L’AI è diventata di grande interesse negli ultimi anni.
Potenziale per i professionisti della nutrizione
Nell’ambito della nutrizione ha un grande potenziale sia per aiutare i professionisti nel proprio lavoro sia per per aiutare gli utenti/pazienti che ricercano e chiedono consigli nutrizionali o dimagranti, avendo un software che calcola fabbisogni, porzioni, grammature, organizza pasti, organizza la spesa, consiglia ricette e molto altro.
Essa aiuta a svolgere lavori, prendere appunti, fare calcoli, fare ricerche, costruire promozioni, pubblicità e molto altro in tempi brevissimi. Tutte operazioni che possono dare una grande mano al nutrizionista per svolgere la sua attività.
Potenziale negativo per utenti che cercano consigli dietetici
In questo articolo mi voglio soffermare sulle potenziali negatività che questa tecnologia puo’ avere nei confronti di alcuni utenti/pazienti che cercano consigli e che credono che si possa sostituire il lavoro del professionista della nutrizione con l’intelligenza artificiale.
E si perchè diversi studi hanno dimostrato che i dati forniti dall’AI non sono sempre cosi affidabili e a volte i consigli forniti possono comportare dei rischi per l’utente.
A questo si aggiunge il fatto che l’intelligenza artificiale non puo’ valutare la storia clinica del paziente, il quadro psicologico, il quadro relazionale e la capacità di aderenza di una persona. Fattori essenziali da prendere in considerazione quando si prende in carico un paziente che richiede una consulenza nutrizionale.
Infatti il professionista della nutrizione, si assume la responsabilità legale del percorso alimentare e valuta la salute globale, interpreta la storia clinica, valuta lo stile di vita, valuta la composizione corporea e cerca di modificare le abitudini alimentari del paziente per arrivare all’obbiettivo, tenendo conto delle possibilità di aderenza e di riuscita del piano alimentare nel breve e nel lungo periodo; cose che inevitabilmente non possono essere analizzate da un software che manca di empatia.
Pensate che rischi ci possono essere per una persona che soffre di instabilità emotiva o di disturbi del comportamento alimentare o anche per quelle persone che soffrono di allergie alimentari.
Alcuni studi che hanno testato l’AI in campo nutrizionale
Come detto in precedenza diversi studi hanno testato l’AI nel campo della nutrizione, vediamone 4 insieme:
- Uno studio publicato su BMC Nephrology del 2026 intitolato “Assessment of large language model chatbots for hemodialysis meal planning: a descriptive study”, ha analizzato i vari modelli linguistici: ChatGPT (OpenAI), Claude (Anthropic), Gemini(Google), LIama (Meta), testando l’accuratezza nell’elaborare diete a pazienti con insufficienza renale in emodialisi.
Questi pazienti, necessitano di obiettivi nutrizionali personalizzati e hanno bisogno di un’attenta valutazione dei vari nutrienti e degli elettroliti (potassio, sodio, fosforo, calcio, ecc) perchè rischiano aritmie e altre sequele cardiovascolari potenzialmente fatali se non si seguono correttamente le indicazioni di assunzione.
Gli autori hanno concluso che l’accuratezza dei modelli di AI è risultata generalmente bassa in tutti i modelli esaminati.
In particolare, tutti i modelli hanno sottostimato l’effettivo contenuto di potassio e fosforo nei piani alimentari proposti; ciò potrebbe comportare un rischio di iperkaliemia e iperfosfatemia nella pratica clinica.
In alcuni casi, l’intelligenza artificiale, non puo’ riuscire ad individuare, riconoscere o privilegiare in modo costante fonti attendibili rispetto a riferimenti meno validati trovati nel web.
- Un altro studio publicato su Nutrition Journal nel 2023, intolato “The credibility of dietary advice formulated by ChatGPT: Robo-diets for people with food allergies”, ha stabilito e dimostrato che ChatGPT, pur essendo generalmente accurato, può generare piani alimentari potenzialmente dannosi.
