリなら一度の操作で済みます。

5. 1食ではなく傾向を見る。 個々の推定は25%外れることがあります。ランダムな誤差を含む1週間分は平均されてずっと狭い数字に落ち着きます。大事なのは向きが合っているかと、そこから動けるかどうかです。

6. カロリー以外も数える。 カロリーの20%の誤差は面倒なだけです。糖・食物繊維・塩分をまるごと見落とすほうが — PFC4項目のアプリの多くがそうです — 大きな死角になります。CalMePleaseは1食10項目を数えるので、完璧でないカロリーの数字にも、体調を説明する文脈がついてきます。

それで十分な精度か

ほとんどの人にとっては十分です。ただし条件がひとつあります。目的が実験室の精度ではなく、気づきと方向づけであることです。

臨床のプロトコルで1847kcalちょうどに合わせる必要があるなら、食べ物を量ってデータベースを使ってください。昼食に速い糖質が多いこと、多くの日でたんぱく質が30g足りないこと、週末の糖が平日の倍であることを知りたいのなら、短い説明を添えた写真の推定で十分すぎます。そして、それが大半の人が3週目以降も続けられる唯一の方法です。

いちばん正確なアプリとは、3か月目もまだ使っているアプリです。

よくある質問

AIのカロリー計算はダイエットに使える精度ですか。 使えます。減量は数週間にわたる一定の収支で決まります。1食あたり15〜25%のランダムな誤差はおおむね平均化されます。大事なのは毎食記録することで、写真ならそれがずっと続きやすくなります。

いちばん正確なAIカロリーアプリはどれですか。 すべてのアプリを含む独立した比較は存在しません。複数の検証を通してみると、写真にバーコードとテキストを組み合わせ、素早く修正できるアプリのほうが良い成績を出します。計量とバーコードの組み合わせはすべてに勝りますが、その代わり大半の人が続きません。

説明を足すと本当に良くなりますか。 なります。公表された研究では、食材の短い説明を添えることで誤差が約30%から約14%へ下がりました。写真記録において最も効果の大きい習慣です。

外食の料理でずれるのはなぜですか。 外食の料理にはカメラに見えない油、バター、砂糖が含まれ、分量も見た目より多くなります。低めに出ると考えて、「外食、油多めかも」といった補足を添えてください。

動画からカロリーを計算できますか。 できます。動画は複数の角度を与えるため、分量の推定が良くなります。CalMePleaseは短い動画を入力として受け付けます。

---

関連記事: 2026年のAIカロリー計算アプリおすすめ7選 · CalMePleaseとCal AIの違い

CalMePleaseは写真・動画・音声・バーコードで食事を記録し、1食あたり10項目を計測します。App Storeで無料。