Google presenteert een AI-techniek die lichaamsvet kan inschatten met gewone smartphonefoto’s. De methode is ontwikkeld door Google Research en is deze week beschreven in nieuw onderzoek. Het systeem wil gezondheidsmetingen toegankelijker maken buiten de kliniek. Dat is relevant voor consumenten, zorgaanbieders en sportcoaches in Europa, waar de AVG en de Europese AI-verordening gelden.
Google schat vet via foto’s
De techniek gebruikt een neuraal netwerk, een type algoritme dat patronen herkent in beelden. Het model analyseert de vorm van het lichaam op een foto of een serie foto’s. Op basis daarvan schat het het lichaamsvetpercentage, een maat voor hoeveel vet iemand bij zich draagt.
Google zegt dat de aanpak werkt met normale foto’s, dus zonder speciale scanners. Dat verlaagt de drempel ten opzichte van professionele metingen in het ziekenhuis. De beoogde winst is gemak: meten kan thuis, met een telefoon die mensen al hebben.
De onderzoekers vergelijken de uitkomsten met referentiemetingen uit de zorg. Zo testen ze of het systeem stabiel en betrouwbaar werkt. Daarmee krijgt de methode meer waarde dan simpele maten zoals BMI, die geen onderscheid maken tussen vet en spier.
Resultaten naderen medische meting
In het onderzoek komt de schatting vaak dicht in de buurt van klinische waarden. De foutmarge is volgens Google kleiner dan bij eenvoudige thuismethoden zoals slimme weegschalen met bio-impedantie. Dat is van belang, omdat veel gebruikers juist een bruikbare trend willen volgen.
De techniek werkt het best bij duidelijke, goed belichte beelden. Storingen door kleding, pose of achtergrond kunnen de uitkomst beïnvloeden. Dat vraagt om duidelijke instructies in een consumentenapp.
Het systeem is geen arts en stelt geen diagnose. Het geeft een indicatie die een gesprek met een professional kan ondersteunen. Voor medische beslissingen blijft aanvullend onderzoek nodig.
AI-verordening stelt eisen
In de EU vallen dit soort gezondheidsmetingen onder de AVG, omdat het om bijzondere persoonsgegevens gaat. Dat betekent: expliciete toestemming, dataminimalisatie en goede beveiliging. Ook moeten gebruikers weten wat er met hun foto’s gebeurt en hoelang die worden bewaard.
Onder de Europese AI-verordening (AI Act) geldt extra toezicht als de techniek als medisch hulpmiddel wordt ingezet. Dan kan het systeem in een hoogrisicoklasse vallen en is een conformiteitsbeoordeling nodig. Voor een pure wellness-functie ligt de risicoklasse lager, maar transparantie blijft verplicht.
Wie de functie in Nederland wil gebruiken in de zorg, krijgt ook te maken met de MDR, de Europese regels voor medische hulpmiddelen. Een CE-markering is dan vereist. Zorginstellingen moeten daarnaast een DPIA uitvoeren om privacyrisico’s te beoordelen.
Bias en meetfouten beperken
Een bekend risico bij beeldmodellen is bias: vertekening door scheve trainingsdata. Als het model vooral is getraind op bepaalde huidtinten, leeftijden of lichaamstypen, kan de fout groter zijn voor anderen. Google zal dus moeten laten zien hoe divers de dataset is samengesteld.
Ook de opnamecondities tellen mee. Slechte belichting of losse kleding kan de vormafleiding verstoren. Een duidelijke gebruikershandleiding en ingebouwde kwaliteitschecks kunnen dat beperken.
Transparantie over prestaties per subgroep is essentieel. Denk aan aparte foutmarges voor mannen en vrouwen, verschillende leeftijden en huidtinten. Dat past bij de eisen aan uitlegbaarheid in de Europese AI-regels.
Consumententoepassing nog onduidelijk
Google noemt nog geen concrete productlancering. Het ligt voor de hand dat de techniek later kan landen in Android, Pixel-telefoons of Fitbit-diensten. Dan is lokale verwerking op het toestel interessant om privacy te beschermen.
Voor Nederlandse gebruikers zijn heldere opt-ins en offline-opties belangrijk. Verwerking op de telefoon verkleint het risico van datalekken. Alleen samenvattingen of trends kunnen dan versleuteld naar de cloud.
Als verzekeraars of werkgevers dit soort data zouden willen gebruiken, gelden in de EU strikte grenzen. Hergebruik voor andere doelen is zonder nieuwe toestemming niet toegestaan. Dat voorkomt functie- en doelverschuiving.
Kansen in zorg en sport
Voor huisartsen en leefstijlcoaches kan een betrouwbare vetmeting op afstand tijd besparen. Patiënten kunnen thuis frequenter meten en trends delen. Dat past bij digitale zorg en preventie in Nederland.
Ook sportclubs en fysiotherapeuten kunnen er voordeel van hebben. Een praktische indicatie helpt bij trainings- en herstelplannen. Voor professioneel gebruik blijft kalibratie tegen referentiemetingen verstandig.
Onderzoekers kunnen de methode inzetten in populatiestudies, mits gegevens goed zijn geanonimiseerd. Zo worden grote groepen makkelijker gevolgd, bijvoorbeeld bij obesitasonderzoek van RIVM of universiteiten. Open protocollen en reproduceerbaarheid blijven dan cruciaal.
Het lichaamsvetpercentage is het aandeel vet in het totale lichaamsgewicht, en geeft meer informatie dan de BMI, die vet en spier niet uit elkaar kan houden.