空腹抽血在过去常被用于评估代谢健康，但实际上仅靠这一方式并不能很好地做到。中国科学家们经过深入研究，给出了新的方法。他们发现，单纯的空腹抽血无法全面反映人体在不同状态下的代谢情况，可能会遗漏一些重要信息。而新方法则综合考虑了多种因素，如餐后血糖、胰岛素抵抗等指标，更能精准地评估代谢健康状态。这一创新为代谢疾病的早期诊断和预防提供了更可靠的依据，有望推动相关领域的发展，对人们的健康有着重要的意义。

本文来自微信公众号：返朴 （ID：fanpu2019），作者：李娟

一个人的代谢健康是整体健康的重要组成部分，它关注的是身体内部各种生化过程的平衡与稳定，比如血糖、血脂、血压等的调节。据报道，美国仅有12.2%的成年人被认为代谢健康：在体重正常的成年人中，只有不到三分之一的人是代谢健康的，而92%的超重者和99.5%的肥胖者不符合代谢健康的标准。

代谢健康应当如何衡量？

高血压、高血脂、低高密度脂蛋白（“好”胆固醇）、高血糖和腰围过大等，被认为是代谢综合征的表现，因为这些因素会导致心血管疾病、糖尿病等慢性疾病的风险增加。基于此，以往对于代谢健康的大致调查，往往是以测量腰围、空腹和长期血糖、血压、血脂以及胆固醇水平的方式。

然而，近年来，越来越多的科学家提出，代谢健康并非是不生病或者不需要服用任何药物（降压、糖尿病药物和降脂药物），而是指身体在不同环境下保持平衡的能力，这种适应力被称为“表型灵活性”（phenotypic flexibility）。它反映了个体应对日常压力（如营养摄入）时的代谢应激能力，比如身体能够有效地处理和吸收食物中的营养，同时避免血糖、血脂和胰岛素水平出现剧烈波动。

当人们去医院例行体检，空腹血糖和血脂一般都是必检项目。目前普遍使用的健康评估指标通常基于空腹状态，这一点有其局限性，因为它无法评估一个人在饭后或其他环境压力下的代谢适应能力。

事实上，我们大部分时间都处于进餐后的状态，而餐后代谢的变化——比如血糖、脂质水平的变化，对心血管疾病和糖尿病的早期风险具有重要提示作用。

为了更全面地认识人体对葡萄糖、脂肪、蛋白质的代谢适应能力，科学家一直在尝试多种创新的评估策略，来量化参与维持或恢复代谢稳态的相关代谢过程。

荷兰的“健康空间”研究

荷兰研究人员通过在受试者中进行营养挑战测试来获得“表型灵活性测试”（PhenFlextest，PFT）数据，并结合“健康空间”（health space）统计模型，量化和可视化人群的代谢适应能力。

研究人员通过给予受试者富含脂肪、糖分和蛋白质的混合餐饮，检测并收集测试前后的血液代谢组学数据，以及器官（肠道、肝脏、脂肪、胰腺、脉管、肌肉和肾脏）和组织功能的生物标志物。通过将数据投射到“健康空间”模型中，来评估一个人的代谢情况。

包括炎症、氧化和代谢参数的“健康空间”模型丨图片来源：参考文献[2]

“健康空间”使用两组参考个体（如年轻健康者与老年肥胖者）来定义“最佳健康”和“较差健康”的范围，其他受试者则根据测试结果在这个范围内定位。每个受试者的数据通过建模，被映射到一个多维空间中，其在健康空间中的位置反映了其代谢健康状况（从最佳到较差）。

结果表明，这种模型可以有效区分健康人群与代谢紊乱患者，反映个体的表型灵活性与年龄、肥胖的关系，比传统空腹测试更能提前揭示潜在的健康问题。例如，个别体脂率正常的参与者在“健康空间”中表现出与老年肥胖群体相似的代谢特征，提示潜在的胰岛素抵抗或肝功能受损。

2024年12月，我国科学家提出了一种更全面的评估代谢健康的方法：“双维度”的健康状态图（Health State Map，HSM）。这一模型将空腹和餐后状态分开，分别作为两个独立的维度，帮助更准确地了解个体的代谢适应能力。“双维度”健康状态图研究不仅揭示了代谢健康的复杂性，也为个性化营养干预和早期疾病预防提供了新工具。

在这项研究中，“双维度”健康状态图由两项核心评分组成：

健康表型评分（Health Phenotype Score，HPS）——基于空腹状态的生物标志物（如血糖、血脂和肝功能指标）计算，主要反映个体在静态健康中的表现。

稳态适应评分（Homeostatic Resilience Score，HRS）——通过标准化的MMTT评估（后文会展开解释MMTT评估是什么），反映个体在日常膳食压力下的代谢适应能力，提供对代谢健康的动态评估。

该研究内容的展示图。其中h部分为包括HPS和HRS数据的双维度健康状态图。丨图片来源：参考文献[1]

该研究的受试者包括111名年龄在20至70岁之间的中国成年人，涵盖正常体重、超重/肥胖及代谢综合征（存在高血压，腹部肥胖，高血糖，高甘油三脂或低高密度脂蛋白胆固醇）患者。

为了全面评估人们在餐后的动态适应能力，研究者使用混合餐耐量测试（mixed macronutrient tolerance test，MMTT）来模拟日常饮食对代谢的影响。所有受试者在夜间禁食后，空腹食用含有葡萄糖、脂肪和蛋白质标准配比的400毫升混合餐饮，用于均衡刺激三大代谢通路（糖、脂肪和蛋白质）。采集基线血液样本，并在餐后5个时间点（30至240分钟）测量血糖、脂类、氨基酸等代谢指标的动态变化。

