Cómo el seguimiento por foto resuelve las comidas que un código de barras nunca podrá

Abre casi cualquier base de datos de nutrición y descubrirás que en realidad es una base de datos de alimentos envasados. Cajas de cereal, barras de proteína, comidas congeladas, productos de cadenas de restaurantes con código UPC: todo registrado una vez por alguien, escaneado por todos después. Eso funciona bien, hasta que cocinas algo tú mismo.

Un salteado con tres verduras, un marinado que calculaste a ojo, y la cantidad de aceite que realmente terminó en la sartén no tiene código de barras. Tampoco lo tiene una ensalada que armaste con lo que había en el refrigerador, ni una olla de chili que sale un poco distinta cada vez que la haces. Estas comidas representan una gran parte de lo que la gente realmente come, y son precisamente las que rompen el registro basado en búsquedas.

La solución habitual es aproximar: buscar algo parecido, elegir la coincidencia más cercana y esperar que el cálculo de la porción no esté muy alejado. Haz eso tres veces al día y los errores se acumulan rápido, no porque una sola estimación esté muy equivocada, sino porque no hay ningún ancla con la comida que realmente tienes enfrente.

La estimación por foto invierte el punto de partida. En lugar de buscar un sustituto, fotografías el plato real, y el modelo razona sobre lo que ve: los ingredientes visibles, su volumen aproximado respecto al plato, y cómo eso se relaciona con las proporciones típicas de macronutrientes para ese tipo de plato. No está leyendo una etiqueta porque no existe ninguna; está estimando a partir de la misma información que usaría una persona si le pidieras que adivinara.

Esa distinción importa más de lo que parece. Una persona que mire tu salteado podría decirte que probablemente es un plato de pollo y verduras con una salsa ligera, más o menos un plato y medio de comida, quizás entre 500 y 650 calorías. No necesitaría un código UPC para llegar a eso, y probablemente estaría más cerca que una búsqueda genérica en una base de datos de "salteado de pollo" que asume una proporción completamente distinta entre proteína, verduras y aceite.

Nada de esto hace que la estimación por foto sea perfecta. No sabrá exactamente cuánta mantequilla llevaba tu puré de papas, ni si esa salsa se hizo con crema o con caldo. Lo que sí hará es ubicarte dentro de un rango razonable en las comidas que antes no tenían ninguna buena opción de seguimiento: comidas que, antes, se omitían, se adivinaban a lo loco, o se registraban como algo completamente distinto porque esa era la única coincidencia en la base de datos.

Los dos sistemas están pensados para trabajar juntos, no para competir. Un escaneo de código de barras te da números exactos para alimentos envasados porque esos números exactos existen. Una foto te da una estimación útil para todo lo demás, porque para la comida casera, un número rápido y razonablemente preciso le gana a uno lento y falsamente exacto. La mayoría de los días terminan usando ambos: el yogur se escanea, la cena se fotografía, y entre los dos, el registro del día realmente refleja lo que se comió en lugar de lo más parecido que había en una base de datos.

El punto más importante tiene que ver con para qué sirve realmente el seguimiento. Si el objetivo es una tendencia a lo largo de semanas y meses, una estimación un poco imperfecta hoy que de verdad vuelvas a registrar mañana le gana a un número técnicamente preciso que te tomó cinco minutos encontrar y que la próxima vez te saltarás porque no valió la pena el esfuerzo. El seguimiento por foto existe porque la comida casera es común, el seguimiento basado únicamente en bases de datos la maneja mal, y la solución no es una base de datos más grande: es una forma distinta de mirar el plato.