Filmpjes van etende mensen, gemaakt voor voedingsonderzoek, worden nu nog handmatig geanalyseerd. Onderzoekers van de WUR maakten een ‘happenteller’ die een deel van deze taak kan overnemen.

 

Eén van de belangrijkste factoren die onze gezondheid bepalen, is ons eetgedrag. Hier wordt dan ook veel onderzoek naar gedaan. Hierbij kijken wetenschappers niet alleen naar wat mensen eten en hoeveel, maar ook naar hóe mensen eten. Het kan daarbij bijvoorbeeld gaan om de snelheid waarmee de maaltijd naar binnen wordt gewerkt, en de invloed die de textuur van het voedsel hierop heeft.

Vaak worden etende mensen bij dit soort onderzoek gefilmd, om achteraf te analyseren hoeveel kauw-, slik- en hapbewegingen zij maakten.

 

Handmatig

Tot nu toe gebeurt deze analyse handmatig. Het is een tijdrovende klus, die vaak wordt uitgevoerd door studenten. Zij tellen bijvoorbeeld hoeveel happen de eters op de video’s hebben genomen.

Binnenkort is dit waarschijnlijk niet meer nodig. Een groep wetenschappers van Wageningen University & Research (WUR) ontwikkelde software die deze taak van onderzoekers kan overnemen.

 

Gezichtsherkenning

Dit nieuwe systeem projecteert een driedimensionaal grid van 468 punten over het gefilmde gezicht van de etende persoon, en bepaalt uit de verandering van de onderlinge afstanden van deze punten of de betreffende persoon een hap neemt.

Uit de eerste testen blijkt dat de software dit in 70 tot 80 procent van de gevallen juist heeft, waarbij het niet uitmaakt wat de textuur is van het genuttigde voedsel. Voor experimenten waarbij die foutmarge acceptabel is, kan de nieuwe tool dus al worden ingezet, schreven de Wageningse wetenschappers onlangs in het vakblad Frontiers in Nutrition.

‘Voor het 3D-masker dat over het gefilmde gezicht wordt gelegd, gebruik ik open source software voor gezichtsherkenning’, zegt Michele Tufano, de promovendus van de WUR die het onderzoek grotendeels uitvoerde, in een artikel in het universiteitsblad Resource. Op dit virtuele masker markeert hij de lippen van de proefpersoon. De software telt een beweging als hap wanneer de afstand tussen de lippen een bepaalde drempelwaarde overschrijdt, zoals deze video laat zien:

 

 

Eetproblemen

Het doel van de onderzoekers is nu om de nauwkeurigheid te verbeteren – door de algoritmen aan te scherpen of kunstmatige intelligentie in te zetten. Dat laatste zit nu nog niet in de tool: op dit moment is het systeem volledig gebaseerd op een aantal zelfbedachte regels om happen te identificeren en te onderscheiden van andere bewegingen. 'Dat heeft als voordeel dat we het systeem op individuele personen kunnen afstellen', zegt Tufano. 'Sommige mensen hebben hun mond standaard een beetje open staan, na een beroerte bijvoorbeeld. Voor hen kunnen we de drempelwaarde aanpassen, zodat de happen toch goed worden geteld.' 

Als het systeem verder ontwikkeld is, kan het de happen al tijdens het eten tellen, hopen de onderzoekers. Dan kan het wellicht worden ingezet als interventie bij mensen met obesitas. 'De snelheid waarmee mensen eten, is positief geassocieerd aan de gewichtstoename', vertelt Tufano. 'Met andere woorden: hoe sneller je eet, hoe meer je eet en hoe zwaarder je wordt.' Bewustwording kan dan helpen.

 

Draagbare teller

Mocht het lukken, dan zouden de Wageningers overigens niet de eerste zijn die een real time happenteller hebben ontworpen. In 2020 kwamen Amerikaanse onderzoekers al met de FitByte, een systeem dat nauwkeurig registreert wat, hoeveel en wanneer iemand eet en drinkt. Dat werkt met sensoren die op een brilmontuur kunnen worden bevestigd. 

Eerder nog, in 2012 publiceerden onderzoekers van de Clemson University in de Verenigde Staten over een draagbare happenteller. Deze maakte proefpersonen bewust van hun eetgedrag, waardoor zij hun voedselinname beperkten, bleek destijds uit onderzoek – al had het meer effect om het eten op kleinere borden te serveren. Latere onderzoeken van andere universiteiten bevestigden deze resultaten. Met name het gedachteloos dooreten is namelijk een manier om te veel calorieën binnen te krijgen.

'Met video's werken is goedkoper en minder intrusief', antwoordt Tufano op de vraag waarom hij het op zijn manier aanpakt.

En als de proefpersonen van de Clemson University van te voren werd verteld hoeveel happen ze móchten nemen? Dan namen de mensen die er maar weinig mochten gewoon grotere happen, bleek uit het genoemde onderzoek uit 2012. Uiteindelijk eten mensen nu eenmaal óók vaak omdat ze gewoon trek hebben.

 

Openingsbeeld: Depositphotos