Gli errori più frequenti riguardano l’imprecisione nel calcolo delle porzioni o dell’apporto calorico di singoli alimenti, pasti o diete complete. Gli autori dello studio, hanno condotto un’analisi preliminare delle diete suggerite da sistemi automatizzati (“robo-diets”) in un ambito in cui il potenziale di danno è elevato: diete per persone affette da allergie alimentari. Consigli dietetici personalizzati rappresentano un trattamento fondamentale, e talvolta l’unico, per molte problematiche di salute. Nel caso delle allergie alimentari, è necessario seguire rigorosamente una dieta a esclusione, poiché l’assunzione di un ingrediente vietato può provocare persino uno shock anafilattico, condizione pericolosa per il soggetto allergico. L’elenco dei 14 allergeni alimentari comprende:
- cereali contenenti glutine (frumento, segale, orzo e avena)
- uova
- pesce
- crostacei (come gamberi, granchi e astici)
- molluschi (come cozze e ostriche)
- arachidi
- soia
- latte (e prodotti lattiero-caseari)
- frutta a guscio (come mandorle, nocciole e noci)
- sedano
- senape
- sesamo
- anidride solforosa e solfiti (a una concentrazione superiore a 10 parti per milione)
- lupini
Nello studio, la destinataria di una dieta era una donna di 30 anni con allergie alimentari specifiche, interessata a ricevere una dieta. La persona target è stata definita come una donna di 30 anni perché le donne sono più interessate alle novità legate alla salute e alla dieta e, in generale, le allergie alimentari colpiscono più donne che uomini. Le conversazioni con ChatGPT includevano tutti i 14 allergeni alimentari formulati a quattro livelli di restrizione. Per ogni tipo di allergia alimentare è stato selezionato un alimento appropriato e il suggerimento è stato adattato a ciascun livello di restrizione. L’aspetto più critico delle diete a esclusione elaborate dal modello (AI) riguardava la sicurezza.
La maggior parte dei menu escludeva correttamente gli allergeni in questione (52 casi su 56). Tuttavia, ChatGPT ha erroneamente incluso il latte di mandorla in diete prive di frutta a guscio. Questo esempio è particolarmente preoccupante, poiché l’allergia alla frutta a guscio è una condizione grave in cui l’assunzione anche di una minima quantità di allergene può comportare gravi conseguenze per la salute. Va inoltre sottolineato che il basso apporto energetico delle diete (1000 kcal) è stato scelto intenzionalmente per verificare se il modello prestasse sufficiente attenzione nella formulazione delle raccomandazioni nutrizionali. Diete così ipocaloriche non sono in grado di garantire un apporto adeguato di nutrienti attraverso i soli alimenti e, pertanto, richiedono solitamente un’integrazione alimentare. Nella maggior parte dei menu proposti veniva fornita solo un’indicazione generica sulla necessità di supervisione da parte di un professionista sanitario, senza avvertenze riguardo alla significativa restrizione.
La valutazione dell’accuratezza mirava a verificare se la quantità di cibo e il valore energetico fossero inclusi e calcolati correttamente in ciascun menu. In diversi casi, ha calcolato erroneamente il valore energetico di un singolo pasto o di un intero menu.
In conclusione gli autori sulla base di un’analisi preliminare delle diete robotizzate create da ChatGPT per persone con allergie alimentari, hanno dimostriamo che ChatGPT: può produrre diete non sicure (contenenti un allergene). Commette errori nello specificare le quantità di cibo e nei valori energetici; e produce diete monotone che potrebbero non essere seguite a causa della mancanza di varietà o dell’eccessivo affidamento su alcuni prodotti.
- Il terzo studio che voglio portare all’attenzione è stato pubblicato su Frontiers in Nutrition nel 2026, intolato “Artificial intelligence diet plans underestimate nutrient intake compared to dietitians in adolescents”
Qui gli autori, hanno mirato a valutare la validità clinica dell‘IA confrontando il contenuto nutrizionale di diete generate da diversi modelli di IA con piani dietetici di riferimento elaborati da dietisti.
In questo studio trasversale e comparativo, sono stati generati complessivamente 60 piani dietetici di tre giorni (in due sessioni) da cinque modelli di IA (ChatGPT-4o, Gemini 2.5 Pro, Claude 4.1, Bing Chat-5GPT e Perplexity) per quattro profili standardizzati di adolescenti. Per ciascun profilo è stato predisposto un piano dietetico di riferimento da parte di un dietista. L’apporto energetico e i macro/micronutrienti sono stati analizzati mediante il software BeBiS.
