腰圍從40吋縮到32吋，還減了15公斤！50歲歐吉桑的「大數據減重計畫」

photos放大顯示

大數據迎來的行動醫療時代

我們靈魂所在的軀體，你對它的了解有多少？

當牙牙學語的小童，見到你不知該喊阿伯還是阿嬸時，你就進入到該照顧自己、審視身體健康的年齡。而通常在這種年紀的朋友，往往為三高所困擾，不是高所得、高學歷、高成就，而是高血糖、高血壓與高血脂。

我天性叛逆，不愛受拘束，從來沒有起念減重過，在樂活與節制之間，選擇了樂活。愛美食、美酒，吃喝不知節制。年輕時，身高176公分，體重約70多公斤，體格肥瘦還算正常。30歲之後，身體不自覺地像氣球一樣慢慢膨脹起來。40歲後大概就維持在90幾公斤，當時一點也不在意。但是伴隨著美食美酒，開始有痛風的症狀，雖然去看過醫生，吃藥，但這毛病從來沒有根治過，只好放棄治癒的想法，遵照醫師指示少喝酒，少吃高普林像是海鮮、香菇類的食物。

除了痛風之外，身體也越來越容易出問題，於是開始動念想要有更健康的生活。雖然在兩年前，就在東京買了運動手環，剛開始只是趕時髦，好奇自己走了幾步，也不知下載了對應的APP可以如何做健康管理，似乎對健康也沒有什麼幫助，戴了一陣子就覺得麻煩與無趣，不想再戴。

後來，內人在賣場買了一本西脇俊二醫師所寫的《斷糖飲食》，原先是給岳父看的，我好奇翻看此書，其中最震撼我的觀念的是，書中闡述糖分與澱粉是一切慢性病的根源，只要不吃含糖食物，三天之內身體就會有減重的感覺。而且西脇醫師說只要不吃糖，腎可以自然排出尿酸，這表示無論如何大魚大肉，都不會造成痛風，這點深深打動我，在半信半疑之下，決定隔日就開始不吃糖。

三天後果然有感，不單是感覺到身體變輕了，而且精神變得更清明，上廁所時聞到一股前所未有的味道，就如西脇醫師所說的，身體正在燃燒脂肪，進入酮代謝。

減重的念頭開啟之後，也開始展開對自己身體健康管理的探索。一開始做體重記錄時，體重約90公斤，我在第79天減了10公斤，到了第132天，減了15公斤，達到我心目中的標準體重75 公斤。更難得的是，持續一年以來，我都輕輕鬆鬆維持在這個體重範圍內。

身體的變化，衣服最看得出來。我的褲子腰圍從40吋縮小到32吋。以前上衣要穿XL特大號，現在可以穿M（中）號的大小，為此，只好重新買衣服。

當別人問我吃什麼來減肥時，我的回答是「不吃什麼來減肥」，我的答案是「糖」，包括各種在體內會轉化成醣的澱粉， 俗稱主食的食物，如麵包、麵條、米飯。

當然減肥並不是只有「不吃」這麼簡單，為了身體健康、隨時隨地監測身體機能，我又戴起運動手環、買體重體脂計，並運用智慧手機下載健康管理APP程式，所以能在短短的一百多天， 就恢復到年輕時無毛病的身體狀態。

如果你問我，減重過程的得失，我會說，失掉的不只是身上的脂肪，還有荷包裡的錢，不過還好錢都是花在自己身上。我得到的是更輕盈、健康與年輕的身體，體檢時三高符合標準，多年痛風的問題無藥而癒，更能吃喝美食，白天不會昏睡，對於工作能更心平氣和去處理，晚上睡眠品質更好，失眠與憂鬱的傾向也都消失了。

過去當我面臨三高、痛風與失眠憂鬱等身心的毛病時，我並沒有吃藥，反而選擇用減重的健康管理做自我治療，經過一百多天的身體力行，確實成功降低三高困擾，當體檢量測各項身體機能時，血糖、膽固醇都在正常範圍內。

一般人想要控制體重的增減時，傳統上的觀念，會很直覺地認為，吃什麼食物，身體就會變什麼樣子，或是做什麼運動， 就能達到減重的目的。科學家也是這麼想，用盡各種科學辦法、耗盡資源，研究吃什麼或運動多少對體重的影響。為了達到現代科學的嚴謹要求與發表結果，過去常運用統計學的規範，控制變因、選擇樣本數目，經過辛苦時日的取樣、控制、分析，而得出單一項目的結果，也就是怎麼吃，就會影響身體怎麼長。

