Powiedzieć, że tytułowe pytanie rodzi kontrowersje, to mało. Wyznawcy poszczególnych diet są czasami w stanie dać się pokroić za swoje poglądy, a argumentując swoje racje, potrafią nie cofnąć się przed niczym, aby pognębić oponenta. Wielkie emocje budzą najróżniejsze teorie, niektóre zresztą mają uzasadnienie naukowe, inne są wyssane z palca i bazują na atrakcyjności teorii spiskowych (z których część się okazuje prawdą, choć wydaje się, że jest to część niewielka). Zapoznajmy się zatem z wykładem prof. Erana Segala z Instytutu Nauki Weizmanna w Rehovot (Izrael), który podbija ostatnio Internet. Profesor przedstawia wyniki badania klinicznego przeprowadzonego przez zespół złożony z lekarzy, immunologów i specjalistów ds. algorytmów samouczenia się algorytmów komputerowych [1].
Ponieważ wykład jest w języku angielskim, warto podsumować główne punkty. Prof. Segal przedstawia pewien punkt widzenia, który – jeśli zostanie potwierdzony w innych badaniach – może dokonać największej rewolucji w dietetyce od czasu odkrycia witamin.
Punktem wyjścia była chęć sprawdzenia, jak poszczególne pokarmy wpływają na stężenie glukozy we krwi. W diabetologii glukoza jest tym, co spędza sen z powiek i chorym, i ich lekarzom. Nadmiar tego cukru we krwi jest toksyczny i po latach doprowadza do ciężkich powikłań cukrzycy i nierzadko zgonów. Jednym z parametrów, które są szczególnie niebezpieczne dla długofalowo pojętego zdrowia, jest to, jak szybko i jak dużo glukozy przedostaje się do krwi po posiłku i ten właśnie parametr postanowili pobadać naukowcy u osób ze stanem przedcukrzycowym, czyli – na bardzo dużym poziomie ogólności – ze źle funkcjonującym metabolizmem, mogącym przekształcić się w cukrzycę. Uczestników badania wyposażyli w osobiste czujniki monitorujące stężenie glukozy, następnie przez kilka dni odnotowywano, jaki był skład posiłków i korelowano to z ilością przedostającej się glukozy z jelit do krwi (oraz szybkością narastania jej stężenia). Im więcej i szybciej, tym gorzej. Danych, które otrzymali, było sporo, pochodziły od blisko tysiąca osób, które spożywały w ciągu tygodnia ok. 50 posiłków. W sumie dało to prawie 47 tysięcy posiłków!
Tu potrzeba kilku słów wyjaśnienia, jak sprawę widzą obecnie dietetyka i diabetologia. Celem leczenia cukrzycy jest sprowadzenie wahań stężenia glukozy we krwi do takich, które będą jak najbliżej fizjologicznych, czyli prawidłowych. Jednym ze sposobów unikania nadmiernych szczytów glukozy po posiłku jest odpowiedni dobór ich składu: unikanie cukrów prostych (słodycze, jasne pieczywo i inne produkty o wysokim indeksie glikemicznym), wykorzystywanie zamiast nich cukrów złożonych, w tym błonnika. Wiadomo, że pokarmy bogate w cukry proste będą mocno zwiększać glikemię, zastąpienie ich węglowodanami złożonymi będzie się wiązało z mniejszymi szczytami glukozy (te szczyty zwane są fachowo „pikami poposiłkowymi”).
I tu nastąpiła konsternacja. Z danych wynikało bowiem, że to… się… nie sprawdza. Były osoby, u których ten sam posiłek (np. białe pieczywo) wywoływał pik glukozy, ale były osoby, u których to zjawisko nie występowało. Były osoby, które zgodnie z książkowymi przewidywaniami nie reagowały pikiem glukozy na ryż, ale były też takie, u których generował on wysoki wzrost cukru we krwi. Okazało się, że reguły doboru diety „cukrzycowej” są, oględnie mówiąc, mocno niedoskonałe i nie są uniwersalne.
W celu przewidywania, co kto powinien jeść, aby ograniczyć zjawisko nadmiernych poposiłkowych szczytów glikemii, programiści opracowali samouczące się algorytmy, które zaczęły ustalać, które pokarmy są bezpieczne, które nie. Każdy taki zestaw był opracowywany osobno dla każdegouczestnika. Algorytmy uwzględniały parametry biochemiczne krwi, skład posiłków, podstawowe dane antropometryczne (wzrost, wiek, masa ciała), aktywność fizyczną oraz – co jest wciąż nowością w badaniach klinicznych tego typu – skład mikrobiomu jelitowego. Działanie algorytmu autorzy wykorzystali do próby poprawy profilu glikemii w mniejszej, stuosobowej grupie uczestników. Dzięki indywidualnie dobieranej diecie (przez komputer!) udało się istotnie obniżyć poposiłkowe piki glikemii, czemu towarzyszyły również korzystne zmiany bakteryjnej flory jelitowej.
Oczywiście jest to tylko niewielki wycinek olbrzymiej wiedzy na temat ludzkiego metabolizmu. Nie uwzględnia ogromnej liczby mechanizmów kształtujących apetyt, głód, wydzielanie insuliny, odkładanie się tkanki tłuszczowej itd. ani zależności między nimi. Autorzy analizowali tylko jeden parametr metaboliczny w powiązaniu z całą resztą danych, i siła tego badania nie leży bynajmniej w tym, że znaleźli skuteczny sposób leczenia cukrzycy czy odchudzania (zdaniem prof. Segala poposiłkowy pik glikemii jest ważnym sygnałem dla organizmu prowadzącym do odkładania tkanki tłuszczowej). Na to, czy silnie personalizowany dobór diety z użyciem algorytmów sztucznej inteligencji faktycznie pomoże stracić na wadze lub leczyć cukrzycę, przyjdzie nam trochę poczekać.
Obserwacje te sygnalizują jednak, że wiara w jedną dietę z konkretnymi zasadami może być złudna. Każdy z nas jest inny i faktycznie może się okazać, że każdy inaczej reaguje na te same produkty, w związku z tym zupełnie inny zestaw będzie dobry dla mnie, inny dla mojej żony – podobnie ze „złymi” zestawami. Aby się odchudzić, jeden nie będzie mógł jeść hummusu, ale za to do woli jajek, a drugi – na odwrót. Nie będzie reguł – tylko chaos (tak zresztą jest i wiadomo naukowcom to od kilkudziesięciu lat, odkąd Lorenz wyrysował swoje atraktory – zainteresowanych odsyłam do zagadnień związanych z matematyką chaosu; w tradycyjnej medycynie chińskiej taka percepcja panuje zresztą od kilku tysięcy lat). Zestawy posiłków korzystnych i niekorzystnych jeszcze mogą się zmieniać wraz z wiekiem, porą roku czy nawet fazą księżyca, poziomem stresu (czego w ogóle nie badano), a ponadto na wpływ zdrowotny poszczególnych produktów spożywczych mogą silnie wpływać bakterie jelitowe, o których wiemy co prawda faktycznie z roku na rok coraz więcej, ale wciąż jest to praktycznie tyle, co nic.
Podręczniki do napisania od nowa? Kto wie… może już wkrótce?
Piśmiennictwo
- Cell. 2015 Nov 19;163(5):1079-1094. Personalized Nutrition by Prediction of Glycemic Responses. Zeevi D et al.
integmed.pl 