Az az algoritmus, amely az Ön számára megfelelő étrendeket hozza létre

Több száz tényező összeomlik, hogy személyre szabott terveket készítsen a vércukorszint szabályozására. Vannak, akik süteményt és süteményt is kapnak.

Ed Yong 2015. november 19

Vegyünk egy szelet tortát és vágjuk ketté. Egyél egy felét, és hagyd, hogy egy barátod csúfolja a másikat. A vércukorszintje mind emelkedni fog, de különböző mértékben, a génjeitől, a bélben lévő baktériumoktól, a közelmúltban ettől, a közelmúltban vagy intenzív edzésektől és egyebektől függően. A tüskéket, amelyeket hivatalosan „étkezés utáni glikémiás válaszoknak” vagy PPGR-nek neveznek, nehéz megjósolni, mivel két ember pontosan eltérően reagálhat ugyanarra az ételre.

De Eran Elinav és Eran Segal, a Weizmann Tudományos Intézet munkatársai kifejlesztették ezt a változékonyságot. A 800 ember vércukorszintjének, étrendjének és egyéb tulajdonságainak átfogó figyelemmel kísérésével olyan algoritmust építettek fel, amely pontosan meg tudja jósolni, hogy az adott személy milyen vércukorszintet fog emelni az adott étkezés után.

Ezeket a személyre szabott jóslatokat a testre szabott táplálkozási tervek kidolgozására is felhasználták a vércukorszint kordában tartása érdekében. Ezek a tervek néha olyan nem szokványos elemeket is tartalmaztak, mint a csokoládé és a fagylalt, és annyira ellentmondásosak voltak, hogy zavarba ejtették a vizsgálatban résztvevőket és dietetikusokat. De úgy tűnt, hogy működnek, ha egy klinikai vizsgálat során értékelik őket, és utalnak arra a jövőre, amikor az egyének személyre szabott étrendi ajánlásokat kapnak, nem pedig az egyetemes irányelveket követik.

Jelenleg a személyek PPGR előrejelzésének leggyakoribb módszere az étkezés szénhidráttartalmának vizsgálata. "Az I. típusú cukorbetegségben szenvedők az étkezés során felhasznált szénhidrátok mennyisége alapján határozzák meg, hogy mennyi inzulint kell beadni" - mondja Segal. "Ez az arany standard", de a szénhidráttartalom csak gyengén korrelál a PPGR-vel.

Több ebben a sorozatban

Alternatív megoldásként az emberek megkérdezhetik a glikémiás indexet (GI), amely számot ad az élelmiszer vércukorszintre gyakorolt hatásáról. De a Weizmann csapata azt állítja, hogy ezek a számok egyetlen ételen alapulnak, és nem tükrözik a reális ételeket különböző összetevők kombinációival. "Minden élelmiszerhez egyetlen PPGR-t rendelve azt is feltételezi, hogy a válasz kizárólag az étel belső tulajdonsága" - teszi hozzá Segal. "De nagyon megdöbbentő különbségek vannak az embereknek az azonos étkezésre adott válaszai között." Génjeik, életmódbeli döntéseik, a belükben lévő baktériumok, sőt a közelmúltban elfogyasztott ételek is befolyásolják.

E tényezők figyelembevétele érdekében David Zeevi és Tal Korem diákok 800 nem cukorbeteg önkéntest vetettek alá „a lehető legátfogóbb profilalkotásnak”. A regisztráció után minden résztvevő kitöltötte a kérdőívet a kórtörténetéről és az étkezési szokásokról, és székletmintát adott, hogy a csapat elemezhesse bélmikrobáikat.

Ezután egy hétig bőrre szerelt monitorokat viseltek, amelyek folyamatosan mérték a vércukorszintjüket, és egy mobilalkalmazás segítségével rögzítették a testmozgást és az alvási szokásokat, a stresszes eseményeket és az összes étkezésüket, lehetőség szerint minden összetevő súlyáig. A nap első falatozásaként a csapat által biztosított négy szabványos étkezés egyikét ették. Ezen túl a szokásos ételüket ették.

Bár az emberek gyakran köztudottan megbízhatatlanok az étkezésük dokumentálásában, Segal szerint önkéntesei szokatlanul motiváltak voltak. "Nem fizettünk nekik" - mondja. „Csatlakoztak, mert elmagyaráztuk, hogy meg tudjuk mondani nekik, hogy az általuk általában fogyasztott ételek közül melyik emeli a glükózszintet. Azért jöttek, mert tudni akarták, és azt mondtuk, hogy ha nem jelentkeznek be megfelelően, akkor nem tudjuk megmondani nekik.

A csapat hatalmas eltéréseket talált az önkéntesek között. Ugyanaz az étel egyeseknél óriási cukorcsúcsokat okozna, másoknál apró pirításokat. Az önkéntesek a legélesebb csúcsokat kiváltó ételekben is jelentősen különböztek egymástól: a 445. résztvevő például erőteljesen reagált a banánra, míg a 644-es résztvevő erősen sütött a sütik után. "Amikor az emberek cukorbeteg barátaikkal olyan élelmiszerekről beszélnek, amelyek növelik a glükózszintjüket, ez mindenkinek más" - mondja Segal. "Ez az intuíció, de ha jól tudom, soha nem mutatták be kvantitatívan ilyen skálán."

Zeevi és Korem kimutatták, hogy ezeket a személyes különbségeket olyan ismert tényezők befolyásolták, mint az életkor és a testtömeg-index, és kevésbé ismerteket is, mint a bélmikrobák. Több baktériumcsoportot és baktériumgén családot találtak, amelyek erősebb PPGR-khez kapcsolódtak.