Risultati: I modelli di IA hanno mostrato la tendenza a sottostimare sistematicamente l’energia (bias: +695 kcal), le proteine (+19,9 g), i lipidi (+15,8 g) e i carboidrati (+114,6 g). Per quanto riguarda la ripartizione percentuale dei macronutrienti, le quote di proteine (21,5–23,7%) e lipidi (41,5–44,5%) sono risultate superiori alle linee guida raccomandate per gli adolescenti, mentre quelle dei carboidrati (32,4–36,3%) sono risultate significativamente inferiori. È stata osservata una variazione significativa tra i modelli riguardo al contenuto di micronutrienti e nessun modello ha mostrato una costante vicinanza ai valori del dietista per tutti i nutrienti.
Conclusione: I modelli di IA hanno evidenziato scostamenti clinicamente significativi nei piani dietetici per adolescenti, sia a livello di macronutrienti che di micronutrienti. I risultati indicano che i consigli nutrizionali basati sull’IA non sono idonei all’uso senza supervisione professionale, sottolineando la necessità di migliorare i modelli per ottenere dati più affidabili in questo ambito.
- L’ultimo studio, publicato su Nutrients,nel 2025, intolato “An Evaluation of ChatGPT for NutrientContent Estimation from Meal Photograph”, si proponeva di valutare l’accuratezza di ChatGPT-4 nella stima del contenuto nutrizionale di pasti comunemente consumati utilizzando fotografie di pasti derivate da dati di un’indagine dietetica nazionale.
Le fotografie dei pasti sono state caricate su ChatGPT ed è stato chiesto al sistema di identificare gli alimenti in ciascun pasto, stimarne il peso e stimare il contenuto nutrizionale dei pasti per 16 nutrienti, per il confronto con i valori noti.
Sette dietisti hanno inoltre stimato il contenuto di energia, proteine e carboidrati di trentotto fotografie di pasti per il confronto con ChatGPT.
Confrontando ChatGPT e i pasti reali, ChatGPT ha mostrato una buona precisione (93,0%) nell’identificazione corretta degli alimenti nelle fotografie. Si è riscontrata una buona concordanza per il peso dei pasti per i pasti piccoli, ma una scarsa concordanza per i pasti medi e abbondanti. Si è riscontrata una scarsa concordanza per 10 dei 16 nutrienti.
Conclusioni: ChatGPT ha ottenuto buoni risultati nell’identificazione degli alimenti, nella stima di piccole porzioni e nella classificazione dei pasti in base al contenuto nutritivo, ma ha ottenuto scarsi risultati nella stima del peso.
Da portarsi a casa
Gli studi disponibili indicano una strada precisa: utilizzare l’IA come assistente, non come sostituto del professionista. Soprattutto in presenza di patologie, allergie o esigenze nutrizionali particolari, medico, dietista e biologo nutrizionista, restano indispensabili per trasformare i dati in una scelta sicura e davvero personalizzata.
BIBLIOGRAFIA:
- Cathal O’Hara, Gráinne Kent, Angela C. Flynn, Eileen R. Gibney and Claire M. Timon; An Evaluation of ChatGPT for Nutrient Content Estimation from Meal Photographs; Nutrients 2025, 17, 607; https://doi.org/10.3390/nu17040607
- Ayşe Betül Bilen, Gülen Ecem Kalkan and Hülya Yılmaz Önal; Artificial intelligence diet plans underestimate nutrient intake compared to dietitians in adolescents” Frontiers in Nutrition 2026; doi: 10.3389/fnut.2026.1765598; https://www.frontiersin.org/articles/10.3389/fnut.2026.1765598/full
- Kevin Shi, Hiba Hamdan, Elizabeth Cheng and Delphine S. Tuot; Assessment of large language model chatbots for hemodialysis meal planning: a descriptive study; BMC Nephrology 2026; BMC Nephrology; https://link.springer.com/article/10.1186/s12882-026-04936-8
- Pawe» Niszczota Ph.D., Iga Rybicka Ph.D.; The credibility of dietary advice formulated by ChatGPT: Robo-diets for people with food allergies; Nutrition 112 (2023) 112076; https://doi.org/10.1016/j.nut.2023.112076
A CURA DEL DOTT. CRISTIAN MASTROPIETRO
