顶级期刊Cell刊文：糖尿病的饮食健康管理可能要被颠覆了！

　　你有没有想过，为什么你按照医生或者营养师推荐的健康饮食原则吃饭，可你的血糖状况却并没有什么改善？为什么有的人吃冰激凌、巧克力，血糖却控制的很好，有的人却不能碰那些食物？作为一名高血糖患者，你想不想拥有这样一个app：只要你输入几项生理指标，它就会告诉你什么能吃、什么不能吃？创新国度以色列正在帮你解答疑惑，实现梦想。

　　近期以色列的一项关于血糖的大规模研究声称，即使我们都吃一样的食物，我们的身体对食物的反应也是不同的。这项研究成果11月19日刊登在国际顶级期刊Cell上，他们的研究表明只有个性化的饮食习惯才能帮助我们实现健康目标。

　　血糖水平与2型糖尿病、肥胖、心血管疾病和肝硬化等有着密切的联系，在连续血糖仪的帮助下，现在我们已经很容易掌握自己的血糖水平，但却很难控制它。糖尿病患者一定听说过“血糖指数”（glycemic index ，GI）一词，它的医学含义为：表示含有50g有价值的碳水化合物的食物与相当量的葡萄糖相比，在一定时间内（一般为餐后2小时）引起体内血糖应答水平的百分比值。长期以来，我们一直认为我们的餐后血糖水平（postprandial glycemic responses ，PPGR）是完全取决于食物的内在属性。例如下图中列出的几种食物的GI值。GI值越高对你的血糖控制越不利。

　　GI在1981年被加拿大临床内科医生Jenkins等学者提出来之后，一直作为医生和营养专家指导患者健康饮食的一个指标。没成想现在这一理念正面临严峻的挑战。

　　以色列Weizmann科学研究所的研究人员发现，任何食物的GI都不是定值，GI取决于个人的身体状况。这是要完全颠覆我们长久以来对GI的认识了。该研究由Eran Segal和Eran Elinav领导，他们共募集了800名自愿者，通过健康调查问卷，测量身体参数、血液检测、血糖监测、粪便采样（肠道菌群），以及借助app记录他们的生活方式以及食物的摄取情况（一共记录了46898顿饭），希望能够了解血糖水平与以上参数之间的关系。

　　Segal和Elinav领导的研究小组是这样做的，将采集到的数据用他们编写的机器学习算法进行处理，使他们的软件通过这些数据“学习”那些数据之间的关系。

　　正如预期的那样，年龄和BMI指数与餐后血糖的水平有较大的相关性。同时，这些数据还显示，即使食用同一种食物，不同的人对食物的反应也是存在巨大差异的。

　　Segal说：“大多数的饮食建议都是基于之前的GI分类体系，但是他们没有意识到实际上人与人之间是存在很大差异的。甚至在某些情况下，对同一种食物不同的人会有完全相反的反应，这就是这个GI体系存在的一个巨大bug。”难怪我会见到一些糖尿病患者根本就不禁嘴，他们还有自己的一套理论“糖尿病是糖不能吸收啊，都尿出去了，所以你更要补糖啊！”这只能让另外一些对甜食反应剧烈的患者惊奇不已。Elinav说：“如此大规模的检测试验，让我们认识到，之前知道我们饮食的原则原来是如此的不靠谱。”

　　在Segal和Elinav的文章中，有个让人感到惊喜的例子。例如445号自愿者和644号自愿者对同一种食物的反应完全相反。445号自愿者在进食饼干之后，血糖一直保持稳定，但进食香蕉之后血糖突然升高；而644号自愿者恰恰相反，进食饼干血糖飙升，进食香蕉血糖平稳。这个有点儿极端的例子直观地说明，不同个体对食物的反应是不一样的。仅仅根据食物的GI是不足以预测食物对人体血糖影响。

　　那么被800名自愿者的数据训练之后，机器学习算法能够用于预测食物对人体血糖水平的影响吗？为了确保后续实验的顺利进展，Segal和Elinav领导的研究小组先在一个100人组成的群体里，做了验证实验，结果他们的预言一一得到验证。于是，他们在一个26人小组里开展了双盲随机实验。一组有12名自愿者，使用Segal团队研发的机器学习算法预测饮食对血糖水平的影响；对照组有14名自愿者，采用医生和营养专家的建议。最终的研究结果表明，这种方法的确可以准确预测食物对人体的血糖水平的影响，而且预测结果优于传统预测方法（83.3% VS 57.1%）。如果利用该方法干预饮食，可以在短期内有效降低餐后血糖水平。

　　Segal在接受Sciencedaily采访时说到：“在看到数据之后，我在想一种可能性--也许我们对肥胖和糖尿病流行的认识是错误的。人们（医生和营养师）固执之处在于，一直认为自己知道如何治病，是患者不遵医嘱导致病症没有缓解。但是患者也许真的在遵医嘱，只是我们给患者提供了错误的建议罢了。实际上，对营养师和医生来讲，患者对同一种食物有不同的反应也是常识。现在我们可以通过数据看到，给不同的患者同一种建议，有时候并不能帮助患者。我最大的希望是我们的研究可以将血糖的管理引导到正确的方向。”

　　当然，Segal的研究还处在初期阶段，从Segal的研究数据来看，目前机器学习算法也不能做到100%精准预测。对于那些有偏差的用户来讲，这种算法有没有“个性化进化”能力，使其具备个体适应性，变得更加精准？据悉，Segal的公司DayTwo已经在神奇的以色列开张了，他们正在打算将该技术商业化。

　　我想未来的血糖管理场景应该是这样的。Segal的机器学习算法已经开发成一个app了，我们每个人手机里都会安装一个。我们会按照要求输入我们的生理指标（BMI、血液生化指标、健康状况、肠道菌群数据等），在吃饭之前把我们想要吃的食物输入app，然后它会告诉我们吃这种食物之后血糖的变化情况。或者更加直接，它会根据你近期的生理指标，直接推荐食物给你，然后你可以选择自己喜欢吃的。