大數據說：升糖指數，降糖食物，都是浮雲？

| 極養·品評 |品說給您聽營養與科技結合的最前沿成果營養權威觀點及特殊診療手段全球頂級研究中心的健康理念文章｜Yang Li校對｜Huckleberry編輯｜樂樂設計｜Fay

前言最近有個來自以色列的研究小組在頂級雜誌《Cell》上發表了一篇關於通過大數據預測患者血糖反應的文章。乍一看也沒看出什麼稀奇古怪，但仔細讀讀，無論從醫療還是商業價值上來看都很有創新性。試想想將來有一款手機軟體，你只需要輸入一些自己的基本信息，然後它就可以預測出你吃下某種食物或一頓飯後的血糖反應，而不需要你給自己戳成篩子去測餐前餐後血糖，是不是聽上去很美好而不敢相信呢？要了解這篇文章講了些什麼， 我們先來觀賞一段小視頻。▼ 視頻全長3分24秒，請在wifi下觀看

看完這段視頻我驚覺，這不就是我們常說的「此之蜜糖，彼之砒霜」嗎？研究簡析那具體是怎麼回事呢？來自Weizmann科學研究院的Segal和Elinav研究小組，組織了800個受試者，通過健康問卷、身體參數測量、血液測試、糞便微生物測試獲得基本參數，然後通過一個禮拜實時監測血糖變化和受試者記錄的吃飯情況（總共46898頓飯）及生活方式來計算血糖反應與食物攝取、生活方式和其他基本參數間的關係。具體看下圖：

看不懂也沒關係，大意就是講他們發現餐後血糖水平與糖尿病相關的一些參數有關係，比如BMI（身高質量指數）、HbA1c（糖尿病相關參數）、清晨血糖水平和年齡等。同時他們還發現，對於同一食物，不同受試者的餐後血糖反應不用。而這種個體間的差異還可能跟腸道里的菌群有關係。

這篇文章最創新的地方就在於作者們把採集的大量數據整合成一個複雜的計算機演算法。他們利用這種演算法為另外100個受試者預測了可以控制血糖的飲食，發現結果甚至優於目前控制血糖的黃金法則「碳水化合物計數法」。為了進一步驗證這一演算法的可行性，他們又招集了26個受試者，採用雙盲隨機實驗，一組使用他們得出的演算法給出飲食建議，一組採用營養師的個體化飲食建議。結果發現兩種方法都可以有效地控制餐後血糖水平，而前者的有效範圍更廣泛（83.3% vs. 57.1%），並且不需要實時監測血糖變化。

這項研究對將來的糖尿病營養控制可能是有變革性意義的：比如說在將來，如果有人被診斷出了糖尿病，只要抽一點血，採集一點糞便，然後測出各種各樣的數據，輸入電腦，就可以得出他以後該怎麼吃就能最好地控制糖尿病。對於這個結果我表示too good to be true （美好得不現實），甚至覺得營養師的飯碗都快要保不住了。真的是這樣嗎？我們再來跟傳統的糖尿病慢性管理方法來比較一下。大數據vs.傳統療法醫生和營養師普遍使用的方法是「碳水化合物計數法」（Carbohydrate Counting），就是通過計算碳水化合物的量來控制每餐碳水化合物的攝入，從而達到穩定血糖的目的。每餐攝入的碳水化合物的量根據性別、年齡、體重、日常活動的差異而變化，一般跟每天所需碳水化合物的總量有關。這種方法給了患者比較大的自由度，可以選擇自己喜歡的碳水化合物，只是需要把總量控制在一定範圍內。為了保證個體化的血糖管理，營養師制定完飲食計劃後會定期跟患者見面，跟蹤他們的血糖變化和飲食日誌，對飲食計劃適當調整。

營養師同時會配合使用的方法還包括「盤子規劃法」（Portion Control）和「升糖指數法」（Glycemic Index）。升糖指數，簡稱GI，表示含有50g碳水化合物的食物與等量的葡萄糖相比，引起餐後2小時血糖反應的百分比。一般用0-100來表示，數值越高表示這種食物的餐後升糖指數越快。作為標準的葡萄糖的升糖指數為100。升糖指數一般不會單獨使用作為指導糖尿病患者的飲食參考，因為碳水化合物的總量也會對血糖有影響，而且某種食物對血糖的影響會受其他食物的影響。這篇文章認為人和人對同一食物的血糖反應是不一樣的，哪怕都吃紅棗粽子，可能一個人的血糖飆升，而另一個人就比較穩定。那是不是說我們現在用的「升糖指數法」是錯誤的呢？

這卻未必。因為這篇文章也指出，從統計分布角度來講，他們的結果與目前使用的標準升糖指數是一致的。就是說，大部分的受試者對某一食物的血糖反應是符合或接近標準升糖指數的。所以說營養師的建議也是非常靠譜的，只是對於每個患者來說，營養師需要一段時間的監控來調整更加個體化的飲食方案。最佳療法：大數據與傳統的結合其實這篇文章的內容是順應了個體化醫療的大趨勢的，跟現行的糖尿病慢性管理方法也沒有衝突，甚至因為有大數據的應用而更加精準。目前可以預見這一方法的優勢有：1患者有更大的自由度控制自己的飲食。顯而易見的，患者可以了解自己對哪些食物的血糖反應更理想，這給了患者很大的自由度來基於自己的飲食喜好調節飲食。2患者可以更快地適應新的飲食計劃。相比於「碳水化合物計數法」，患者不需要有一定的知識儲備後才能合理地安排飲食，可以更快地適應新的飲食計劃。3方便營養師監控患者的飲食。目前還不了解這一演算法的應用是否會開發醫生和營養師客戶端，如果有的話一方面調節飲食方案會變得更加容易，另一方面也可以監控患者的飲食內容，給出更加適應患者個體需求的建議。極養視點大數據用於精準血糖控制或者其它疾病的預防和治療有很大的潛力。但是這一方法大規模的實行也需要一些契機：一方面取決於需要錄入的個人信息取得的難易程度，比如血液測試和腸道微生物，如果可以跟診所或第三方檢測結構聯合的話則可以很方便地將患者的個人臨床信息錄入；另一方面取決於性價比，這樣一款軟體的應用是患者可以自行購買還是作為糖尿病患者治療計劃的一部分被納入保險，都是需要討論的話題。參考文獻[1] David Z, Tal K, Niv Z, David I, Daphna R, et al. Personalized Nutrition by Prediction of Glycemic Responses. Cell. 2015. 163(5):1079-94[2] American Diabetes Association. Foundations of Care: Education, Nutrition, Physical Activity, Smoking Cessation, Psychosocial Care, and Immunization. Diabetes Care. 2015. Suppl:S20-30
推薦閱讀：