數位分身減重法：不用Ozempic也能瘦100磅

376磅到275磅，不到一年時間，55歲的退休消防員羅德尼·巴克利減掉了100磅體重。他沒有使用任何GLP-1藥物，而是靠著一個「數位分身」。

當Ozempic等GLP-1藥物需求暴增，雇主們正為每月1,000到1,500美元的高昂費用頭痛。這促使他們尋找非藥物替代方案，幫助員工減少、停用或完全避免使用GLP-1藥物。

用AI打造你的代謝雙胞胎

Twin Health這家位於加州山景城的新創公司，採用穿戴裝置、AI和即時健康指導的組合方式，幫助管理糖尿病、前期糖尿病和肥胖症。

公司會寄送一套設備包給用戶，包含連續血糖監測器、血壓計、智能體重計和健身追蹤器。這些裝置收集血糖、體重、壓力、血壓、睡眠和活動等數據，全部匯入單一應用程式。

透過預測性AI模型，應用程式分析所有資訊，生成用戶代謝系統的虛擬複製品——數位分身。

用戶透過掃描食品標籤、拍攝餐點照片或語音記錄來記錄飲食。AI分析營養成分，將食物標記為「綠色」、「黃色」或「紅色」——綠色最健康，紅色應避免。隨著代謝健康改善，這些顏色會動態調整。

應用程式根據記錄的餐點預測血糖反應，並提供個人化建議，如調整份量、選擇不同食物組合或飯後散步。用戶可以接受或忽略這些建議，AI會隨時間適應他們的偏好。

臨床證據：71%達標，用藥減少

克里夫蘭診所的內分泌專家凱文·潘塔洛內起初對此技術持懷疑態度。他決定親自進行研究，招募150名第二型糖尿病患者，隨機分配100人使用Twin程式，其餘為對照組。

12個月後，71%使用Twin應用程式的參與者在減少用藥的情況下達到血糖控制目標，對照組僅2%達成。Twin組平均減重8.6%，對照組為4.6%。

更令人驚訝的是藥物使用變化：研究開始時41%的Twin組參與者使用GLP-1藥物，結束時僅6%仍在使用。對照組則從52%增加到63%。

巴克利的經歷印證了這些數據。他從冷凍早餐三明治改吃自製低碳高纖維捲餅，不再喝汽水，每天步行數英里。「剛開始時，走一英里就腰痛膝蓋痛。現在每天早上走6.5英里。」

不同視角的考量

對患者而言，持續的數據收集可能感到侵犯隱私。體重測量或腰圍量測可能觸發情緒反應。對於已在GLP-1藥物上獲得成功的人，可能不願意停藥。

對雇主而言，雖然無法獲得員工個人健康資訊，但會收到匿名化的整體報告。Twin Health必須遵守HIPAA法規和州隱私法。

對醫療體系而言，多倫多大學糖尿病專家伯納德·津曼認為：「如果更多人能獲得這種技術，他們可能逆轉糖尿病或從一開始就預防它。」

潘塔洛內相信這是未來趋势：「我認為會有更多過重和肥胖的人使用這類技術。希望隨著時間推移，獲得這些干預措施的機會會改善。」

亞洲市場的機會與挑戰

這項技術對華人社群特別有意義。亞洲人群體普遍對糖尿病更敏感，即使在較低BMI下也容易發病。傳統的「多運動、健康飲食」建議往往難以持續執行，個人化的即時指導可能更有效。

然而，數據隱私在亞洲市場尤其敏感。不同地區的醫療法規、保險制度和技術接受度也存在差異。