A csapat kifejlesztett egy algoritmust, amely ezeket az egyéni jellemzőket - összesen mintegy 137 tényezőt - felhasználta az ember különböző ételekre adott vércukorszintjének előrejelzésére. A szénhidrátszámlálástól vagy a glikémiás indextől eltérően ez az algoritmus nem csak az étkezés tápanyagtartalmát, hanem az azt fogyasztó tulajdonságait is vizsgálja.

Feltűnően pontos volt. Amikor a csapat egy új, 100 önkéntesből álló csoporton tesztelte, megjósolta a cukorcsúcsokat, amelyek egyeznek az önkéntesek tényleges adataival 0,7 korrelációval (ahol 1 tökéletes lenne). Ez jó: Még akkor is, ha ugyanaz a személy ugyanazt az ételt eszi két különböző napon, a két cukortüske közötti összefüggés legfeljebb 0,77 lesz. Ez meghatározza a kiszámíthatóság felső határát, amelyet a csapat algoritmusa nagyon közel ért a sikerhez. Minden bizonnyal felülmúlta a szénhidrátok vagy kalóriák számlálásának nyers technikáját; amikor Zeevi és Korem megpróbálta ezt megtenni, mindössze 0,38 és 0,33 korrelációt kaptak.

Az algoritmus akár hatékony, személyre szabott táplálkozási tanácsokkal is szolgálhat az emberek számára. A csapat 26 új önkéntest toborzott, és véletlenszerűen két csoportra osztotta őket. Mindenki két hetes diétát kapott - egy „jót”, amelynek célja a PPGR-k minimalizálása, és egy „rosszat”, amelyek nagy tüskék kiváltására szolgálnak. De az egyik csoport terveket kapott, amelyeket pár szakértő tervezett, míg a másik ragaszkodott az algoritmus által tervezett étrendekhez.

Az algoritmus által létrehozott étrendek közül sok mélyen ortodox volt. "Nem csak saláta volt minden nap" - mondja Segal. - Néhány ember mértékkel kapott alkoholt, csokoládét és fagylaltot. Ezek olyan elemek, amelyeket általában soha nem talál meg a dietetikus ajánlásai alapján. " Egyes tervek annyira ellentmondásosak voltak, hogy sem a dietetikusok, sem az önkéntesek nem tudták megmondani, hogy a jó étrendet vagy a rosszat hivatottak-e képviselni. Pedig hatékonyan szabályozták a vércukorszintet azoknak az önkénteseknek.

Az önkéntesek mindkét csoportja számára „a különbségek drámaiak voltak” - mondja Segal. "A rossz étrenden a vércukorszint valóban kóros szintet ért el, de a jó étrend mellett egészséges tartományba normalizálódott." Annak ellenére, hogy minden résztvevő különböző személyre szabott ételeket fogyasztott, bélmikrobájuk következetes és talán előnyös módon változott. Például számos olyan baktériumcsoport lecsökkent, amelyhez 2-es típusú cukorbetegség társult.

Az algoritmus még ugyanúgy teljesített, mint a két szakértő, ha nem is valamivel jobb. És Segal azt mondja, hogy ez végül sokoldalúbb. A dietetikusok terveiket az egyes résztvevők PPGR-jére alapozták, az előző héten megszokott étkezésekre. Az algoritmus ezt is megcsinálta, de megjósolhatja az étkezésre adott válaszokat is. "Ez nem korlátozódik arra, hogy ajánlja az embereknek a már kimért ételeket" - mondja Segal. - Bármilyen ételt ajánlhatna.

Jennie Brand-Miller, a Sydney-i Egyetem táplálkozási szakértője és a Glikémiás Index Alapítvány igazgatója a tanulmány „játékváltónak” nevezi a PPGR-k és a bélbaktériumok közötti kapcsolat bemutatását, valamint az egészséges emberek e válaszainak vizsgálatát. cukorbetegség nélkül. "Ez vezet a magas glükózszint orvosi jelentőségéhez az úgynevezett normál tartományon belül" - mondja.

De hozzáteszi, hogy a kutatók „hosszú íjat húznak” a glikémiás index és a vércukor-válasz előrejelzésére szolgáló egyéb mutatók elvetésével, amelyek jobbak, mint amennyit a csapat nekik ad. Ehhez hasonlóan David Jenkins, a Torontói Egyetem hozzáteszi, hogy a csapat nem hasonlította össze közvetlenül algoritmusát az olyan indexekkel, mint a GI. "Ez nem egy hasznos papír" - mondja.

De Segal úgy gondolja, hogy az algoritmus csak jobbá válhat. Csapata javítását tervezi azáltal, hogy részletesebb információkat gyűjt az önkéntesek fizikai aktivitásáról, a bélben lévő baktériumtörzsekről és még genetikájukról is. Hosszabb tanulmányt is folytatnak annak kiderítésére, hogy az algoritmusuk által összeállított, személyre szabott étrendek egy év leforgása alatt javíthatják-e a 2-es típusú cukorbetegség kialakulásának kockázatának kitett prediabetikus emberek egészségét.

Önkéntesekből biztosan nem hiányoznak. A résztvevők első hullámát annyira felkeltették az eredményeik, hogy sürgették barátaikat és családtagjaikat, hogy jelentkezzenek be. Segal csapata végül szinte teljes egészében szóbeszéd útján toborozta 900 résztvevõjét, fizetés és marketing nélkül. "A várólistán több mint 4000 van, hogy részt vegyünk a következő tanulmányban" - mondja.