CarbCam vzame vašo fotografijo, jo pošlje storitvi umetne inteligence, prejme oceno sestavin, preveri vrednosti glede na standardne prehranske zbirke podatkov in vam prikaže rezultat.

Vsaka analiza gre skozi do šest korakov:

Vizualiziran potek, sledijo mu resnični posnetki zaslona za primerjavo:

1. Zavihek Skeniranje

2. Analiza z UI

3. Rezultat

1 Zajem fotografije in lokalno obrezovanje slike

Fotografija sprva ostane povsem na vaši napravi. Lahko jo obrežete, zavrtite ali posnamete znova. Nič se ne naloži, dokler ne tapnete “Analiziraj”.

2 Poizvedba v strežniškem predpomnilniku (predpreverjanje)

Preden se slika sploh pošlje umetni inteligenci, aplikacija prek zgoščene vrednosti SHA-512 in perceptualne zgoščene vrednosti preveri, ali v strežniškem predpomnilniku že obstaja enaka ali zelo podobna fotografija. Če je zadetek, takoj dobite nazaj shranjeni rezultat, brez ponovnega klica umetne inteligence. Naknadni korak Potrdi označi vnos v predpomnilniku kot porabljen (štetje kvot).

3 Nalaganje v analizo z umetno inteligenco

Če ni zadetka v predpomnilniku, se (obrezana) fotografija pošlje na našo končno točko za analizo. Tam se pokliče vizualni model (Gemini, Claude ali OpenAI, odvisno od vaše izbire v nastavitvah aplikacije), da opiše sliko, poimenuje posamezne sestavine in oceni grobe količine.

4 Preverjanje v ozadju (samo pri nizki zanesljivosti)

Če ocena umetne inteligence poroča o nizki zanesljivosti, strežnik v ozadju zažene navzkrižno preverjanje glede na prehranske zbirke podatkov (USDA FoodData Central, Open Food Facts). Popravljene vrednosti se prenesejo v predpomnilnik: naslednjič, ko se ujema enaka ali podobna fotografija, vidite izboljšani rezultat. Pri skeniranjih z visoko zanesljivostjo se ta korak preskoči.

Za črtne kode pa se primerjava Open Food Facts / USDA vedno izvede neposredno, saj je tu prehranska tabela proizvajalca primarni vir.

5 Urejanje z vaše strani

Vsako vrednost lahko preglasite: količino, OH, kcal, FPE, sestavino. Pri shranjevanju se uporabijo vaše vrednosti, ne ocena umetne inteligence. Aplikacija shrani vaš skupni popravek OH (Uporabnik: Xg proti UI: Yg) kot razliko za statistične namene.

6 Shranjevanje in sinhronizacija Nightscout

Lokalno v zbirki podatkov SQLite. Izbirno tudi prek sinhronizacije Nightscout v vašo instanco Nightscout, vendar le kot opomba v tabeli terapij (z oznako CarbCam), ne kot aktivna terapija z OH/inzulinom. Shranjevanja CarbCam ne vplivajo na vaše izračune Loop/AAPS/iAPS: obrok je viden le kot opomba. Če uporabljate upravljani Nightscout od ns.10be.de, je nastavitev še posebej enostavna: vnesite URL Nightscout in skrivnost API, in gotovo.

Če želite OH aktivno kot terapijo, uporabite gumb Deli v rezultatu skeniranja: pošlje vrednost OH prek globoke povezave v AAPS/AndroidAPS, Loop, iAPS ali Trio ali odpre sistemski list za deljenje.

FPE pomeni maščobno-beljakovinske enote. Opisujejo, koliko energije iz maščob in beljakovin z zamikom vpliva na krvni sladkor.

Ena FPE ustreza približno 100 kcal iz maščob in beljakovin. Primer:

• 30 g maščob + 20 g beljakovin = (270 + 80) ÷ 100 = 3,5 FPE

Uporabniki črpalk pogosto uporabljajo FPE za nastavitev parametrov razširjenega bolusa (npr. pravokotni ali dvojni val). Uporabniki peresnikov lahko FPE uporabijo kot grob pokazatelj za pozni korekcijski prigrizek ali manjšo popoldansko korekcijo.

CarbCam prikaže FPE kot rumen žeton v kartici z rezultatom. Barve prehranskih vrednosti:

• OH Ogljikovi hidrati
• kcal Kalorije
• FPE Maščobno-beljakovinske enote
• Maščobe Maščobe
• Beljakovine Beljakovine

Ko je Nightscout konfiguriran, CarbCam naloži podatke o krvnem sladkorju iz vaše instance Nightscout in v zavihku zgodovine pod vsakim obrokom prikaže krivuljo krvnega sladkorja. Časovno okno je odvisno od platforme in se samodejno izbere okoli obroka. Skupaj z Nightscoutom CarbCam omogoča ciljno spremljanje krvnega sladkorja po obroku.

Značilnosti krivulje krvnega sladkorja (podatki Nightscout):

• Časovno okno okoli obroka (odvisno od platforme)
• Označevalnik za čas obroka
• Vrh je barvno poudarjen (rdeča/rumena/zelena glede na raven)
• Porast in končna vrednost kot ključna kazalnika
• IOB / COB kot izbirni prekrivni črti

Natančnost je odvisna od vrste obroka:

Kaj izboljša natančnost:

• Dobra osvetlitev in jasna fotografija: brez senc čez krožnik
• Vse sestavine vidne: ne utopite testenin v omaki
• Referenca velikosti: obdržite rob krožnika, pribor ali roko v kadru
• Standardne jedi: umetna inteligenca je dobra pri dobro znanih jedeh

Kaj zmanjša natančnost:

• Krožniki s švedske mize z veliko majhnimi kupi
• Sestavine, močno prekrite z omako
• Zelo nenavadne regionalne jedi brez jasne referenčne zbirke podatkov
• Fotografirano pod kotom s strani brez reference velikosti

Kaj to pomeni za vaš bolus:

• Za običajne obroke: uporabite oceno kot izhodišče, uporabite svoje znanje in po potrebi prilagodite vrednost pred shranjevanjem
• Za kritične odločitve o bolusu (zelo veliko OH, tveganje za hipoglikemijo): vedno se posvetujte s svojim znanjem / zbirko podatkov / embalažo
• S črpalko: pridobite izkušnje o tem, koliko vaši obroki tipično odstopajo, nato popravite oceno s svojim osebnim faktorjem

Brez internetne povezave delujejo naslednje funkcije:

• Brskanje in filtriranje zgodovine
• Ročno ustvarjanje in urejanje vnosov
• Ogled zavihka statistike
• Izvoz podatkov (CSV/JSON)
• Fotografiranje in uvrščanje v čakalno vrsto za poznejšo analizo

Naslednje zahteva povezavo:

• Analiza z umetno inteligenco (fotografija se pošlje ponudniku)
• Samodejno iskanje črtne kode (Open Food Facts)
• Sinhronizacija Nightscout (krivulja krvnega sladkorja, nalaganje terapije)