然而，人體是個複雜系統，我們無法也不願過著像實驗控制般的單純生活，因此許多營養科學研究，或許能幫我們解惑， 卻很難遵循。現今也有越來越多的科學家，採取更複雜的方法來研究，例如大家所熟知的地中海式飲食對心血管疾病有預防的功效⋯⋯等等。

啟動減肥模式， 工業4.0 時代的大數據減肥

三年前（2015）我到東京上野，趕時髦與貪圖免稅買了一支運動手環，當時只是為了計算在日本東京與輕井澤旅行時，到底走了多少步伐。因為在日本旅行不是搭乘電車就是走路，常常逛到腳都變成鐵腿了，所以非常好奇自己透過旅行，到底可以走多少步伐？

沒想到買到一支可以量測心跳速率的運動手環，當時傻傻的，也不知要如何使用，更不用說懶得下載手機上的運用軟體APP，而且又不習慣長時間帶著手環。所以這支運動手環，老實說，還真的不太有用，用了一陣子，就擺著不用了。

直到自己開始減重的初期，希望更準確地記錄運動量，才又戴起運動手環，並且認真地下載手機APP。這下有趣了，這個手環看似並沒什麼了不起，只不過可以量測到走路的步伐，而這個步伐嚴格地說也不是那麼準，另外手環內部有兩個閃閃的小綠燈，是用來量測心跳的。厲害的是，當我把年齡、性別、身高、體重輸入手機上的APP 軟體資料庫後，就可以即時地計算出燃燒的卡路里，而且最棒的是，這些數據都會記錄下來，不但能透過簡單易懂的圖形一目瞭然現有狀態，並且能清楚掌握體態隨著時間變化的情況。

這就是大數據（big data）的樣貌。

有人會認為大數據就是要有很大量的數據，但我更認為，大數據是一種隨時感測與記錄的過程，數據可安全儲存在雲端的資料庫，並與其他的個體比較分析，甚至連繫。

舉例來說，量測心跳的感測器，幾乎是每秒閃動一次，然後平均每15秒記錄一筆資料，這樣一天至少就有4X60X24=5,760筆數據，一年就有二百多萬筆數據。當然有人認為這只是小兒科的數量，但是這些數據都存在雲端，當雲端儲存有幾十萬人的資料量時，就真的形成海量的數據庫，無法用人工一一判讀，需要靠機器學習的方法來分析與提供服務。

因此，這個手環的APP程式常會冒出訊息來，你今天睡眠情況如何，建議你要怎麼做，最後不忘問你，你喜歡還是不喜歡這樣的建議？如果你回答的話，無論答案是肯定或是否定，其實就是在進行對機器學習的訓練。而學習，也是大數據庫的特色之一，就是機器判讀你的資料，然後給予的回饋建議，剛開始可能是隨機，或是根據程式設計師給予的一些建議組合邏輯。但是經過幾十萬人多次的回答互動，這個機器（其實可能就是仿造生物的神經網路邏輯）就會越來越厲害，給予的建議將越來越準確。

我們當然不是要來設計大數據庫，或是機器學習的邏輯，而是我們要比它更聰明。我們需要整合這些數據，成為有用的資訊，並且依照個人的需求，來達到綜合減重的目的。

所以當機器透過感知器學習我們的生理與行為，我們也在從這些數據中學習，學習如何讀取數據並且有效地減重。

對於減重這件事，我發現一件非常重要的事，就是APP程式雖然有重量紀錄，但是運動手環卻無法感測我們的體重，可是要減重，怎麼可以沒有體重數據來參考呢？

當我把每日從體脂計量測到的體重數據輸入APP後，再結合手環與體重計兩個感測器，我發現這一切都變得有意義了。

我從數據中看到自己身體的變化，也連結到現實世􀖄中自己行為習慣包括：膳食、運動習慣與睡眠的改變。這是大數據中非常重要的一環─各元素與彼此之間互動的過程。

傳統的科學研究設計，常常會受限於統計學的規範，以「化繁為簡」來控制變因，並相信樣本數如果夠大的話，就能追求到真實的情況。而大數據的思維剛好相反，往往是先由簡變繁（累積數據量），再從繁（大量數據）之中學習規律的模式（Pattern）。剛開始數據可能很簡單，隨著時間遞變，數據越長越大。所以在讀取數據的初期，常常會經過一小段時間的探索期，才能找到確實的關鍵。

photos放大顯示

大數據迎來的行動醫療時代

我們靈魂所在的軀體，你對它的了解有多少？

當牙牙學語的小童，見到你不知該喊阿伯還是阿嬸時，你就進入到該照顧自己、審視身體健康的年齡。而通常在這種年紀的朋友，往往為三高所困擾，不是高所得、高學歷、高成就，而是高血糖、高血壓與高血脂。

