CarbCam no es un producto sanitario en el sentido del Reglamento europeo de productos sanitarios (MDR, Reglamento (UE) 2017/745) y no está aprobada ni certificada como tal. La aplicación no constituye asesoramiento médico, diagnóstico ni terapia y, en particular, no sustituye la consulta con personal médico, un asesor de diabetes o un nutricionista.

Los valores mostrados por la aplicación (carbohidratos, calorías, grasas, proteínas, unidades de grasa-proteína/FPE, índice glucémico) son estimaciones basadas en IA a partir de una foto y una suposición de porción derivada. No están validados ni garantizados.

La precisión de la estimación depende del tipo de comida:

• Porciones claras e individuales (arroz, pasta, pan): desviación típica ±20 %
• Comidas complejas o mixtas (guiso, gratinados): ±30 %
• Platos inusuales o regionalmente desconocidos: ±40 % o más
• Productos envasados con código de barras automáticamente detectado (Open Food Facts): ±5 %, limitado por la calidad de los datos del fabricante

Ingredientes ocultos (salsas, grasas, azúcar), tamaños de porción desconocidos, iluminación desfavorable o ángulos inusuales pueden provocar desviaciones considerablemente mayores. No se puede descartar que la aplicación proporcione en casos individuales valores significativamente demasiado altos o demasiado bajos.

CarbCam no proporciona recomendaciones de dosis de insulina, antidiabéticos orales ni otros medicamentos. La conexión opcional con Nightscout sirve exclusivamente para la visualización de curvas de glucosa en sangre y la sincronización de entradas de comidas como Treatment — no es un componente de lazo cerrado y no interfiere en sistemas de control cerrado (p. ej. AAPS, Loop, AndroidAPS, Tidepool Loop).

La adopción de las estimaciones de carbohidratos mostradas para un cálculo de bolo — ya sea manual, en una calculadora de bolos o en un sistema automatizado — se realiza exclusivamente bajo responsabilidad propia y tras una verificación de plausibilidad independiente.

CarbCam está pensada como herramienta complementaria para personas adultas con diabetes mellitus (Tipo 1, Tipo 2, MODY, LADA), sus familiares y personas interesadas en la nutrición.

La aplicación no es adecuada para:

• el tratamiento de diabetes en niños y adolescentes sin la supervisión completa de adultos con custodia y personal cualificado
• situaciones clínicas (embarazo con diabetes gestacional, trastornos de percepción de hipoglucemia, cuidados intensivos, nutrición parenteral)
• personas con trastornos alimentarios (anorexia nerviosa, bulimia nerviosa, trastorno por atracón) — la preocupación continua con los valores nutricionales puede ser contraproducente
• el diagnóstico o seguimiento de alergias, intolerancias o enfermedades metabólicas

En emergencias médicas (hipoglucemia grave, cetoacidosis, sospecha de sobredosis de insulina, etc.) no confiar en la aplicación. En su lugar, contactar inmediatamente con los servicios de emergencia (112 en la UE) o acudir al servicio de urgencias más cercano.

Las estimaciones se calculan con ayuda de proveedores de IA externos (Anthropic Claude, Google Gemini, OpenAI ChatGPT, Zhipu GLM o Azure OpenAI, según la configuración). Los modelos respectivos se actualizan periódicamente; no se garantiza la constancia de las estimaciones a lo largo del tiempo o entre proveedores.

Para la plausibilización se utilizan bases de datos nutricionales públicas (USDA FoodData Central, Open Food Facts). Estas también pueden contener valores erróneos o desactualizados.

El uso de CarbCam se realiza completamente bajo responsabilidad propia. Los daños — en particular hipoglucemias o hiperglucemias y sus consecuencias — que surjan por confiar en las estimaciones mostradas, no son responsabilidad del proveedor — en la medida en que lo permita la ley. Los detalles sobre responsabilidad se encuentran en las Condiciones de uso, §8.

Para consultas sobre la precisión, errores reportados o estimaciones peligrosas, por favor contactar de inmediato a: support@carbcam.app.

Los informes de errores concretos con foto ayudan a identificar fuentes de error sistemáticas y a ajustar los modelos y la lógica de plausibilización.