연구자들은 데이터 다이어트에 혈당 반응 모델링을 적용했다

간식(예를 들어 미트볼이나 마시멜로)을 먹으면 혈당에 어떤 영향을 미칠까요? 놀랍게도 까다로운 질문입니다. 신체가 다양한 음식에 대해 보이는 혈당 반응은 개인의 유전적 특성, 미생물군, 호르몬 변동 등에 따라 다릅니다. 따라서 당뇨병, 비만, 심혈관 질환 등의 질환 관리에 도움이 될 수 있는 맞춤형 영양 조언을 제공하려면 비용이 많이 들고 침습적인 검사가 필요하기 때문에 대규모로 효과적인 치료를 제공하기가 어렵습니다.

스티븐스 공과대학 연구진은 Journal of Diabetes Science and Technology 에 게재된 논문에서 새로운 접근법을 제시했습니다. 바로 혈액 채취, 대변 검체 채취, 또는 기타 불편한 검사 없이도 개인의 혈당 반응을 정확하게 예측할 수 있는 데이터 희소 모델입니다. 이 접근법의 핵심은 바로 사람들이 실제로 무엇을 먹는지 추적하는 것입니다.

"당연한 말처럼 들릴지 모르지만, 지금까지 대부분의 연구는 사람들이 섭취하는 특정 식품보다는 탄수화물의 양과 같은 거대 영양소에 집중되어 왔습니다."라고 파버 석좌교수이자 컴퓨터 과학과 교수인 사만다 클라인버그 박사는 설명합니다.

"저희는 식품 유형을 분석함으로써 훨씬 적은 데이터로도 매우 정확한 예측을 할 수 있음을 보여주었습니다."

클라인버그 박사 연구팀은 미국과 중국에 거주하는 약 500명의 당뇨병 환자(1형 및 2형)의 상세한 음식 일지와 연속 혈당 측정기 데이터가 포함된 두 가지 데이터 세트를 연구했습니다.

기존 식품 데이터베이스와 ChatGPT를 활용하여 각 식사를 다량 영양소 함량에 따라 분류하고, 식품의 구조(고기는 치즈보다 서로 더 유사함)를 활용하여 영양학적으로 동등한 식품을 구별할 수 있었습니다.

영양 데이터와 음식 특성, 그리고 몇 가지 인구 통계적 세부 정보를 사용하여 알고리즘을 훈련함으로써 연구팀은 각 개인의 각 음식에 대한 혈당 반응을 이전 연구에서 발견된 것과 거의 동일한 수준의 정확도로 예측할 수 있었습니다. 이전 연구에서는 자세한 미생물군 데이터와 수집하기 어려운 다른 정보가 포함되었습니다.

"식품의 특성을 포함하는 것이 왜 그렇게 큰 차이를 만드는지 아직은 알 수 없습니다 ."라고 클라인버그 박사는 말합니다. 식품 정보가 혈당 반응을 유도하는 미량 영양소를 대신하는 역할을 하거나, 특정 식품의 물리적 특성 때문에 사람들이 음식을 다르게 먹거나 소화하는 것일 수도 있습니다. "하지만 혈당에 관해서는 거대 영양소 외에도 더 많은 요소가 작용한다는 것은 분명합니다."라고 클라인버그 박사는 말합니다.

연구팀은 음식 유형에 초점을 맞춤으로써 혈당 반응의 개인별 차이도 탐구할 수 있었습니다. 클라인버그 박사는 "사람들은 같은 음식을 반복해서 먹기 때문에, 데이터를 통해 특정 음식에 대한 개인의 반응이 시간이 지남에 따라 어떻게 변화하는지 파악할 수 있습니다."라고 설명합니다.

연구팀은 모델에 생리 주기 데이터를 포함시키는 것이 피험자 내 변화의 상당 부분을 설명할 수 있음을 발견했으며, 이는 호르몬 수치 변화가 개인의 혈당 반응에 중요한 역할을 할 수 있음을 시사합니다.

이 팀의 모델은 미국과 중국 인구 모두의 혈당 반응을 정확하게 예측합니다. 이는 마이크로바이옴 기반 모델이 서로 다른 문화적 맥락에서 정확한 결과를 제공하는 데 종종 어려움을 겪었던 점을 감안할 때 중요한 발견입니다. 클라인버그 박사는 "특정 지역 인구에 대한 데이터가 없어도 예측이 가능합니다."라고 설명합니다.

새로운 모델은 음식 섭취 기록이나 기타 개인화된 데이터에 대한 맞춤형 훈련 없이도 인구 통계학적 데이터를 기반으로 개인의 혈당 반응을 예측할 수 있을 만큼 강력합니다. 결과적으로 임상의는 이 모델을 사용하여 환자와의 첫 진료에서 번거로운 음식 섭취 기록이나 불필요한 검사 없이 영양 조언을 제공할 수 있습니다. 클라인버그 박사는 "더 많은 데이터가 있으면 더 나은 권장 사항을 제시할 수 있지만, 개인화된 정보가 전혀 없어도 매우 좋은 결과를 얻을 수 있습니다."라고 설명합니다. "즉, 환자에게 즉시 유용한 조언을 제공할 수 있으며, 이를 통해 환자가 계속 노력하도록 동기를 부여할 수 있기를 바랍니다."

다음으로, 연구팀은 더 큰 데이터 세트를 사용하여 모델을 개선하고, 마이크로바이옴 데이터를 추가하면 모델의 정확도가 향상되는지 여부를 조사할 계획입니다. 클라인버그 박사는 "이것이 가장 중요한 질문입니다. 음식 정보만으로 필요한 모든 것을 얻을 수 있다면 대변 샘플을 채취하거나 다른 검사를 할 필요가 없을 수도 있기 때문입니다."라고 말합니다.

"그렇게 되면 모든 사람이 개인 맞춤형 영양을 더 저렴하고 쉽게 이용할 수 있게 될 것입니다."

출처: https://www.sciencedaily.com/releases/2025/04/250410160702.htm