Scansioni corporee con smartphone e il problema del 1 cm: perché la ripetibilità non basta
Scansioni corporee con smartphone e il problema del 1 cm
Perché la ripetibilità non basta quando segui un cambiamento reale
Un cambiamento di un centimetro nella circonferenza vita può essere significativo. Per alcune persone può rappresentare mesi di allenamento coerente, nutrizione, recupero o semplicemente il rimanere in rotta.
Questo crea un problema pratico per qualsiasi tecnologia di monitoraggio corporeo:
Se il metodo può muoversi di un centimetro quando il tuo corpo non è cambiato, come può dirti che un cambiamento di un centimetro è reale?
È la domanda dietro la recente ricerca sulla scansione corporea basata su smartphone. La ricerca non mostra che ogni scansione telefonica sia inutile. Alcuni sistemi moderni possono essere impressionantemente ripetibili, soprattutto quando il telefono è su un treppiede, la stanza è controllata, il soggetto segue una posa rigorosa e la scansione viene ripetuta a distanza di minuti.
Ma la ripetibilità non è la stessa cosa dell’accuratezza individuale. Un metodo può produrre due volte quasi la stessa risposta ed essere comunque costantemente diverso da una misurazione con il metro, da uno scanner di riferimento o dalla reale dimensione del corpo della persona. Può anche essere abbastanza buono da descrivere una tendenza media in uno studio pur rimanendo troppo incerto per confermare un piccolo cambiamento in una singola persona.
Questa distinzione è il motivo per cui Contura adotta un approccio che mette le misurazioni al primo posto: il modello 3D è il modo in cui vedi e confronti le tue misurazioni, non un numero generato dalla fotocamera che silenziosamente le sostituisce.
Tre idee diverse vengono spesso mescolate
Prima di leggere un numero come “errore di 0,5 cm”, aiuta separare tre idee che i ricercatori misurano in modo diverso.
| Termine | Che cosa chiede | Perché conta |
|---|---|---|
| Precisione o ripetibilità | Se il corpo non è cambiato, quanto sono simili due letture? | Mostra il rumore tecnico nelle misurazioni ripetute. |
| Accuratezza o accordo | Quanto è vicino il risultato a un metodo di riferimento? | Mostra distorsione sistematica e disaccordo individuale. |
| Minimo cambiamento significativo (LSC) | Quanto deve essere grande la differenza prima che sia improbabile che sia rumore di misurazione? | Fissa una soglia pratica per interpretare il cambiamento. |
Un coefficiente di correlazione intra-classe (ICC) è utile per la ripetibilità, ma un ICC alto non dimostra che il numero assoluto sia corretto. La correlazione può essere alta anche quando un metodo sottostima costantemente la circonferenza vita o sovrastima quella dei fianchi.
L’LSC è l’idea che conta di più quando l’obiettivo è il monitoraggio dei progressi. Nel framework a due misurazioni usato nella ricerca sulla composizione corporea, l’LSC si calcola spesso come:
LSC ≈ 2.77 × precision errorQuel moltiplicatore è il motivo per cui un metodo con un errore di precisione di 0,5 cm non ti permette automaticamente di etichettare ogni differenza di 0,5 cm come cambiamento reale.
Che cosa ha davvero trovato la migliore ricerca sugli smartphone a 360°
Uno degli studi recenti più solidi ha confrontato quattro metodi di antropometria digitale su 46 adulti, inclusa un’applicazione per smartphone che catturava immagini in sequenza mentre la persona completava una rotazione completa. Sulle circonferenze, il metodo smartphone a rotazione completa aveva un errore tecnico di misurazione medio di 0,5 cm, un errore relativo dello 0,9% e un ICC di 0,986. In quel test controllato ha reso in modo simile a scanner 3D più grandi e meno portatili. Tinsley et al., European Journal of Clinical Nutrition (2024)
È un risultato prezioso. Mostra che cosa può ottenere una pipeline 360° progettata con cura in condizioni di test ripetuto.
