Verktyg

Ny AI-app analyserar måltider utifrån bilder

Den nya kostappen Nutraware uppskattar näringsinnehållet i en måltid utifrån ett fotografi. Genom att även registrera hunger och känsloläge ska användaren kunna upptäcka mönster i sina matvanor och få individuellt anpassade råd.

Nina Granberg 20 augusti, 2026 • Uppdaterades 26 augusti, 2026 • 2 minuters läsning

Nutraware lanserades den 19 augusti och har utvecklats av näringsfysiologen Petra Kindlund tillsammans med det svenska AI-bolaget Etals. Bildanalysen bygger på flera AI-modeller som identifierar livsmedel och uppskattar portionsstorlekar. Informationen kopplas sedan till en livsmedelsdatabas för beräkning av energi och näringsinnehåll

Analysen omfattar bland annat protein, kolhydrater, fett, fibrer, omega-3 samt vitaminer och mineraler. Portionsstorlekarna är uppskattningar, och ingredienser som inte syns på bilden, exempelvis olja, salt och tillsatt socker, kan inte fastställas exakt.

– För exakta mängder krävs vägning eller manuell registrering, säger Petra Kindlund.

Uppgifterna sammanställs per dag och vecka. I samband med varje måltid går det även att ange hunger och känsloläge. Tanken är att appen över tid ska kunna synliggöra samband mellan exempelvis matintag, stress, trötthet och sötsug.

– Mitt mål är att hjälpa människor som vill gå ner i vikt och som kämpar med sitt känslomässiga ätande och få kontroll över matbruset. Jag vill ge dem kunskapen och verktygen de behöver för att själva kunna ta kontroll över sin hälsa, på ett sätt som är hållbart och baserat på fakta, inte dieter och förbud, säger Petra Kindlund.

Nutraware analyserar också hur stor andel av maten som består av det som i appen benämns ”högbelönande mat” – livsmedel med kombinationer av exempelvis fett, socker, salt och kolhydrater som kan stimulera belöningssystemet och bidra till att man äter mer.

Appen innehåller även en AI-coach som svarar på frågor och ger råd utifrån det användaren har registrerat. Enligt Petra Kindlund bygger råden bland annat på riktlinjer från Livsmedelsverket, de nordiska näringsrekommendationerna, NNR, och WHO. Innehållet har kvalitetssäkrats tillsammans med legitimerade dietister.

– Råden och innehållet ses löpande över och uppdateras i takt med nya rekommendationer och relevant forskning, säger Petra Kindlund.

Det finns också recept, måltidsplanering, en kunskapsbank och digitala kurser. Några resultat som visar hur bildanalysens träffsäkerhet har testats eller validerats har inte redovisats.

Nutraware finns i en kostnadsfri grundversion i App Store och Google Play.

Forskning

AI kan spela större roll i nutritionsbedömningen

Artificiell intelligens kan användas för att identifiera patienter med nutritionsrisk, analysera kroppssammansättning och ge stöd i kliniska beslut. En ny forskningsöversikt beskriver stora möjligheter för AI inom klinisk nutrition – men också risker och behovet av fortsatt mänsklig kontroll.

Redaktionen 16 september, 2026 • 3 minuters läsning

Artificiell intelligens har på kort tid blivit en del av många områden inom hälso- och sjukvården. Nu utvecklas också tillämpningar som riktar sig specifikt mot klinisk nutrition.

I en ny översikt i Current Opinion in Clinical Nutrition and Metabolic Care går forskare igenom hur AI kan användas från screening och nutritionsbedömning till kliniskt beslutsstöd och uppföljning.

En grundläggande möjlighet är att snabbt bearbeta mycket stora mängder patientdata. Genom att kombinera exempelvis journaluppgifter, laboratorievärden, bilddiagnostik och annan klinisk information kan algoritmer hitta mönster som kan vara svåra att upptäcka manuellt.

Kan upptäcka nutritionsrisk

Ett användningsområde är screening och tidig identifiering av patienter som löper risk för undernäring eller nutritionsrelaterade komplikationer.

AI-baserade modeller kan analysera stora databaser med patientinformation och användas för att förutsäga vilka patienter som har störst risk att utveckla problem. Det skulle kunna ge vårdpersonal möjlighet att sätta in nutritionsåtgärder tidigare.

Forskarna lyfter också fram användningen av medicinska bilder. Datortomografibilder som redan tagits av andra medicinska skäl innehåller information om bland annat patientens muskelmassa. Med hjälp av AI kan bilder analyseras automatiskt för att identifiera låg muskelmassa och sarkopeni och bidra till bedömningen av patientens risk och prognos.

Tekniken kan därmed göra information som redan finns i vården användbar även för nutritionsbedömningen.

Från bedömning till beslut

Nästa steg är kliniskt beslutsstöd. Genom att väga samman stora mängder information skulle AI-system exempelvis kunna bidra till att identifiera patienter som behöver nutritionsbehandling och ge underlag för mer individualiserade beslut.

I intensivvården, där patienternas tillstånd kan förändras snabbt och stora mängder data genereras kontinuerligt, ser forskarna särskilt stora möjligheter.

AI kan också användas för att förutsäga nutritionsrelaterade komplikationer och patientutfall. På sikt kan sådana system bidra till en mer individualiserad nutritionsbehandling, där rekommendationerna i större utsträckning anpassas efter den enskilda patientens tillstånd och riskprofil.

