超越 BMI ── 為何新世代飲食 App 需要體組成、生活型態數據與個人化行為改變(HAVIT vs MyFitnessPal vs Noom vs Simple.Life)

1. BMI 的終結 ── 為何體組成與生活型態成為新標準

BMI(身體質量指數)作為數十年來肥胖管理的標準指標,在過去十年的學術文獻中受到嚴厲批評。

核心問題:

• BMI 無法區分肌肉與脂肪。兩個 BMI 26 的人可能一個是健美運動員,另一個是代謝症候群高風險者(Tomiyama et al. 2016, Int J Obes)。
• BMI 無法看見脂肪分布。內臟脂肪高的人可能 BMI 正常,但心血管風險升高(Ross et al. 2020, Nat Rev Endocrinol)。
• 相同的 BMI 在不同族群、性別與年齡間風險不同。WHO 針對亞洲人較低的 BMI 切點(≥23)反映了這一點。

該領域指向的新標準:整合評估體組成(體脂率、肌肉量、內臟脂肪)+ 生活型態變數(飲食、睡眠、運動、壓力)。

舊標準              →  新標準
─────────────────────────────────────────────────
1 項指標(BMI)       →  5+ 項體組成指標(體脂率、肌肉、內臟、BMR、WHtR)
體重變化            →  體組成變化 + 生活型態訊號
統一處方            →  原型/人格匹配處方
每週/每月調整       →  每日微調整

1.1 為何體組成重要 ── 臨床證據

• Prado & Heymsfield (2014, JPEN) ── 肌少型肥胖(低肌肉、高脂肪)即使在正常 BMI 下也會增加死亡率。沒有體組成評估無法偵測。
• Heymsfield et al. (2024, Obesity Reviews) ── 體組成在肥胖風險分層上優於 BMI。
• Ross et al. (2020, Nat Rev Endocrinol) ── 腰圍(WC)提供獨立於 BMI 的風險資訊。建議作為「生命徵象」。

1.2 生活型態介入的有效性 ── 臨床證據

• 糖尿病預防計畫 Diabetes Prevention Program(NEJM 2002) ── 3,234 名參與者隨機分組 3.2 年。生活型態介入組降低糖尿病發生率 58%;metformin 降低 31%。生活型態改變優於藥物治療。
• Look AHEAD(NEJM 2013) ── 5,145 名參與者隨機分組 10 年。強化生活型態介入在體重、HbA1c 與心血管風險因子上優於標準照護。
• Wing & Phelan(2005, Am J Clin Nutr) ── 維持 ≥5 年減重(平均 −30 kg)的人都有共同點:每日自我監測、同時管理飲食 + 運動、定期測量體重。

1.3 個人化處方的有效性 ── 臨床證據

• Zeevi et al.(2015, Cell) ── 800 名個體;對相同食物的餐後血糖反應在個體間差異極大。統一飲食處方缺乏科學依據。
• Berry et al.(2020, Nat Med ── PREDICT 1) ── 1,002 名雙胞胎與個體;餐後反應主要由環境/行為/微生物群而非遺傳主導。個人化營養優於標準指引處方。

2. 為何在 GLP-1 時代仍需要行為治療 ── WHO 與 ADA 建議

Ozempic、Wegovy 與 Mounjaro(GLP-1 / 雙重 GIP-GLP-1 受體促效劑)正以平均 15–22% 的減重效果重塑肥胖照護(STEP 1: 14.9% / SURMOUNT-1: 22.5%)。

但僅靠藥物治療不是答案。

2.1 顯示限制的臨床數據

• STEP 1(Wilding et al. 2021, NEJM) ── Semaglutide 2.4mg + 生活型態介入在 68 週產生 −14.9%。關鍵詞:「+ 生活型態介入」── 每位參與者都同時接受營養、運動與行為諮詢。
• STEP 4(NEJM 2021) ── 停藥一年後平均復胖 +11.6%p。沒有行為習慣化,體重快速回升。
• STEP 3(Wadden et al. 2021, JAMA) ── Semaglutide + **強化行為治療(IBT)**比 semaglutide + 標準照護達到更大減重(−16% vs −5.7%)。行為治療強度決定藥物效果幅度。

2.2 明確的指引建議

• WHO 肥胖臨床管理指引 Clinical Management of Obesity Guidelines(2022) ── 肥胖藥物治療必須結合「具行為改變支持的生活型態介入」。
• ADA 糖尿病醫療照護標準 Standards of Medical Care in Diabetes(2024, §8) ── 肥胖藥物處方需要「同步強化行為介入」。
• 內分泌學會臨床實務指引 Endocrine Society Clinical Practice Guideline ── GLP-1 使用者必須同步進行營養、身體活動與行為管理。

→ 簡言之,個人化行為處方與修正在 GLP-1 時代仍是有效性的核心。僅服藥不是終點。

3. 當今數位健康 App 跟上這個轉變了嗎?