Non significa che:
- ogni scansione sia entro 0,5 cm dalla tua vera circonferenza vita;
- 0,5 cm sia un errore massimo o una garanzia universale;
- una scansione fatta domani in un’altra stanza, posa, vestito o telefono sia equivalente alla scansione di laboratorio; oppure
- una differenza di 0,5 cm tra due scansioni personali sia automaticamente reale.
Lo studio correlato del 2024 su Frontiers in Medicine rende la distinzione ancora più netta. Ha usato un’applicazione di scansione 3D per smartphone che catturava molte immagini durante una rotazione completa, con un iPhone montato su un treppiede a circa 1,7 metri dal partecipante. I partecipanti mantenevano una posa a A, indossavano abiti minimi e aderenti, digiunavano dalla notte precedente ed evitavano esercizio per almeno 24 ore prima del test. Lo studio nota anche che il corpo si muove durante una scansione a 360°, quindi il software richiede una ricostruzione non rigida dell’avatar, che può introdurre errore aggiuntivo. Tinsley et al., Frontiers in Medicine (2024)
In quel paper, i valori LSC riportati di 1,39–1,82 punti percentuali si applicavano alle equazioni della percentuale di grasso corporeo, non alla circonferenza vita. La cifra di 0,5 cm sulle circonferenze citata nel paper proveniva dal precedente studio a rotazione completa.
Come semplice illustrazione — non come un LSC di circonferenza riportato da quel paper — se un errore di precisione di 0,5 cm fosse inserito nella stessa formula, il risultato sarebbe approssimativamente:
2.77 × 0.5 cm ≈ 1.4 cmEcco l’intuizione importante: un metodo può avere un errore medio di ripetibilità di 0,5 cm pur richiedendo un cambiamento più grande prima che tu possa essere sicuro che il cambiamento superi il rumore di misurazione. Un cambiamento di un centimetro può essere reale, ma può comunque essere troppo piccolo perché quel metodo lo identifichi con fiducia in una singola persona.
Lo studio MeThreeSixty mostra perché la media può trarre in inganno
Lo studio citato direttamente qui ha confrontato app per smartphone con misurazioni professionali con il metro. Ha incluso 115 adulti e ha valutato MeThreeSixty su un iPhone e su un telefono Samsung, oltre a myBVI. Le misurazioni di riferimento di vita e fianchi sono state prese dagli sperimentatori in un protocollo di laboratorio controllato, non dai partecipanti misurandosi con noncuranza a casa. Graybeal et al., British Journal of Nutrition (2023)
L’errore di precisione per circonferenza vita e fianchi andava da 0,5 a 1,9 cm. I risultati dettagliati mostrano perché quell’intervallo conta:
| Metodo | Errore di precisione vita | Errore di precisione fianchi |
|---|---|---|
| Riferimento con metro professionale | 0,63 cm | 0,65 cm |
| MeThreeSixty su iPhone | 0,54 cm | 0,51 cm |
| MeThreeSixty su Samsung | 0,87 cm | 0,90 cm |
| MeThreeSixty tra iPhone e Samsung | 1,91 cm | 1,59 cm |
| myBVI | 1,12 cm | 1,91 cm |
Questi sono risultati di ripetibilità. Non ci dicono quanto il numero di un’app sia vicino alla vera circonferenza della persona.
Quando i ricercatori hanno confrontato i risultati delle app con le misurazioni di riferimento a metro, MeThreeSixty su iPhone sottostimava la circonferenza vita in media di 2,3 cm e sovrastimava quella dei fianchi in media di 3,1 cm. Tra le app testate, i limiti di accordo al 95% erano circa ±9,0 a ±12,4 cm per la vita e ±6,7 a ±10,7 cm per i fianchi.
Il paper ha effettivamente trovato un’equivalenza a livello di gruppo per alcune misure entro una regione predefinita del 5%. Non è la stessa cosa che dimostrare che il risultato di un singolo individuo sia intercambiabile con una misurazione a metro. In effetti, la piccola sottostima della vita e la sovrastima dei fianchi si combinavano producendo un rapporto vita-fianchi non equivalente al metodo di riferimento.