为了测试“双维度”健康状态图（HSM）是否比一维模型提供更多信息，通过使用与HSM相同的数据集，研究者将空腹和餐后数据结合构建了混合评分（Mixed-score）。结果表明，空腹数据（HPS）与空腹+餐后的混合数据之间存在显著的强相关性，意味着两者在某种程度上反映相似的代谢健康状况。同时，两者与一些代谢风险标志物（如血糖、血脂等）的相关性也相似。

不同的是，在“双维度”健康状态图中，基于餐后数据的HRS与HPS、Mixed-score没有显著的相关性，因为HRS关注的是餐后代谢的变化。而且，HRS与代谢综合征风险（比如高血压、高血糖等）具有高度相关性，且这种相关性独立于HPS和Mixed-score而存在。

具有较高健康表型得分（HPS）和稳态适应得分（HRS）的参与者，其代谢特征更为优越，表现为高密度脂蛋白胆固醇（HDL-c）和Matsuda指数（评估胰岛素敏感性的指标）显著较高，空腹血糖、甘油三酯（TAG）、低密度脂蛋白胆固醇（LDL-c）以及肝功能生物标志物水平较低。

而在那些健康表型评分（HPS）相似的人中，其动态稳态适应评分（HRS）仍可能差别很大，提示个体的代谢能力有很大不同。具体表现为：

一些人对葡萄糖有更高的敏感性，餐后血糖波动小（HRS-glu高），乳酸盐水平更高，显示出良好的糖代谢适应性；一些人对脂质的调节能力更强，表现为三酰甘油水平平稳（HRS-lip高），显示出更优的脂质适应能力；一些人的亮氨酸和赖氨酸水平显著增加（HRS-aa高），表明其蛋白质代谢功能较强。这些结果说明，人们的代谢适应能力是高度个性化的，不仅仅由静态指标决定。

以上结果均提示，HRS比一维模型更有优势，能够分辨并提供更多代谢健康状况的信息。

研究提示：生活方式对代谢健康有显著影响！

此外，这项研究结果提示生活方式对动态代谢有显著影响，具体表现为：

1.运动水平；

运动水平与氨基酸代谢适应性（HRS-aa）呈正相关，表明运动有助于改善蛋白质代谢，这可能是与肌肉利用氨基酸的效率提升有关；

2.睡眠时长；

睡眠时长与脂质代谢适应性（HRS-lip）相关，适量睡眠对脂质调控有潜在好处，提示良好的睡眠可能对健康饮食反应起积极作用。

3.肠道微生物；

与之前的一些研究一致，肠道微生物在代谢健康方面也发挥着重要作用。这项研究表明，特定菌群（如厚壁菌门和拟杆菌门的比例）与HRS密切相关，它们可能通过影响脂肪和氨基酸代谢适应能力来调控代谢健康，为未来通过调整肠道菌群改善健康提供了可能性。

这项研究创新性的提出一种评估代谢健康的方法，与传统的基于空腹特征的单一维度评估方法相比，“双维度”健康状态模型能够更敏感地捕捉到个体的代谢健康变化。

综上可知，代谢健康是一个由多种因素共同塑造的复杂概念，包括饮食选择、新陈代谢效率、肠道微生物群、运动水平、睡眠质量、压力管理和心理健康等。换句话说，代谢健康是一种动态平衡，反映了身体对外部环境和食物的适应能力。

该研究的创新之处在于将静态评估与动态反应相结合，为代谢健康的研究和应用提供了全新框架。动态代谢适应能力可以更早期地检测代谢紊乱，帮助预防糖尿病、心血管疾病等慢性病。同时，为了优化健康状态，可以根据个体对不同营养素（如糖、脂肪和蛋白质）的代谢能力，制定量身定制的饮食计划，设计更精准的饮食。该研究还为通过运动、睡眠管理和肠道微生物调节，进行生活方式干预来提升代谢健康提供了依据。

尽管这项研究为代谢健康的评估带来了全新视角，但其实际应用仍需进一步探索。未来，研究团队计划在更大规模的不同种族群体中验证这一模型，同时结合多组学数据（如基因组、代谢组和微生物组）进行优化。

同时，将HSM模型应用于临床实践，将为患者提供更个性化的治疗方案，从而提高治疗效果和生活质量。

参考资料

[1]Yanpu Wu，Xinyan Zhang，Liang Sun，Qingqing Wu，Xiaoping Liu，YueyiDeng，Zhenzhen Lu，ZhongxiaLi，ChaomingDeng，RuikunHe，LuyunZhang，Rong Zeng，XuguangZhang，LuonanChen，Xu Lin，Two-dimensional Health State Map to define metabolic health using separated static and dynamic homeostasis features:a proof-of-concept study，National Science Review，Volume 12，Issue 1，January 2025，nwae425，https://doi.org/10.1093/nsr/nwae425

[2]Bouwman，J.，Vogels，J.T.，Wopereis，S.et al.Visualization and identification of health space，based on personalized molecular phenotype and treatment response to relevant underlying biological processes.BMC Med Genomics5，1(2012).

[3]Araújo J，Cai J，Stevens J.Prevalence of Optimal Metabolic Health in American Adults:National Health and Nutrition Examination Survey 2009-2016.MetabSyndrRelatDisord.2019 Feb;17(1):46-52.doi:10.1089/met.2018.0105.Epub2018 Nov 27.PMID:30484738.