我天性叛逆，不愛受拘束，從來沒有起念減重過，在樂活與節制之間，選擇了樂活。愛美食、美酒，吃喝不知節制。年輕時，身高176公分，體重約70多公斤，體格肥瘦還算正常。30歲之後，身體不自覺地像氣球一樣慢慢膨脹起來。40歲後大概就維持在90幾公斤，當時一點也不在意。但是伴隨著美食美酒，開始有痛風的症狀，雖然去看過醫生，吃藥，但這毛病從來沒有根治過，只好放棄治癒的想法，遵照醫師指示少喝酒，少吃高普林像是海鮮、香菇類的食物。

除了痛風之外，身體也越來越容易出問題，於是開始動念想要有更健康的生活。雖然在兩年前，就在東京買了運動手環，剛開始只是趕時髦，好奇自己走了幾步，也不知下載了對應的APP可以如何做健康管理，似乎對健康也沒有什麼幫助，戴了一陣子就覺得麻煩與無趣，不想再戴。

後來，內人在賣場買了一本西脇俊二醫師所寫的《斷糖飲食》，原先是給岳父看的，我好奇翻看此書，其中最震撼我的觀念的是，書中闡述糖分與澱粉是一切慢性病的根源，只要不吃含糖食物，三天之內身體就會有減重的感覺。而且西脇醫師說只要不吃糖，腎可以自然排出尿酸，這表示無論如何大魚大肉，都不會造成痛風，這點深深打動我，在半信半疑之下，決定隔日就開始不吃糖。

三天後果然有感，不單是感覺到身體變輕了，而且精神變得更清明，上廁所時聞到一股前所未有的味道，就如西脇醫師所說的，身體正在燃燒脂肪，進入酮代謝。

減重的念頭開啟之後，也開始展開對自己身體健康管理的探索。一開始做體重記錄時，體重約90公斤，我在第79天減了10公斤，到了第132天，減了15公斤，達到我心目中的標準體重75 公斤。更難得的是，持續一年以來，我都輕輕鬆鬆維持在這個體重範圍內。

身體的變化，衣服最看得出來。我的褲子腰圍從40吋縮小到32吋。以前上衣要穿XL特大號，現在可以穿M（中）號的大小，為此，只好重新買衣服。

當別人問我吃什麼來減肥時，我的回答是「不吃什麼來減肥」，我的答案是「糖」，包括各種在體內會轉化成醣的澱粉， 俗稱主食的食物，如麵包、麵條、米飯。

當然減肥並不是只有「不吃」這麼簡單，為了身體健康、隨時隨地監測身體機能，我又戴起運動手環、買體重體脂計，並運用智慧手機下載健康管理APP程式，所以能在短短的一百多天， 就恢復到年輕時無毛病的身體狀態。

如果你問我，減重過程的得失，我會說，失掉的不只是身上的脂肪，還有荷包裡的錢，不過還好錢都是花在自己身上。我得到的是更輕盈、健康與年輕的身體，體檢時三高符合標準，多年痛風的問題無藥而癒，更能吃喝美食，白天不會昏睡，對於工作能更心平氣和去處理，晚上睡眠品質更好，失眠與憂鬱的傾向也都消失了。

過去當我面臨三高、痛風與失眠憂鬱等身心的毛病時，我並沒有吃藥，反而選擇用減重的健康管理做自我治療，經過一百多天的身體力行，確實成功降低三高困擾，當體檢量測各項身體機能時，血糖、膽固醇都在正常範圍內。

一般人想要控制體重的增減時，傳統上的觀念，會很直覺地認為，吃什麼食物，身體就會變什麼樣子，或是做什麼運動， 就能達到減重的目的。科學家也是這麼想，用盡各種科學辦法、耗盡資源，研究吃什麼或運動多少對體重的影響。為了達到現代科學的嚴謹要求與發表結果，過去常運用統計學的規範，控制變因、選擇樣本數目，經過辛苦時日的取樣、控制、分析，而得出單一項目的結果，也就是怎麼吃，就會影響身體怎麼長。