Questa è la lezione centrale: un metodo può sembrare accettabile quando si confrontano le medie pur producendo una vasta gamma di errori individuali. Se la tua domanda è “la mia vita è davvero calata di 1 cm?”, l’errore individuale è più importante della media di gruppo.
Nemmeno più immagini eliminano il problema a livello individuale
Uno studio più recente del 2026 ha confrontato MeThreeSixty, Bodygram e ZOZO Fit con la DXA per la percentuale di grasso corporeo. ZOZO Fit era il metodo multi-immagine del confronto, con dodici fotografie mentre il partecipante ruotava di 360°. Tutte e tre le app hanno mostrato un’eccellente ripetibilità nella stessa sessione, con valori ICC da 0,98 a 0,99. ZOZO Fit aveva il RMSE di grasso corporeo più basso, 2,95%, e la concordanza più alta con la DXA.
Ma nessuna delle app ha raggiunto l’equivalenza entro la regione predefinita di ±2 punti percentuali dello studio. ZOZO Fit presentava comunque ampi limiti di accordo individuali, da circa −5,89 a +8,36 punti percentuali, e meno del 44% dei partecipanti era entro ±2 punti percentuali dalla DXA. Gli autori hanno concluso che le app avevano un’alta ripetibilità ma un’accuratezza individuale insufficiente per le decisioni cliniche. Encarnação et al., Clinical Nutrition ESPEN (2026)
Questo studio misurava la percentuale di grasso corporeo invece della circonferenza vita, quindi non va usato per sostenere che la misurazione della vita di una particolare app sia fuori della stessa quantità. Mette però alla prova lo stesso tipo di catena inferenziale: immagini della fotocamera → segmentazione e modello corporeo → misure corporee stimate → un risultato individuale.
Il risultato è istruttivo: catturare più immagini può migliorare l’adattamento medio del modello senza garantire un’accurata rilevazione dei cambiamenti individuali. Più dati aiutano, ma non trasformano l’output inferito di un modello in una misurazione fisica diretta.
Uno studio separato in accesso aperto mostra quanto la ricostruzione possa essere sensibile alla posa. In un partecipante, cambiare la posizione delle braccia durante l’immagine laterale ha cambiato la circonferenza vita generata di circa 6 cm, anche se il corpo della persona non era cambiato. Non è l’affermazione che ogni scansione telefonica commetterà un errore di 6 cm; è una dimostrazione concreta che la posa in input fa parte del sistema di misurazione. Minetto et al., Scientific Reports (2023)
La stessa pagina di aiuto di ZOZOFIT dichiara un margine di errore di 0,4 cm, a seconda della posizione della misurazione. Quel numero può descrivere la definizione, il dataset e il protocollo di test della società; non va letto come un limite di errore universale al 95% per ogni zona del corpo, tipo di corpo, telefono, stanza, posa o versione del software. Le stesse istruzioni dell’app richiedono inoltre una posizione costante durante la rotazione a 360°, una distanza fissa dal telefono, uno sfondo uniforme e un’illuminazione uniforme. ZOZOFIT: “How accurate are the ZOZOFIT measurements?” · indicazioni di ZOZOFIT sulla posizione di scansione
Perché questo è un problema strutturale, non solo un bug software
La fotocamera di un telefono non misura direttamente la circonferenza della tua vita. Osserva pixel e silhouette, poi il software deve dedurre una superficie tridimensionale, decidere dove si trova un punto di riferimento anatomico e calcolare una sezione trasversale del corpo ricostruito.
È un problema inverso. Diverse forme 3D possono produrre immagini 2D simili, soprattutto attorno a tessuti molli, vestiti, ombre, sovrapposizioni del corpo e zone nascoste alla fotocamera. Una rotazione a 360° dà all’algoritmo molte più informazioni, ma dipende comunque dalla qualità e dalla coerenza delle immagini e dal modello usato per interpretarle.
