Почему ИИ-трекеры ошибаются у людей с ожирением
Цифровое здоровье любит обещать простоту. Наденьте браслет, сфотографируйте тарелку, откройте приложение — и алгоритм будто бы уже знает о вашем теле всё: сколько вы сожгли, сколько съели, где ошиблись и как это исправить. Проблема в том, что эта красивая схема начинает давать сбои именно там, где помощь нужна больше всего, — у людей, живущих с ожирением.
Новый обзор в журнале Obesities разбирает этот разрыв. Его главный вывод звучит почти как приговор для части рынка digital health: многие ИИ-инструменты для мониторинга питания и физической активности до сих пор недостаточно адаптированы к особенностям людей с ожирением. И дело не в том, что у технологий мало данных. Дело в том, что они слишком часто работают с усредненным телом, усредненной походкой, усредненной тарелкой и усредненным метаболизмом — то есть с биологической абстракцией, а не с реальным пациентом.
На практике это выглядит так. Система распознавания еды видит перед собой не домашнее рагу, не многослойную запеканку и не тарелку с подливой, гарниром и скрытым маслом, а набор визуальных объектов, которые нужно классифицировать. И вот здесь начинается тихая катастрофа точности. Алгоритму трудно отличить объем от массы, распознать скрытые ингредиенты, учесть плотность блюда и не потеряться в культурном разнообразии реальной еды. Особенно плохо такие системы чувствуют себя вне стерильного мира стандартизированных изображений, на которых еда красиво разложена и ничего не перекрывает друг друга. Авторы обзора прямо указывают на ограничения оценки рациона питания с помощью изображений: смещение датасетов, визуальную окклюзию, ошибки сегментации и трудности перевода «картинки» в реальную пищевую ценность.
С физической активностью ситуация не лучше. Потребительские устройства неплохо считают шаги и более-менее научились отслеживать отдельные физиологические сигналы, но оценка энергозатрат остается куда более зыбкой территорией. А у людей с ожирением добавляется еще один слой сложности: иная биомеханика движения, другое распределение массы тела, возможные отличия походки, баланса и нагрузки. Если датчик расположен в удобной для массового рынка точке, но не в той, где сигнал лучше отражает конкретное движение, ошибка становится не случайностью, а системным свойством устройства. В обзоре подчеркивается, что мониторинг физической активности у людей с ожирением требует более точной валидации и, возможно, иных подходов к размещению сенсоров и интерпретации данных.
Есть и еще одна проблема, менее заметная, но не менее важная: алгоритмы любят считать то, что легко посчитать. А метаболизм человека устроен гораздо менее дисциплинированно. Он зависит не только от количества калорий, но и от контекста — времени суток, сна, циркадной синхронизации, состава тела, принимаемых препаратов, степени инсулинорезистентности и десятков других переменных. В этом смысле цифровой трекер нередко оказывается бухгалтером без клинического мышления: он добросовестно собирает цифры, но не всегда понимает, что именно они значат для конкретного организма. Авторы статьи поэтому и предлагают сдвиг в сторону систем, которые учитывают не «среднего пользователя», а фенотип, то есть реальные особенности человека, живущего с ожирением.
И вот здесь на сцену выходят GLP-1-препараты. Семаглутид, тирзепатид и другие инкретин-ориентированные подходы уже меняют сам ландшафт лечения ожирения. Но вместе с ними меняется и роль цифровых технологий. Если раньше приложение было в лучшем случае мотиватором и счетчиком привычек, то теперь оно может стать инструментом сопровождения куда более сложной терапии: отслеживать переносимость, помогать удерживать рацион, замечать риск снижения мышечной массы, мониторить поведенческие срывы и поддерживать долгосрочную приверженность. Авторы обзора пишут, что ИИ в этой новой реальности может превратиться из примитивного регистратора шагов в часть персонализированной экосистемы лечения — если, конечно, научится работать не с абстрактной популяцией, а с конкретным человеком, его фармакотерапией и его биологией.
Это и есть главный нерв всей темы. Не «заменит ли ИИ врача» и не «победит ли приложение ожирение», а гораздо более трезвый вопрос: способен ли алгоритм выйти из режима усреднения? Потому что сегодня многие цифровые решения все еще говорят с людьми с ожирением на языке чужого тела. Они измеряют — но не всегда понимают. Регистрируют — но не всегда интерпретируют. Выдают рекомендации — но не всегда знают, для кого именно они их выдают.
Будущее, которое описывают авторы, — это не магический ИИ, который все исправит. Это более требовательная и более честная модель: обогащенные датасеты, мультимодальная интеграция, лучшее распознавание питания, более валидный мониторинг движения и учёт клинического контекста, включая лечение GLP-1-препаратами. Иными словами, не еще один блестящий трекер, а попытка наконец признать очевидное: лишний вес — это не просто избыток килокалорий, а сложное биологическое состояние, которое нельзя надёжно описать алгоритмом, обученным на «среднем человеке».
