体验“代谢数字孪生”百日：AI分身告诉我该吃什么

The Verge资深评测编辑维多利亚·宋在其每周专栏中，记录了自己使用Twin Health代谢数字孪生服务约100天的体验。每天早上，她要先把智能体重秤测得的身体成分数据、服药记录以及每周一测量的血压录入应用，再根据数字孪生的提示决定早餐。这个“孪生”并非机器人克隆，而是由人工智能驱动、以颜色标注的食物数据库，依据她输入的数据和连续血糖监测仪采集的数据，预测每种食物对血糖的影响：红色欠佳，橙色一般，绿色理想。例如一碗高蛋白麦片加牛奶单独食用为橙色，若饭后散步则变为绿色；用餐数小时后，应用会根据血糖反应生成分析，让预测更准确。数字孪生是医学和运动领域较新的概念，即用化验、可穿戴设备、影像和基因等数据构建并持续更新的个人虚拟模型，临床医生理论上可借助人工智能先在模型上“测试”药物或疗法，评估受伤风险、预测疾病进展并开展预防性护理，被视为迈向个性化医疗的途径，代谢指导则是目前风险最低、回报最高的应用之一。Twin Health目前仍属实验性服务，仅通过企业或私人健康保险提供，主要面向慢性代谢问题人群。构建她的孪生需要90天用量的Dexcom G7血糖监测仪、智能体重秤、智能血压计、复合维生素和甘氨酸镁以及Apple Watch，并需抽血化验。结果显示她肝脏有炎症，与已确诊的中度非酒精性脂肪肝相符，存在胰岛素抵抗，甘油三酯偏高。她的目标是减少用药，但实践中并不顺利，体重也未明显下降。她坦言持续“喂养”数据令人疲惫，教练也表示记录疲劳是用户的常见反馈；预测结果对她而言新意不多，但可能对刚接触代谢问题的人有用。不过，记录饮食让她更少吃不健康零食，每两个月一次与教练的复盘也促使她恢复训练，近期已能不间断跑完5公里，并重拾力量训练。