Le principali fonti di incertezza sono pratiche oltre che matematiche:
- Il punto di riferimento potrebbe non essere lo stesso punto di riferimento. La circonferenza vita può essere misurata sulla cresta iliaca, a metà tra l’ultima costola e la cresta iliaca, sull’ombelico o alla vita naturale. Queste posizioni possono produrre valori materialmente diversi, soprattutto nelle donne. Mason e Katzmarzyk, Obesity (2009)
- Postura e movimento cambiano la superficie. Una persona che ruota su se stessa non è un oggetto rigido. La ricerca stessa descrive la necessità di ricostruire un avatar non rigido e normalizzarlo a una posa canonica.
- Vestiti e illuminazione incidono sulla silhouette. Sia ZOZOFIT sia MeThreeSixty forniscono istruzioni su abiti aderenti, sfondo, posizione della fotocamera e illuminazione, perché il passaggio di elaborazione delle immagini dipende da quegli input.
- Telefono e versione del software contano. Nello studio MeThreeSixty, la precisione differiva tra le implementazioni su iPhone e Samsung. Le app consumer inoltre cambiano nel tempo i propri algoritmi di ricostruzione e avatar.
- La popolazione di addestramento conta. Un modello addestrato su una distribuzione di forme corporee può comportarsi diversamente con corpi di proporzioni, taglie, età o distribuzioni di grasso diverse. Lo studio MeThreeSixty ha trovato differenze tra sottogruppi e ha chiesto esplicitamente più ricerca sull’uso autogestito, domestico e longitudinale.
Nulla di questo significa che una scansione con smartphone non possa essere utile. Significa che una scansione è una stima la cui incertezza va considerata ogni volta che il cambiamento che ti interessa è piccolo.
Anche il metro da sarto non è perfetto — ed è questo il punto
L’alternativa non è uno strumento magico a errore zero. Anche le misurazioni a metro dipendono dal punto di riferimento, dalla postura, dalla respirazione, dalla tensione del metro e dall’abilità di chi misura.
In uno studio su misurazioni di vita e fianchi prese da un valutatore alle prime armi, gli autori hanno riportato che un cambiamento superiore a 3,0 cm per la vita e 2,0 cm per i fianchi poteva essere trattato come cambiamento reale con confidenza del 95% secondo il loro protocollo. Wang et al., Perceptual and Motor Skills (2010)
La lezione non è “il metro da sarto ha sempre ragione”. La lezione è che il monitoraggio serio richiede un protocollo di misurazione esplicito. Devi conoscere il punto di riferimento, le condizioni, il metodo e l’entità del cambiamento che il metodo può effettivamente risolvere.
Perché Contura usa il monitoraggio 3D measurement-first
Contura volutamente non è uno scanner corporeo a fotocamera. Non promette di dedurre ogni circonferenza da due foto o da una scansione a 360° con il telefono.
Invece, la catena di misurazione è visibile:
| Scansione camera-first | Monitoraggio measurement-first con Contura |
|---|---|
| Corpo → foto → estrazione della silhouette → mesh 3D dedotta → punti di riferimento proprietari → misurazioni | Corpo → punto di riferimento ripetibile con il metro → misurazione registrata dall’utente → visualizzazione 3D → confronto storico |
| Comoda, ma molti passaggi nascosti possono incidere sul numero | Poco più deliberata, ma l’input si può ispezionare e ripetere |
| La scansione è la misurazione | La misurazione è la fonte; il 3D è l’output visivo |
Contura ti aiuta a tenere sott’occhio le stesse posizioni di misurazione, a registrare più circonferenze nel tempo e a trasformare quei numeri in uno stato corporeo 3D ruotabile. Puoi confrontare due date e vedere come le differenze misurate si traducono in una cornice visiva coerente.
Questo non rende il metro da sarto infallibile. Rende il processo più trasparente. Se un numero cambia, puoi chiederti che cosa è successo al passaggio della misurazione invece di accettare un output del modello senza spiegazione. Se un cambiamento è più piccolo dell’incertezza di una singola lettura, puoi aspettare una tendenza ripetuta invece di lasciare che una scansione singola decida la storia.
Che cosa fare se prendi sul serio il monitoraggio dei cambiamenti?
Usa un metodo proporzionato all’entità del cambiamento che ti interessa.
- Scegli un punto di riferimento anatomico chiaro e mantienilo fisso.
