我让 AI 数字孪生告诉我该吃什么

这是 Optimizer，一份每周发送的新闻简报，来自Verge高级评测员 Victoria Song 它剖析并讨论最新的小玩意和药剂，它们信誓旦旦地说要改变你的生活。订阅Optimizer请点击这里。

在过去大约 100 天里，我的早晨有了新的节奏。醒来后，我做的第一件事就是喂养我的数字孪生。它消耗我的代谢数据，而它一天中的第一顿“饭”就是我的身体成分数据，直接来自一台智能体重秤。
一旦这些数据记录到应用中，我就溜到厨房，往 Owala 杯里装满柠檬水，用来送服药物。这也会记录在应用里。每周一，我会接着做几次平静呼吸，测量血压，并把这些也提供给数字孪生。然后该考虑早餐了。我咨询我的数字孪生。

我的数字孪生与其说是机器人克隆体，不如说是一个由 AI 驱动、用颜色编码的食物数据库，它预测我吃的所有东西会如何影响我的血糖水平。红色不太好。橙色一般。绿色是理想状态。它基于我喂给它的数据，以及从连续血糖监测仪收集的数据构建而成。

一碗蛋白质 Cheerios 加牛奶？我的数字孪生告诉我，如果单独吃，这是橙色，但如果我之后进行每日散步，就是绿色。所以这就是我决定吃和做的事。当这一切完成后，我会把它记录在Twin Health应用中。几个小时后，应用会根据我的血糖反应生成一条洞察，而我的“孪生”会变得更准确。目前，我的孪生已经喂饱了。

冲洗并重复，大约再过 99 天。

数字孪生在身体健康领域是一个相对较新的概念，无论是在医学还是体育它是根据各种数据点——实验室数据、可穿戴设备数据、图像、基因图谱等——构建的虚拟人体模型，并会随时间持续更新。构建完成后，临床医生便可以利用 AI 先在患者的数字孪生上“测试”特定药物或治疗，从而了解患者可能产生的反应。理论上，这还可以帮助医疗服务提供者评估受伤风险、预测疾病进展，并实施预防性护理，同时尽量减少对真实患者的不良影响。其设想是，这有朝一日可能帮助实现个性化医疗的梦想。代谢指导或许是这项技术中风险最低、回报最高的版本，如今已经可以在现实世界中测试。

我的代谢孪生是在 6 月“诞生”的，当时一个来自 Twin Health 的大箱子被送到了我家门口。Twin Health 是一个数字孪生项目，旨在帮助人们“治愈”他们的代谢（例如减重、管理糖尿病、改善睡眠等）。它目前还不能广泛下载。数字孪生仍处于实验阶段，而且目前这项服务只能通过企业或私人健康计划获得。它通常面向有慢性代谢问题的人群。Twin Health 提供构建数字孪生所需的一切。构建我的数字孪生需要 90 天用量的 Dexcom G7 CGM、一台智能体重秤、一个智能血压计、三瓶复合维生素和甘氨酸镁，以及我的 Apple Watch。随后还要去一趟 Quest Diagnostics，在那里，一名采血师把针扎进我的手臂，并将几管血液送去进一步分析。

几天后，我和我的 Twin Health 教练 Amanda——一个真人——以及一位医生一起上了 Zoom，查看我的实验室结果。共享屏幕上列出了几个数字和公式。结果发现，我的肝脏？有炎症，但考虑到我被诊断出患有中度非酒精性脂肪肝，这也可以理解。胰岛素抵抗——尽管 HbA1c 和空腹血糖检测结果理想，但肯定存在。我的胰腺显然在超负荷运转，不过我的产胰岛素 β 细胞数量似乎没问题。至少目前如此。我的甘油三酯也偏高，尽管其余血脂看起来正常。

我一开始就知道自己继承了一个糟糕的新陈代谢。一年来作为非糖尿病患者测试 CGM让这一点变得再清楚不过。但当医生下线、Amanda 让我定义自己的目标时，我滔滔不绝地讲起自己那个模糊的愿望——减少维持我中年新陈代谢运转所需的药物数量。数字孪生能帮我做到这一点吗？

