Individuelle menyer basert på individuelle helseopplysninger kan senke risikoen for hyperglykemi etter måltid.
Hyperglykemi øker risikoen for utvikling av type 2-diabetes, men glykemisk indeks for enkle matvarer kan ikke forutsi blodsukkerstigningen etter sammensatte måltider.
I en studie med 800 forsøkspersoner som var representative for en «frisk» befolkning, ble det samlet inn alt i alt enorme mengder persondata for å minimalisere blodsukkerstigningen etter måltider (1). Personene ble utstyrt med blodsukkermåler under huden, som målte glukosenivået kontinuerlig. Blodsukkerdataene ble sammenholdt med data fra blodanalyser, bl.a. glykosylert hemoglobin, bakteriesammensetning i tarm, personlige forhold som fysisk aktivitet, foruten matinntak i forsøksuken – alt via en app på smarttelefoner. Forsøkspersonene spiste en kombinasjon av standardiserte og egenvalgte måltider. Basert på disse dataene ble det utarbeidet en algoritme som så ble validert på en ny 100-personers kohort.
Det var en signifikant korrelasjon mellom algoritmebasert prediksjon og målte blodsukkerverdier. I et blindet, randomisert diettforsøk kunne algoritmen foreskrive individualiserte dietter minst like godt som en ernæringsspesialist. En persontilpasset diett basert på algoritmen ga i løpet av forsøksuken endret tarmflora.
– Denne studien er meget omfattende og viser tydelig at responsen på samme diett varierer fra person til person, sier professor Harald Carlsen ved Institutt for kjemi, bioteknologi og matvitenskap, Norges miljø- og biovitenskapelige universitet. – Den treffsikre prediksjonen gitt av den maskinlærte algoritmen tyder på at forskerne hadde valgt gode kliniske og biokjemiske markører for forsøkspersonene, sier Carlsen, som antar at nye algoritmer og raffinering av denne studien vil følge.
– Det blir spennende å se om nye studier vil gi samme presise og individuelle kostråd også for andre tilstander, slik som forhøyet kolesterolnivå, og avdekke hvilke faktorer som er mest bestemmende for individuelle forskjeller, sier Carlsen.
