传统营养学中的膳食推荐通常基于大众平均需求，采用“一刀切”的方法，为整个群体制定统一的饮食指导。这种方法以标准化的营养素或食物摄入量为基础，忽略了个体之间在基因、代谢、生活方式以及健康状况等方面的差异。健康人群对相同碳水化合物的餐后血糖应答差异可达50%以上，对“一刀切”的膳食推荐提出了挑战。因此，营养学领域亟需建立能够在个体水平上量化餐后血糖对碳水化合物应答能力的新方法。

2025年6月19日，西湖大学医学院郑钜圣团队在著名营养学期刊The American Journal of Clinical Nutrition上发表了题为“Quantification of personalized glycemic sensitivity to food and its potential for precision nutrition in a series of n-of-1 trials”的研究论文。该论文主要基于西湖精准营养研究（Westlake Precision Nutrition Study, WePrecision），提出了全新的“个体化血糖敏感指数”（Personalized glycemic sensitivity index, PGS）概念及其应用模式，从个体层面量化机体对不同食物的餐后血糖应答敏感度，精准指导膳食摄入。

全文链接：

https://ajcn.nutrition.org/article/S0002-9165(25)00201-1/fulltext

文章首页截图

本研究共招募176名相对健康的志愿者（27.1 ± 3.7岁），整合单病例随机对照试验的设计，开展为期13天的标准化饮食干预，并通过连续血糖监测（Continuous Glucose Monitor, CGM）实现高时间分辨率的动态血糖监测，完整捕捉个体餐后及全天血糖波动轨迹。经严格质控后，最终纳入2240条样本测量数据（图1）。针对本研究所提出的PGS概念及其量化方法，进一步在两个独立队列中开展验证性分析。在WePrecision-2研究中，基于38名参与者时隔2年后的随访测试检验时间稳定性；在WE-MACNUTR研究中，对30人进行3个月的高碳低脂（HC-LF, 65-75%碳水含量）与低碳高脂（LC-HF, 15-25%碳水含量）饮食干预，评估指标对于不同饮食背景的稳定性。

本研究核心在于提出了个体化血糖敏感指数（PGS）概念，并通过建立个体化回归模型，在个体层面上实现对PGS的量化。为保障模型的稳定性，团队利用WE-MACNUTR队列的人均百余次标准餐测试数据进行外部独立验证分析，发现5次及以上餐食测试数据以及GL跨度超过60个单位，可获得稳定的PGS量化数据，其内部相关系数（ICC）可达到0.75以上，显示出良好的个体内重复性。

在发现队列中，个体水平分析显示同一受试者对同类食物的餐后血糖应答呈现出高度稳定性，食用RG和WG早餐的血糖应答模式内部相关系数分别达0.74和0.81。然而，群体水平的分析则显示出极为显著的个体间差异，食用精制谷物与全谷物早餐的餐后血糖变异系数分别达51.6%和50.3%。进一步分析发现，PGS与血糖波动指标呈现显著正相关，在校正年龄、性别、BMI等混杂因子后，PGS每增加1单位，日均血糖波动幅度（MAGE）相应增加0.26单位（95% CI: 0.11-0.41, FDR= 0.003）。该结果与传统OGTT测试指标所关联到的血糖控制指标明显不同（图2），凸显了PGS在反映个体糖代谢特征中的独特价值。

PGS稳定性验证分析还发现，38名参与者时隔2年重复测量PGS的ICC达0.73，显著高于OGTT-2h血糖指标的稳定性。WE-MACNUTR饮食干预研究中，在高碳水与低碳水两种截然不同的极端膳食模式下量化的PGS仍显示出非常高的内部一致性（ICC = 0.74 – 0.97，图3）。以上证据表明了PGS的稳定性和可重复性，支持PGS作为个体糖代谢能力的固有属性，与OGTT等瞬时状态指标形成互补，为长期血糖风险管理提供新工具。

基于临床糖尿病诊断阈值（餐后2h血糖≥ 7.8mmol/L），团队结合PGS精准营养研究框架，进一步构建了个体化碳水化合物上限模型（iULs-CHO），并搭建了交互式平台GI²（https://gisquare.shinyapps.io/gisquare）。该工具整合个人CGM数据与食物GI数据库，为用户提供PGS值估算以及显示其在人群中的百分位排名，并提供适宜于不同PGS值的多种食物碳水化合物的摄入量上限值（图4）。例如，两名志愿者（PGS为0.15 和 0.10）同食RG早餐（GI = 53）时，适宜碳水摄入上限分别为56g与84g，差异幅度达50%。以上例子直观地表明当个体PGS较高时，相较于低PGS人群，应更严格控制碳水摄入量。此外，该框架具有极高的开放性和灵活性，每个个体通过增加餐食与餐后血糖应答数据，可持续更新PGS模型，从而获得更精确的结果。