数据稀缺的方法为个性化营养打开了大门——无需粪便样本。
如果你吃一个零食——比如肉丸或者棉花糖——这会如何影响你的血糖？这是一个出乎意料棘手的问题：身体对不同食物的血糖反应因个体基因、微生物群、荷尔蒙波动等的不同而有所差异。因此，提供个性化营养建议——这可以帮助管理糖尿病、肥胖、心血管疾病等多种病症——需要昂贵且侵入性的检测，使得在大规模提供有效护理变得困难。
在《糖尿病科学与技术杂志》上，史蒂文斯理工学院的研究人员提出了一种新的方法：一种数据稀缺模型，能够在无需抽血、粪便样本或其他令人不快的测试的情况下，准确预测个体的血糖反应。他们方法的关键是什么？跟踪人们实际吃了什么。
“这听起来可能很显而易见，但直到现在，大多数研究都关注宏观营养素，例如碳水化合物的克数，而不是人们吃的具体食物，”计算机科学的法伯讲座教授萨曼莎·克莱恩伯格博士解释说。“我们已经显示，通过分析食物类型，有可能用远少于的数据做出非常准确的预测。”
克莱恩伯格博士的团队研究了两个数据集，这些数据集包含几乎500名糖尿病患者（包括1型和2型）的详细食物日记和连续血糖监测数据，这些患者来自美国和中国。利用现有的食品数据库和ChatGPT，他们根据宏观营养素含量对每顿饭进行了分类，并且利用食物的结构（使得肉类之间更相似于彼此而不是奶酪），从而使他们能够区分营养相当的食物。
通过结合营养数据和食物特征以及一些人口统计细节训练算法，团队能够几乎以与包含详细微生物组数据和其他难以收集的信息的先前研究相同的准确度预测每个个体对每种食物的血糖反应。
“我们仍然不知道包括食物特征为何会产生如此大的差异，”克莱恩伯格博士说。食物信息可能是驱动血糖反应的微量营养素的代理，或者某些食物的物理特性会导致人们以不同的方式进食或消化它们。“但是很明显的是，在血糖方面，作用的因素比仅仅是宏观营养素更多，”克莱恩伯格博士说。
通过关注食物类型，团队也能够探索个体在血糖反应上的变化。“因为人们一次又一次地吃同样的饭，数据使我们能够看到个体对特定食物的反应如何随时间变化，”克莱恩伯格博士解释说。该团队发现，将月经周期的数据纳入其模型可以解释大部分个体内变异，这表明荷尔蒙水平的变化可能在调节个体血糖反应中发挥重要作用。
团队的模型还准确预测了美国和中国人群的血糖反应——这是一个重要的发现，因为基于微生物组的模型往往在不同文化背景下提供准确结果时遇到困难。“我们不需要特定区域人群的数据就能够在那里做出预测，”克莱恩伯格博士解释道。
这一新模型也足够强大，可以根据人口统计数据预测个体的血糖反应，而无需针对食物日志或其他个性化数据进行定制训练。因此，临床医生可能可以在初次会见患者时使用该模型提供营养建议，而无需繁琐的食物记录或侵入性检测。“如果我们拥有更多数据，我们可以提供更好的建议，但即使没有个性化信息，我们也可以得到非常好的结果，”克莱恩伯格博士解释说。“这意味着我们可以立即给患者有用的建议——希望这能激励他们继续坚持下去。”
接下来，团队计划利用更大的数据集来优化他们的模型，并探讨添加微生物组数据是否能提高模型的准确性。“这就是大问题，因为如果单靠食物信息就能提供我们所需的一切，可能就没有必要收集粪便样本或进行其他测试，”克莱恩伯格博士说。“这可能使个性化营养对每个人来说更加经济实惠和可及。”
