同卵雙胞胎吃一樣的早餐，血糖反應卻差了50%：PREDICT研究如何顛覆我們對營養學的認知

你的雙胞胎吃了一樣的早餐，血糖數據卻說著完全不同的故事

Sarah和Emma是一對同卵雙胞胎。相同的DNA、相同的父母、從小在同一張餐桌上吃早餐。然而，當倫敦國王學院的研究人員讓她們吃下同一款標準瑪芬蛋糕，並追蹤兩小時內的血糖變化時，Sarah的血糖飆升到142 mg/dL，而Emma的血糖卻只微微上升到108。

這不是偶然。在PREDICT研究中，1,100對雙胞胎的數據顯示，同卵雙胞胎的血糖反應平均差異高達50%。沒錯，整整一半。相同的基因密碼、相同的一餐，代謝結果卻天差地遠。

這項發現於2024年發表在《Nature Medicine》期刊，基本上動搖了通用飲食指南的根基。如果連你的基因複製人對一根香蕉的反應都跟你不同，那麼那些針對全民的營養建議，到底在告訴我們什麼？

改寫遊戲規則的關鍵數據

PREDICT研究團隊不只研究雙胞胎。他們在英國和美國招募了超過15,000名參與者，成為史上規模最大的營養反應研究。每位參與者都配戴連續血糖監測儀（CGM）、詳細記錄每一餐、並提供血液樣本、糞便樣本和完整的生活型態資料。

最震撼的發現：基因只能解釋28%的血糖反應差異。至於三酸甘油酯（餐後血脂），基因的貢獻更是只有區區9%。

那麼，剩下的差異從何而來？

前一晚的睡眠品質，佔了血糖變異的12%。進食時間——特別是在生理時鐘的「早晨」還是「晚間」進食——可以讓反應差異高達40%。而腸道菌相，也就是腸道裡那數兆個微生物，對血糖變異的解釋力幾乎跟整個基因組一樣大。

領導PREDICT研究的流行病學家Tim Spector在2024年的訪談中直言：「我們一直以來給人們的飲食建議，都是基於不適用於任何個人的平均值。」

腸道菌相：你的第二個代謝大腦

2024年發表在《Cell》期刊的研究，進一步深入分析PREDICT的發現，探討哪些腸道細菌能預測血糖反應。結果相當驚人。

體內Prevotella copri菌群較多的人，吃麵包後的血糖飆升幅度低了23%。Blautia wexlerae菌群豐富的人，纖維代謝效率更高，血糖曲線更平緩穩定。相反地，某些Bacteroides菌種則與血糖急升急降有關。

但真正讓這些發現具有實用價值的是：你的腸道菌相並非固定不變。不像DNA，你可以在幾週內透過飲食改變腸道菌群組成。研究中，每天增加10克纖維攝取的參與者，在14天內就出現可測量的菌相變化，而他們對測試餐點的血糖反應也隨之改變。

有一位45歲的會計師David，他對燕麥的血糖反應糟透了——而燕麥可是被普遍認為「有益心臟健康」的食物。他的CGM數據顯示，早餐吃燕麥會讓血糖飆到165 mg/dL，比吃白麵包還高。經過六週的調整——加入發酵食品、燕麥份量減半並搭配堅果——他對同樣早餐的血糖反應降到了128 mg/dL。

同一個人、同樣的食物，不同的代謝情境。

早上的你和晚上的你，根本是兩個不同的人

2025年在巴黎舉行的ATTD會議上，有一場關於晝夜節律與血糖代謝的專題報告，內容讓所有晚上八點後才吃晚餐的人都該警覺。

布萊根婦女醫院的研究人員展示的數據顯示，同樣的一餐在早上八點和晚上八點吃，血糖峰值平均相差35%。晚間進食不只讓血糖飆得更高，還會讓血糖維持在高點多90分鐘。

這跟意志力無關，也不是在道德批判「宵夜不好」。這純粹是生理機制。你的胰臟在晚間分泌的胰島素較少；隨著一天過去，肌肉細胞對葡萄糖的吸收能力會下降。你的身體正在為睡眠做準備，而不是為了消化一份600大卡的義大利麵晚餐。

實際的意義是：兩個人吃完全相同的每日熱量，單純因為進食時間不同，代謝結果可能天差地遠。在下午兩點前攝取60%熱量的人，與在晚上六點後攝取60%熱量的人相比，24小時血糖變異度平均低了18%。

沒人在討論的睡眠因素

PREDICT研究中，前一晚睡眠不足六小時的參與者，對測試餐點的血糖反應比睡滿七小時以上時高出14%。這個效應在50歲以上的人身上更明顯，睡眠不佳會讓血糖飆升幅度增加高達22%。