Kräver stora mängder bra data

Men möjligheterna kommer med tydliga begränsningar. AI-system är beroende av de data de tränats och testats på. Om underlaget är bristfälligt eller inte representerar de patienter som systemet senare används för finns risk för missvisande resultat.

För att utveckla tillförlitliga modeller behövs därför stora och välstrukturerade datamängder samt samarbete mellan kliniker, forskare och experter på dataanalys.

Det behövs också klinisk validering. Ett system som fungerar bra i en forskningsmiljö eller för en viss patientgrupp behöver inte automatiskt fungera lika bra i en annan vårdmiljö.

Stöd – inte ersättning för klinisk kompetens

Forskarna ser en betydande potential för AI att förändra den kliniska nutritionen, framför allt genom bättre screening, riskbedömning och mer individualiserade beslut.

Samtidigt behöver införandet ske under noggrann uppföljning. Målet är inte att ersätta den kliniska bedömningen utan att ge vårdprofessionen ytterligare information och beslutsstöd.

För dietisten väcker utvecklingen därför frågor som går utöver själva tekniken. Om en algoritm identifierar en patient som undernärd eller föreslår en nutritionsåtgärd behöver någon fortfarande kunna värdera resultatet i sitt kliniska sammanhang.

Ju mer avancerade beslutsstöden blir, desto viktigare blir därmed också frågan om vilken kunskap dietisten behöver för att förstå när AI hjälper – och när den riskerar att leda fel.

Källa: Singer P., Slavin Kish M. & Raphaeli O. Artificial intelligence in nutritional assessment and decision making. Current Opinion in Clinical Nutrition and Metabolic Care, 2026; 29(5):434–440.

Forskning

”Eating jetlag” kopplas till hjärt-kärlsjukdom

Att äta på olika tider under arbetsdagar och lediga dagar kan ha betydelse för hjärt-kärlhälsan. I en stor fransk studie var större variationer i måltidstider kopplade till högre risk för hjärt-kärlsjukdom hos män – även när forskarna tog hänsyn till bland annat kostkvalitet och sömn.

Redaktionen 14 september, 2026 • 3 minuters läsning

Vad vi äter har länge stått i centrum för kostforskningen. På senare år har intresset också ökat för när vi äter och hur måltidernas timing samspelar med kroppens dygnsrytm.

Nu har forskare från den stora franska NutriNet-Santé-studien undersökt fenomenet ”eating jetlag” – skillnaden mellan tidpunkten för måltider under arbetsdagar och lediga dagar.

Studien omfattade 104 806 vuxna, varav 79 procent var kvinnor. Deltagarnas medelålder vid studiens början var knappt 43 år och de följdes under en median på drygt åtta år.

Mätte första och sista intaget

Deltagarna fick vid upprepade tillfällen registrera allt de åt och drack under 24 timmar. Forskarna använde tidpunkterna för dagens första och sista energiintag för att beräkna mitten av varje deltagares dagliga ”ätfönster”.

Därefter jämfördes denna tidpunkt mellan arbetsdagar och lediga dagar. Ju större förskjutningen var, desto större var deltagarens så kallade eating jetlag.

Forskarna delade också in deltagarna efter om de åt ungefär samma tider under arbetsdagar och lediga dagar, försköt sitt ätande till senare tider när de var lediga eller i stället åt tidigare.

Drygt 70 procent behöll ungefär samma måltidsrytm. Omkring en fjärdedel försköt ätandet till senare tider under lediga dagar, medan knappt fem procent åt tidigare.

Samband sågs hos män

Under uppföljningen analyserade forskarna förekomsten av hjärt-kärlsjukdom, inklusive kranskärlssjukdom och cerebrovaskulär sjukdom.

Hos män var större eating jetlag kopplat till 14 procent högre risk för hjärt-kärlsjukdom och 21 procent högre risk för kranskärlssjukdom.

Män som försköt sitt ätande mer än en timme till tidigare tider under lediga dagar hade högre risk för både hjärt-kärlsjukdom och kranskärlssjukdom jämfört med dem som höll ungefär samma tider. Även en förskjutning till senare tider var kopplad till högre risk för kranskärlssjukdom.

Motsvarande tydliga samband sågs inte hos kvinnor.

Resultaten kvarstod efter att forskarna justerat analyserna för en rad faktorer, däribland ålder, fysisk aktivitet, rökning, alkoholintag, kostkvalitet och sömn.

Dygnsrytmen kan spela roll

En möjlig förklaring är kroppens cirkadiska rytm. Kroppens biologiska klockor påverkar bland annat glukosomsättning, blodtryck, hormonproduktion och metabolism. Om tidpunkterna för matintag regelbundet flyttas fram och tillbaka skulle det kunna bidra till en störning av dessa rytmer.

Men forskarna betonar att studien är observationell. Den kan därför inte visa att oregelbundna måltidstider i sig orsakar hjärt-kärlsjukdom.

Det är också oklart varför sambanden framför allt sågs hos män. Deltagarna i NutriNet-Santé är frivilliga och gruppen bestod till stor del av kvinnor, vilket också behöver vägas in när resultaten tolkas.

Forskarna menar att resultaten behöver bekräftas i andra populationer innan regelbundna måltidstider kan rekommenderas som en specifik strategi för att förebygga hjärt-kärlsjukdom. Studien bidrar samtidigt till ett växande forskningsområde där frågan inte bara är vad och hur mycket vi äter – utan också när vi äter.

Källa: Le Folcalvez X. et al. Eating jetlag based on meal timing discrepancies and risk of cardiovascular disease using the prospective cohort NutriNet-Santé. Communications Medicine, 2026.