W niedawnym badaniu opublikowanym w The American Journal of Clinical Nutrition naukowcy porównali zmiany hemoglobiny A1c (HbA1c) i zmienności glikemii u osób w stanie przedcukrzycowym lub osób z umiarkowanie kontrolowaną cukrzycą typu 2, aby zrozumieć wpływ dwóch diet odchudzających o ograniczonej kaloryczności. Zwiększona poposiłkowa odpowiedź glukozy (PPGR) i wynikające z niej uszkodzenia oksydacyjne są związane z wyższym ryzykiem cukrzycy typu 2, chorób sercowo-naczyniowych, raka, chorób wątroby, otyłości i związanej z tym śmiertelności. Konwencjonalne strategie zarządzania PPGR polegają na dietach o niskim ładunku glikemicznym, takich jak te o niskiej zawartości węglowodanów i większej ilości rozpuszczalnych błonników pokarmowych, takich jak całe pokarmy roślinne. Jednak standardowe diety o niskim ładunku glikemicznym lub niskiej zawartości węglowodanów przyniosły mieszane lub negatywne wyniki w badaniach klinicznych, ponieważ nie uwzględniają one indywidualnej zmienności PPGR na te same pokarmy. W niniejszym badaniu naukowcy wykorzystali spersonalizowany algorytm oparty na uczeniu maszynowym opracowany w ramach Personal Nutrition Project (PNP). PNP został przeszkolony na zestawie danych obejmującym profile metagenomowe odpowiedzi glikemicznej i tolerancji związanej z mikrobiomem jelitowym w celu przewidywania indywidualnego PPGR. Uzyskany model uwzględniał również inne dane, takie jak śródmiąższowe pomiary glukozy, informacje o wartościach odżywczych posiłków ze znacznikami czasu oraz cechy uczestników, takie jak sen, aktywność fizyczna, głód, poziom stresu i wartości HbA1c. Spersonalizowana dieta oparta na algorytmie PNP została porównana ze standaryzowaną dietą niskotłuszczową w tym randomizowanym badaniu klinicznym zwanym Personal Diet Study poprzez zbadanie zmian HbA1c i zmienności glikemii w okresie interwencji. Do badania rekrutowano osoby dorosłe w wieku od 18 do 80 lat, u których występował stan przedcukrzycowy lub cukrzyca typu 2 była leczona za pomocą samej zmiany stylu życia lub metforminy wraz ze zmianą stylu życia, współistniała otyłość lub nadwaga, a szacowany współczynnik przesączania kłębuszkowego był większy niż 60 ml/min/1,73 m2. Uczestnicy zostali losowo przydzieleni do standardowej lub spersonalizowanej diety. Próbki kału i krwi uzyskano w celu przewidywania PPGR przy użyciu algorytmu PNP. Obie grupy otrzymały porady behawioralne dotyczące utraty wagi i monitorowały swoją dietę za pomocą aplikacji na smartfonie. Osoby w spersonalizowanej grupie dietetycznej otrzymywały informacje zwrotne za pośrednictwem aplikacji na smartfony w celu zmniejszenia PPGR. Dane dotyczące ciągłego monitorowania poziomu glukozy zostały zebrane na początku badania oraz po trzech i sześciu miesiącach. Próbki kału wykorzystano do analizy mikrobiomu, którą następnie skorelowano z danymi antropometrycznymi, zmiennymi zdrowotnymi, informacjami socjodemograficznymi i HbA1c w celu określenia spersonalizowanych wyników posiłków. Podstawowe mierzone wyniki obejmowały średnią amplitudę skoków glikemii (MAGE) i wartości HbA1c, podczas gdy drugorzędne wyniki obejmowały średnie odczyty ciągłego monitora glukozy, ciągłe ogólne działanie glikemiczne netto (CONGA), współczynnik zmienności i odchylenie standardowe. Spersonalizowana dieta zaprojektowana przez algorytm PNP nie spowodowała żadnych znaczących zmian w HbA1c lub zmienności glikemii w porównaniu ze standardową dietą. Wartość MAGE zmniejszyła się w grupie stosującej dietę standardową o 0,83 mg/dl każdego miesiąca. Dla porównania, w grupie stosującej dietę spersonalizowaną redukcja MAGE wynosiła 0,79 mg/dl każdego miesiąca. Zmiany HbA1c również wykazywały podobne tendencje w obu grupach. Oprócz współczynnika zmienności dla pomiarów glukozy w ciągłym monitorze glukozy, inne miary zmienności glikemii i HbA1c zmniejszyły się w obu grupach. Pomiędzy obiema grupami nie zaobserwowano żadnych różnic, nawet w przypadku analizy stratyfikowanej według płci. Zmiany HbA1c co miesiąc wynosiły 0,02% i 0,01% odpowiednio dla grupy stosującej dietę standaryzowaną i spersonalizowaną. Różnice w wartościach między grupami nie były istotne statystycznie. Niektóre ograniczenia badania obejmowały niemożność uogólnienia wyników na grupy rasowe i etniczne, ponieważ badana populacja składała się głównie z kobiet i osób rasy białej. Ponadto, ponieważ algorytm PNP został zaprojektowany dla populacji izraelskiej i zwalidowany na przeważnie białej próbie populacji Stanów Zjednoczonych, wyniki algorytmu dla innych grup rasowych i etnicznych mogą się różnić. Trudności w korzystaniu z aplikacji mogły również spowodować zmniejszenie przestrzegania samodzielnie monitorowanej diety.