然而，人體是個複雜系統，我們無法也不願過著像實驗控制般的單純生活，因此許多營養科學研究，或許能幫我們解惑， 卻很難遵循。現今也有越來越多的科學家，採取更複雜的方法來研究，例如大家所熟知的地中海式飲食對心血管疾病有預防的功效⋯⋯等等。

啟動減肥模式， 工業4.0 時代的大數據減肥

三年前（2015）我到東京上野，趕時髦與貪圖免稅買了一支運動手環，當時只是為了計算在日本東京與輕井澤旅行時，到底走了多少步伐。因為在日本旅行不是搭乘電車就是走路，常常逛到腳都變成鐵腿了，所以非常好奇自己透過旅行，到底可以走多少步伐？

沒想到買到一支可以量測心跳速率的運動手環，當時傻傻的，也不知要如何使用，更不用說懶得下載手機上的運用軟體APP，而且又不習慣長時間帶著手環。所以這支運動手環，老實說，還真的不太有用，用了一陣子，就擺著不用了。

直到自己開始減重的初期，希望更準確地記錄運動量，才又戴起運動手環，並且認真地下載手機APP。這下有趣了，這個手環看似並沒什麼了不起，只不過可以量測到走路的步伐，而這個步伐嚴格地說也不是那麼準，另外手環內部有兩個閃閃的小綠燈，是用來量測心跳的。厲害的是，當我把年齡、性別、身高、體重輸入手機上的APP 軟體資料庫後，就可以即時地計算出燃燒的卡路里，而且最棒的是，這些數據都會記錄下來，不但能透過簡單易懂的圖形一目瞭然現有狀態，並且能清楚掌握體態隨著時間變化的情況。

這就是大數據（big data）的樣貌。

有人會認為大數據就是要有很大量的數據，但我更認為，大數據是一種隨時感測與記錄的過程，數據可安全儲存在雲端的資料庫，並與其他的個體比較分析，甚至連繫。

舉例來說，量測心跳的感測器，幾乎是每秒閃動一次，然後平均每15秒記錄一筆資料，這樣一天至少就有4X60X24=5,760筆數據，一年就有二百多萬筆數據。當然有人認為這只是小兒科的數量，但是這些數據都存在雲端，當雲端儲存有幾十萬人的資料量時，就真的形成海量的數據庫，無法用人工一一判讀，需要靠機器學習的方法來分析與提供服務。

因此，這個手環的APP程式常會冒出訊息來，你今天睡眠情況如何，建議你要怎麼做，最後不忘問你，你喜歡還是不喜歡這樣的建議？如果你回答的話，無論答案是肯定或是否定，其實就是在進行對機器學習的訓練。而學習，也是大數據庫的特色之一，就是機器判讀你的資料，然後給予的回饋建議，剛開始可能是隨機，或是根據程式設計師給予的一些建議組合邏輯。但是經過幾十萬人多次的回答互動，這個機器（其實可能就是仿造生物的神經網路邏輯）就會越來越厲害，給予的建議將越來越準確。

我們當然不是要來設計大數據庫，或是機器學習的邏輯，而是我們要比它更聰明。我們需要整合這些數據，成為有用的資訊，並且依照個人的需求，來達到綜合減重的目的。

所以當機器透過感知器學習我們的生理與行為，我們也在從這些數據中學習，學習如何讀取數據並且有效地減重。

對於減重這件事，我發現一件非常重要的事，就是APP程式雖然有重量紀錄，但是運動手環卻無法感測我們的體重，可是要減重，怎麼可以沒有體重數據來參考呢？

當我把每日從體脂計量測到的體重數據輸入APP後，再結合手環與體重計兩個感測器，我發現這一切都變得有意義了。

我從數據中看到自己身體的變化，也連結到現實世􀖄中自己行為習慣包括：膳食、運動習慣與睡眠的改變。這是大數據中非常重要的一環─各元素與彼此之間互動的過程。

傳統的科學研究設計，常常會受限於統計學的規範，以「化繁為簡」來控制變因，並相信樣本數如果夠大的話，就能追求到真實的情況。而大數據的思維剛好相反，往往是先由簡變繁（累積數據量），再從繁（大量數據）之中學習規律的模式（Pattern）。剛開始數據可能很簡單，隨著時間遞變，數據越長越大。所以在讀取數據的初期，常常會經過一小段時間的探索期，才能找到確實的關鍵。