- Misura in condizioni simili: ora del giorno, vestiti, postura, respirazione ed esercizio recente.
- Rilascia e riposiziona il metro per una seconda lettura, invece di stringerlo ripetutamente finché il numero non sembra giusto.
- Registra il metodo insieme al numero.
- Cerca una tendenza ripetuta su intervalli significativi, non una singola differenza quotidiana.
- Tratta qualsiasi modello corporeo 3D — sia generato da una scansione sia da misurazioni — come una visualizzazione, non come una diagnosi medica o un gemello digitale perfetto.
Per un controllo visivo approssimativo o per un grande cambiamento, una scansione telefonica può essere comoda. Ma se il tuo obiettivo è sapere se un lento cambiamento di un centimetro è reale, non affidarti alla sola scansione con la fotocamera. Usa una misurazione che puoi riprodurre, conserva lo storico e interpreta il risultato rispetto all’incertezza del metodo.
Questo è il ruolo di Contura: non fingere che la misurazione corporea sia uno sforzo zero, ma rendere la misurazione attenta più facile da registrare, confrontare e capire.
Domande frequenti
Un errore tecnico di 0,5 cm significa che la scansione è accurata a 0,5 cm?
No. Nello studio a 360°, 0,5 cm era un errore tecnico medio tra test ripetuti sulle circonferenze in condizioni controllate. Non era un errore massimo, una garanzia universale né una misura diretta dell’accordo con la tua vera circonferenza vita.
Questo significa che la scansione corporea con smartphone sia inutile?
No. Può essere utile per una visualizzazione approssimativa, grandi cambiamenti, la ricerca e alcune applicazioni a livello di gruppo. Le evidenze sono semplicemente più deboli quando la domanda è se un piccolo cambiamento in un singolo individuo sia reale.
Contura è più accurata di MeThreeSixty o ZOZOFIT?
Contura non avanza un’affermazione universale di accuratezza non validata. Usa un modello di misurazione diverso: l’utente registra le circonferenze, e Contura le visualizza e le confronta. La rende più adatta al monitoraggio trasparente e longitudinale delle misurazioni che alla stima automatica basata su fotocamera.
Il metro da sarto è sempre accurato?
No. Le misurazioni a metro richiedono punti di riferimento e tecnica coerenti. Il loro vantaggio è che il passaggio della misurazione è visibile, insegnabile e ripetibile; l’utente può ispezionare e correggere il metodo invece di accettare un’inferenza nascosta.
Ogni quanto dovrei misurare?
La maggior parte delle persone non ha bisogno di misurare ogni giorno. Una cadenza di ogni una o due settimane durante la perdita di grasso, o di ogni due-quattro settimane per cambiamenti della forma più lenti, è spesso più facile da mantenere coerente. L’intervallo migliore è quello che dà al corpo il tempo di cambiare mantenendo confrontabili le condizioni di misurazione.
Fonti e approfondimenti
- Graybeal, Brandner, and Tinsley (2023), “Evaluation of automated anthropometrics produced by smartphone-based machine learning,” British Journal of Nutrition
- Tinsley et al. (2024), “Mobile phone applications for 3-dimensional scanning and digital anthropometry,” European Journal of Clinical Nutrition
- Tinsley et al. (2024), “Smartphone three-dimensional imaging for body composition assessment using non-rigid avatar reconstruction,” Frontiers in Medicine
- Encarnação et al. (2026), “Accuracy, repeatability, and interchangeability of smartphone-based digital anthropometry,” Clinical Nutrition ESPEN
- Minetto et al. (2023), “Equations for smartphone prediction of adiposity and appendicular lean mass in youth soccer players,” Scientific Reports
- Mason and Katzmarzyk (2009), “Variability in Waist Circumference Measurements According to Anatomic Measurement Site,” Obesity
- Wang, Liu, and Chen (2010), “Intrarater reliability and the value of real change for waist and hip circumference measures by a novice rater,” Perceptual and Motor Skills
- Indicazioni di ZOZOFIT su accuratezza delle misurazioni e posizione di scansione