也许吧。眼下，Amanda 记录了我的目标，安排了两周后的回访电话，并鼓励我在最初的 30 天里尽量记录每一餐。等我达到 90 天的节点，就会安排再一次抽血。

在很多方面，我庆幸我的数字孪生没有自己的虚拟形象。至少，没有我能看到的形象。我很喜欢那些抽象的彩色标签。去看看一杯菠萝或一个加了番茄酱和酸黄瓜酱的火鸡热狗会是什么颜色，这本身就有种新奇感。（分别是橙色和绿色。）有时，我会想起石黑一雄的 dystopian 小说《别让我走》，书中的克隆人被抚养长大，用作器官捐献者。这个情境并非一一对应的类比。一个由 AI 驱动的数字孪生并不能真正进食、死亡或感受疼痛。我大概是在把我对在虚拟版新陈代谢上“测试”食物这一想法的不适感拟人化了，就好像它是中世纪宫廷里那种小丑般的试毒者。

尽管如此，随着几个月过去，我不禁注意到我的数字孪生有多么饥饿。以及这从我身上夺走了多少，几乎就像每次我“喂”我的孪生时，我自己都被抽干了一样。构建这个东西需要海量的个人数据——即使对我这样一个习惯于追踪和查看大量健康数据的人来说也是如此。在我与 Amanda 每两个月一次的回访中，她指出追踪疲劳是Twin Health 用户常见的反馈。

我的行为确实改变了。既有出乎意料的方式，也有意料之中的方式。每当我要记录食物时，我最终往往会避开不健康的零食；我可不想被应用训斥。然而，这并没有带来任何有意义的体重下降。而且，尽管我明确表示要逐步减少药物，结果却并没有像我期望的那样顺利。

我也没从我的数字孪生体的代谢预测中学到太多令人意外的东西。虽然它确实让我感到欣慰的是，对我来说，一碗嫩豆腐汤配白米饭是一顿稳稳的绿色或橙色餐食，取决于我饭后是否活动。（接着吧，低碳水饮食。你可以从我冰冷、死去的双手中撬走米饭。）我测试过太多 CGM 和 AI 营养应用，已经不会对这些洞察感到惊讶了，不过我觉得这对刚接触代谢问题的人会很有用。

Twin Health 的双月回访确实激励我重新开始训练。我在健身计划上一向自律，但必须向另一个人——一个不是家人的人——口头汇报进展所带来的额外责任感，把我内心的那个完美主义者激发了出来。在因药物副作用而虚弱了好几个月之后，我最近感觉强壮到可以不停歇地跑完 5 公里。在 Amanda 的一番劝说下，我也重新开始了力量训练。

但最重要的是，100 天后，我的复查化验结果有了明显改善。Amanda 说，自从加入以来，我的代谢健康评分已经上升了 9 分。一年前我的医生看到我的肝酶指标时眼睛都瞪圆了，如今除了一项之外，其余全部恢复正常。这些数字在我尝试这整套数字孪生业务之前就在缓慢改善，但在尝试期间下降得更快。我的甘油三酯下降了 70mg/dL。我的 hs-CRP 也显著下降，这是衡量整体炎症的生物标志物。我仍然有胰岛素抵抗，但没那么严重了。

面对这样的结果，我实在没法反驳，对吧？

其实我可以。数字孪生这一概念建立在信任之上。正如我所说，代谢方面的应用场景是高回报、低风险的。如果你给孪生体喂入大量数据，用于减重、糖尿病管理，或者像“更好的精力”或“更好的睡眠”这类更模糊的目标，失败并不会立即危及生命。还有药物和其他途径可以尝试。

个性化医疗则是另一回事。研究人员正在研究数字孪生在代谢之外的用途。例如，目前正在探索的一个领域是癌症护理与研究这里有巨大的潜力，尤其是当你考虑到化疗可能多么折磨人时，但也存在巨大的挑战。首先是数据隐私的信任负担。数字孪生对数据如饥似渴，其准确性依赖于关于你的持续不断的高质量且敏感的信息流。这些信息随后又会为未来的决策提供依据。如果我在一个低风险环境中记录三个月就感到不堪重负，那转换到更高风险的场景中又会怎样？治疗结束后，数字孪生如何继续存在？如果治疗不成功，那些数据又如何“继续存活”？

至于我，我决定让我的数字孪生再“活”三个月。尽管到目前为止我没什么成功，但我还没有放弃逐渐减少某些药物的想法。我也能用上一切能得到的帮助，让我的肝功能化验完全恢复正常。Amanda 也说，既然我已经有了坚实的基础，我就不需要再对我的孪生数据那么严格了。还是那句话，风险越低，灵活性就越大。

所以，今天，我在问我的数字孪生，它觉得一份加了一汤匙花生酱和一些蜂蜜的蛋白华夫饼，再配上一份菠萝怎么样。橙色的，不过话说回来，我可以通过散步把它变成绿色。