問題
營養建議常以食物本身分類，但人體真正接收到的是一個帶有時間、睡眠、活動、前一餐、份量與個體代謝背景的事件。這讓「同一餐」不一定產生「同一個血糖反應」。
我們目前知道什麼
2015 年 Cell 的 personalized nutrition 研究，在 800 人 cohort 中連續監測一週血糖，分析 46,898 餐，觀察到對相同餐點的 postprandial glycemic responses 存在高度個體差異。這支持「群體平均飲食規則無法完整描述每個人的反應」這個研究問題。
Bio2Twin 要研究什麼
Bio2Twin 想把同一個人的 meal context 與 glucose curve 留在一起：食物內容、時間、餐前狀態、睡眠、活動與之後的 response。真正有價值的不是一次峰值，而是相似情境下是否重複出現相似 response。
需要哪些 Reality
CGM 或可比較的血糖量測、餐點時間、內容與份量，以及睡眠與活動 context。相機辨識的食物名稱可以當 observation，但不能自動被當成精確營養成分或實際吸收量。
限制與下一步
個人化 glycemic response 不等於所有營養結果，也不能只用血糖評價一頓飯的整體健康影響。對沒有 CGM 的人，Bio2Twin 也不應從照片直接推算真實血糖。
研究邊界
這是一篇 Bio2Twin Research Note，用來整理研究問題、公開證據與可驗證方向，不是醫療診斷、治療建議或處方調整
這是一篇 Bio2Twin Research Note，用來整理研究問題、公開證據與可驗證方向，不是醫療診斷、治療建議或處方調整