這會形成一個惡性循環：血糖劇烈波動會干擾睡眠品質，睡眠品質差又會讓隔天的血糖控制更糟。如此反覆。

有一組PREDICT參與者同時配戴CGM和睡眠追蹤器，連續30天。結果發現，前一晚睡眠品質與隔天血糖控制的相關性，比食物選擇與血糖控制的相關性還要強。讓這個事實沉澱一下：你怎麼睡，比你吃什麼更重要。

CGM數據如何揭示你的個人模式

連續血糖監測讓這些抽象的研究發現變成個人化的數據。你不用再猜測自己是不是「燕麥友善體質」，或者晚上七點後代謝是否會變差——你可以直接看到。

ATTD 2025精準營養專題小組提出了一套解讀個人CGM模式的框架：

時間在範圍內（血糖維持在70-140 mg/dL之間）比任何單次飆升都重要。一個人如果85%的時間都在範圍內，偶爾飆到150 mg/dL，代謝狀況會比一個持續處於125 mg/dL低度升高的人更健康。

餐後模式揭示特定食物的反應。30分鐘內的飆升，如果能在90分鐘內回到基線，這是正常的生理反應。但如果飆升後維持高點長達三小時，代表那個特定食物在那個情境下，對你的代謝並不友善。

夜間穩定性反映代謝彈性。睡眠期間血糖穩定維持在75-95 mg/dL，代表胰島素敏感度良好。如果凌晨三點後血糖開始往上飄，可能暗示皮質醇失調或肝臟糖質新生的問題。

建立你的個人食物反應地圖

PREDICT團隊開發了一套評分系統，針對每個人將食物從A（血糖影響最小）到E（明顯飆升）進行排名。同一種食物，對某人可能是A，對另一人卻可能是D。

香蕉在整體人群中平均是C，但個人差異範圍從A到E都有。白飯的變異度也差不多。甚至被認為「普遍健康」的全麥麵包，個人差異也橫跨了三個等級。

研究人員發現了他們所謂的「驚喜食物」——對特定個人產生出乎意料好或壞反應的食物。約35%的參與者至少有一種他們一直在迴避（以為「不健康」）的食物，實際上對他們的代謝反應極佳。另外40%的人則有一種他們認為健康的食物，卻持續造成血糖飆升。

這不是要把食物貼上好或壞的標籤。而是要認清，「燕麥健康嗎？」這個問題本身就不完整。真正的問題應該是：「燕麥對我來說健康嗎？在這個時間點？考慮到我目前的睡眠和壓力狀況？」

務實的下一步

這一切並不代表營養科學沒有用。群體層級的數據仍然重要。蔬菜對幾乎所有人來說都比糖果好。原型食物整體而言仍然優於超加工食品。

但PREDICT的發現指出了一個個人化的層級架構：

通用原則（多吃蔬菜、限制糖分、不要吃太多）適用於每個人，應該作為基礎。

時間優化（把熱量集中在白天前段、保護睡眠品質）是下一層的改善，適用於大多數人，不需要太多個人化測試。

食物特定的個人化（哪些碳水化合物適合你、哪些不適合）需要個人數據——無論是透過CGM追蹤、結構化的排除實驗，或兩者並用。

文章開頭提到的雙胞胎Sarah和Emma，最終找到了她們各自的模式。Sarah發現她對白飯反應良好，但對麵包反應很差。Emma則剛好相反。兩人只是互換了她們原本以為可以互相替代的食物，就在兩個月內將血糖變異度降低了30%。

她們的DNA沒有改變。飲食內容也幾乎沒變。她們只是學會了哪一種版本的「健康飲食」真正適合自己的身體。

這對營養建議的未來意味著什麼

一體適用的飲食指南時代正在結束。不是因為那些指南是錯的，而是因為它們不夠完整。告訴每個人都要吃全穀類，就像告訴每個人都穿中號的鞋子——平均來說有幫助，但對很多人來說並不舒適。

個人化的工具正在變得越來越普及。過去需要處方才能取得的CGM，現在在許多國家已經可以直接購買。腸道菌相檢測的費用在十年內下降了90%。App現在可以自動將餐點照片與血糖數據進行關聯分析。

PREDICT研究團隊估計，在五年內，基於個人代謝反應數據的個人化營養建議，將會像個人化健身計畫一樣普遍。科學基礎已經到位，技術正在迎頭趕上。

你的身體一直在試著告訴你它對食物的反應。我們終於開始學會傾聽了。