如果肥胖科學已經改變,將其轉化為日常生活的工具 ── 健康 App ── 也必須演進。當今現實是部分到位。

3.1 數位健康介入的學術證據

• Krebs & Duncan(2015, JMIR mHealth) ── 58% 美國成人使用至少一個健康 App。但 30 天流失率平均 70–95%。
• Tate et al.(2003, JAMA) ── 數位行為介入產生的減重是標準資訊提供的 1.7 倍。
• Patel et al.(2015, Ann Intern Med) ── 數位工具有效性與個人化 × 回饋即時性 × 行為觸發成正比。

3.2 當今領先 App 的限制

三者都仍限於以 BMI/體重為中心的評估(MyFitnessPal、Simple.Life)或專注於指導而非評估本身(Noom)。

4. HAVIT ── 體組成 AI 估算 + 行為個人化(第四代)

HAVIT 直接反映上述科學轉變。

4.1 評估 ── 基於 AI 的體組成估算(無需硬體)

InBody 等級的 BIA 設備與 DEXA 需要到設施檢測。HAVIT 使用智慧型手機問卷 + 基本身體資訊(身高、體重、性別、年齡)+ 生活型態訊號來估算多項體組成指標(照片輸入為選用,非必需)。

內部比較研究(n=70, AI Connect 2025, InBody 為參照):

• ±5% 一致率(體脂率)92.9%
• MAE 2.42%p
• CCC 0.93(Lin 1989: CCC ≥0.8 = 強一致性)
• 在 6 項指標上統計顯著優於 Deurenberg(1991)標準公式(Steiger Z p=0.030)

與 Eulji University 的外部臨床研究(n=150, 計畫發表於 KSCI 索引期刊)正在進行中。

4.2 個人化 ── 126 種原型 × 2,000+ 行為庫

DPP/Look AHEAD 驗證的生活型態介入,透過 JUVIS Diet(韓國領先代謝診所)及其 12 週轉化計畫的專業知識數位化。

• 126 種原型 ── 使用者狀態·體型·行為模式·人格的組合
• 2,000+ 行為庫 ── 已驗證行為任務池的總規模,可量化測量
• 800+ 行動資料庫 ── 庫內用於即時指導匹配的優先集(依使用頻率·臨床驗證·文化適配性選擇)
• 8 步驟 AI 指導引擎 ── 意圖分類 → 匹配 → CARE 框架 → 安全閘門 → 5 級個人化

兩個相同 BMI 26 的使用者,如果原型不同,會收到不同處方。這是 Zeevi/Berry 數據建議的 N-of-1 個人化的實作。

4.3 GLP-1 感知行為指導 ── M0/M1/M2 階段

WHO/ADA 建議的「藥物治療 + 行為治療」模式,在 App 內實作:

M0(用藥前)          → 基線測量 + 胃腸副作用預備飲食
M1(適應期 4-8 週)   → 肌肉保存 + 蛋白質/力量強調
M2(維持/停藥)       → 行為習慣化 + 復胖預防(STEP 4 對應)

非 GLP-1 使用者使用相同的行為個人化引擎 ── 目標透過單獨生活型態介入達到 DPP 等級效果。

5. 4 款 App 比較 ── 對應科學標準

見下方比較表。

6. 哪款 App 適合哪種使用者

• 目標:卡路里/巨量營養素追蹤 → MyFitnessPal。但單純追蹤無法解決停滯期或復胖。
• 需要動機/心理/習慣協助 → Noom。CBT 強項。數據驅動自動個人化較弱。
• 間歇性斷食初學者 → Simple.Life。適合學習斷食模式。無體組成追蹤。
• 需要體組成追蹤 + GLP-1 + 行為改變 → HAVIT。
• BMI 正常但擔心內臟脂肪或肌少症 → HAVIT(警示正常 BMI 背後隱藏的變化;臨床診斷仍屬醫師職權)。
• 親身經歷過與他人對相同飲食反應不同 → HAVIT(N-of-1 個人化)。

7. 限制與注意事項

透明陳述:

1. **HAVIT 不是醫療診斷工具。**體組成估算用於日常追蹤與趨勢監測。臨床診斷或治療決策需諮詢醫療專業人員。
2. **臨床驗證進行中。**n=70 內部比較是早期階段研究。Eulji University n=150 外部研究結果發表後將反映於本文。
3. **藥物處方、劑量與停藥屬醫師職權。**HAVIT 支援 GLP-1 使用者的生活型態與行為處方;用藥決策仍由處方醫師負責。
4. **個人化需要數據累積。**前 1–2 週是基線學習期;個人化深度在第 4 週後顯著增加。

8. 結論 ── 當科學改變,工具也應改變

• 僅靠 BMI 評估的時代在臨床上已實質終結。
• DPP/Look AHEAD 證明的生活型態介入有效性無法單靠藥物治療取代。
• WHO 與 ADA 明確建議在當前 GLP-1 時代同步進行行為治療。
• 數位健康 App 需要演進以匹配這門科學 ── 體組成評估 + 生活型態整合 + 個人化行為處方。

MyFitnessPal、Noom 與 Simple.Life 各有優勢,但市場上少有 App 完成這項整合。HAVIT 直接瞄準這個缺口。

美國 ── 成人肥胖盛行率 41.9%(CDC NHANES 2021–2023, 約 1.36 億成人)且 GLP-1 使用成長最快 ── 是 HAVIT 作為核心目標專注的最重要市場之一。(HAVIT 不是醫療診斷工具;設計用於非臨床日常追蹤。)