原创 2016-09-01 极养·品评
| 极养·品评 |
品说给您听营养与科技结合的最前沿成果
营养权威观点及特殊诊疗手段
全球顶级研究中心的健康理念
文章｜Yang Li
校对｜Huckleberry
编辑｜乐乐
设计｜Fay
前言
最近有个来自以色列的研究小组在顶级杂志《Cell》上发表了一篇关于通过大数据预测患者血糖反应的文章。乍一看也没看出什么稀奇古怪，但仔细读读，无论从医疗还是商业价值上来看都很有创新性。
试想想将来有一款手机软件，你只需要输入一些自己的基本信息，然后它就可以预测出你吃下某种食物或一顿饭后的血糖反应，而不需要你给自己戳成筛子去测餐前餐后血糖，是不是听上去很美好而不敢相信呢？
要了解这篇文章讲了些什么， 我们先来观赏一段小视频。
▼ 视频全长3分24秒，请在wifi下观看
看完这段视频我惊觉，这不就是我们常说的“此之蜜糖，彼之砒霜”吗？
研究简析
那具体是怎么回事呢？来自Weizmann科学研究院的Segal和Elinav研究小组，组织了800个受试者，通过健康问卷、身体参数测量、血液测试、粪便微生物测试获得基本参数，然后通过一个礼拜实时监测血糖变化和受试者记录的吃饭情况（总共46898顿饭）及生活方式来计算血糖反应与食物摄取、生活方式和其他基本参数间的关系。具体看下图：
看不懂也没关系，大意就是讲他们发现餐后血糖水平与糖尿病相关的一些参数有关系，比如BMI（身高质量指数）、HbA1c（糖尿病相关参数）、清晨血糖水平和年龄等。同时他们还发现，对于同一食物，不同受试者的餐后血糖反应不用。而这种个体间的差异还可能跟肠道里的菌群有关系。
这篇文章最创新的地方就在于作者们把采集的大量数据整合成一个复杂的计算机算法。他们利用这种算法为另外100个受试者预测了可以控制血糖的饮食，发现结果甚至优于目前控制血糖的黄金法则“碳水化合物计数法”。
为了进一步验证这一算法的可行性，他们又招集了26个受试者，采用双盲随机实验，一组使用他们得出的算法给出饮食建议，一组采用营养师的个体化饮食建议。结果发现两种方法都可以有效地控制餐后血糖水平，而前者的有效范围更广泛（83.3% vs. 57.1%），并且不需要实时监测血糖变化。
这项研究对将来的糖尿病营养控制可能是有变革性意义的：比如说在将来，如果有人被诊断出了糖尿病，只要抽一点血，采集一点粪便，然后测出各种各样的数据，输入电脑，就可以得出他以后该怎么吃就能最好地控制糖尿病。对于这个结果我表示too good to be true （美好得不现实），甚至觉得营养师的饭碗都快要保不住了。
真的是这样吗？我们再来跟传统的糖尿病慢性管理方法来比较一下。
大数据vs.传统疗法
医生和营养师普遍使用的方法是“碳水化合物计数法”（Carbohydrate Counting），就是通过计算碳水化合物的量来控制每餐碳水化合物的摄入，从而达到稳定血糖的目的。每餐摄入的碳水化合物的量根据性别、年龄、体重、日常活动的差异而变化，一般跟每天所需碳水化合物的总量有关。这种方法给了患者比较大的自由度，可以选择自己喜欢的碳水化合物，只是需要把总量控制在一定范围内。为了保证个体化的血糖管理，营养师制定完饮食计划后会定期跟患者见面，跟踪他们的血糖变化和饮食日志，对饮食计划适当调整。
营养师同时会配合使用的方法还包括“盘子规划法”（Portion Control）和“升糖指数法”（Glycemic Index）。升糖指数，简称GI，表示含有50g碳水化合物的食物与等量的葡萄糖相比，引起餐后2小时血糖反应的百分比。一般用0-100来表示，数值越高表示这种食物的餐后升糖指数越快。作为标准的葡萄糖的升糖指数为100。升糖指数一般不会单独使用作为指导糖尿病患者的饮食参考，因为碳水化合物的总量也会对血糖有影响，而且某种食物对血糖的影响会受其他食物的影响。
这篇文章认为人和人对同一食物的血糖反应是不一样的，哪怕都吃红枣粽子，可能一个人的血糖飙升，而另一个人就比较稳定。那是不是说我们现在用的“升糖指数法”是错误的呢？
这却未必。因为这篇文章也指出，从统计分布角度来讲，他们的结果与目前使用的标准升糖指数是一致的。就是说，大部分的受试者对某一食物的血糖反应是符合或接近标准升糖指数的。所以说营养师的建议也是非常靠谱的，只是对于每个患者来说，营养师需要一段时间的监控来调整更加个体化的饮食方案。
最佳疗法：大数据与传统的结合
其实这篇文章的内容是顺应了个体化医疗的大趋势的，跟现行的糖尿病慢性管理方法也没有冲突，甚至因为有大数据的应用而更加精准。目前可以预见这一方法的优势有：
1患者有更大的自由度控制自己的饮食。显而易见的，患者可以了解自己对哪些食物的血糖反应更理想，这给了患者很大的自由度来基于自己的饮食喜好调节饮食。
2患者可以更快地适应新的饮食计划。相比于“碳水化合物计数法”，患者不需要有一定的知识储备后才能合理地安排饮食，可以更快地适应新的饮食计划。
3方便营养师监控患者的饮食。目前还不了解这一算法的应用是否会开发医生和营养师客户端，如果有的话一方面调节饮食方案会变得更加容易，另一方面也可以监控患者的饮食内容，给出更加适应患者个体需求的建议。
■■
极养视点大数据用于精准血糖控制或者其它疾病的预防和治疗有很大的潜力。
但是这一方法大规模的实行也需要一些契机：一方面取决于需要录入的个人信息取得的难易程度，比如血液测试和肠道微生物，如果可以跟诊所或第三方检测结构联合的话则可以很方便地将患者的个人临床信息录入；另一方面取决于性价比，这样一款软件的应用是患者可以自行购买还是作为糖尿病患者治疗计划的一部分被纳入保险，都是需要讨论的话题。
■■
参考文献
[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
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请
点击举报。
