📌 本文重點
- 把複雜血糖數據轉成「可讀故事」
- 不碰醫療決策，只做分析與提醒
- 可自託管，延伸到睡眠、運動等健康指標
- 工程師與非工程師都有明確上手路徑
這是一個把連續血糖、胰島素泵、Nightscout 和聊天式分析整合在一起的開源 AI 健康管家，但不碰醫療決策，專心把你的血糖數據講成聽得懂的故事。
專案連結：GlycemicGPT GitHub
核心功能：它到底幫你做什麼？
1. 把一天血糖變成「可讀摘要」
解決的問題：連續血糖監測（CGM）數據很多，但圖表看了還是不知道：今天到底穩不穩？哪一段出問題？
GlycemicGPT 的做法：
– 從 Dexcom G7、Nightscout 等來源抓你的 24 小時血糖紀錄
– 分成「夜間」「白天」「運動前後」「高低血糖事件」等片段
– 生成一段自然語言摘要，例如：
– 「昨晚 2–4 點有兩次低血糖，可能和睡前校正注射有關」
– 「早餐後 1–2 小時血糖上升幅度較大，建議檢視碳水估算」
💡 關鍵： 把一整天密密麻麻的血糖數據濃縮成幾句話，讓你一眼看出哪個時段最需要注意。
你可以馬上做的事：
– 每天固定時間（例如睡前）看一次摘要，記一條「明天要嘗試的調整」：
– 減少某餐碳水
– 提前運動時間
– 記錄一個你想問醫師的問題
2. 餐後血糖分析：把「這餐」跟「那餐」比較出來
解決的問題：你可能知道「麵會讓我高」，但很難量化：這碗麵 vs 這碗飯，到底差多少？
GlycemicGPT 的做法：
– 從 Nightscout 或手動輸入的「餐點紀錄」對應到餐後血糖曲線
– 幫你計算：
– 餐後 1 小時、2 小時的血糖變化
– 每道菜、不同時間吃同一餐的差異
– 用自然語言生成結論：
– 「相較於 5 月 1 號午餐，同樣是義大利麵，今天餐前血糖較高，使得峰值提高約 20 mg/dL」
💡 關鍵： 透過具體數字比較不同餐次，幫你找出「同一道菜、不同吃法」帶來的血糖差異。
你可以馬上做的事：
– 選一個常吃的餐（例如便當店），連續 3 次記：
– 吃什麼
– 大概時間
– 用 GlycemicGPT 問：「幫我比較這 3 次便當餐後血糖差異」
– 找出：
– 是否晚吃一小時就特別高
– 是否換一種配菜更穩
3. 聊天式 Q&A 與預警：把醫囑變成「日常提醒」
解決的問題：醫院給的講義很厚，但日常遇到的小問題（例如「今天運動前 30 分鐘血糖是 90，合理嗎？」）很難即時問人。
GlycemicGPT 的做法：
– 使用 RAG（從可信來源取資料再回答），連結臨床指南、糖尿病教育資料
– 你可以問：
– 「這週夜間低血糖發生幾次？」
– 「最近是否有高血糖時間變長？」
– 設定預警：
– 當血糖連續一段時間偏高／偏低時，以你設定的方式提醒（例如透過 Nightscout 或其他通知系統）
安全邊界（很重要）：
– GlycemicGPT 不控制胰島素泵，不會自動調整劑量
– 它是「分析與提醒工具」，任何治療改變都應與醫師討論
💡 關鍵： 系統刻意不碰胰島素劑量，只做「看懂與提醒」，讓使用更安全、也更符合醫療規範。
你可以馬上做的事：
– 選一個你常擔心的情境，例如：「運動前低血糖」
– 問 GlycemicGPT：
– 「過去兩週，我運動前 2 小時內有低血糖的情況嗎？」
– 把得到的結論帶去門診，跟醫師一起確認需不需要調整
適合誰用？三種典型場景
1. 糖尿病患者：把自我管理變成「對話」
適合：已經在用 Dexcom G7、Nightscout 或胰島素泵的 1 型／2 型患者。
可以怎麼用：
– 每週固定生成一份「一週血糖報告」
– 把報告存在雲端或印出，在門診時直接給醫師看
– 平常遇到疑問先在 GlycemicGPT 裡「排練」問題，再整理 2–3 個重點問醫師
2. 家屬與照護者：遠端關心但不干擾
適合：家裡有小孩、長輩正在使用 CGM 或胰島素泵。
可以怎麼用：
– 由患者端自託管 GlycemicGPT，授權家屬查看摘要
– 家屬每週只看一次「高低血糖事件概況」，避免盯得太緊造成壓力
– 把預警設定為「只在連續幾天異常時通知」，減少過度打擾
3. 醫療團隊：作為視覺化與溝通工具
適合：願意嘗試資料驅動照護的診所、醫師、糖尿病衛教師。
可以怎麼用：
– 在院內一台伺服器上自託管，連接部分願意參與的患者 Nightscout
– 診間中開 GlycemicGPT 的每日摘要，當作溝通起點：
– 「這裡可以看到你這一週夜間血糖偏低，我們一起討論原因」
再次提醒：治療決策仍然由醫師與患者共同做出，GlycemicGPT 只是把資料講清楚。
延伸思路：用同一套架構做「睡眠 / 運動 / 壓力」Agent
就算你不是糖尿病患者，也可以從 GlycemicGPT 學到一套「個人健康 Agent」的設計模板：
- 資料來源：
- 睡眠：Apple Watch、Oura Ring、床墊感測器
- 運動：Garmin、Strava、健身房紀錄
- 壓力：心率變異度（HRV）、自我打分
- 管道層（類似 Nightscout）：
- 建一個簡單的時間序列資料庫（例如 InfluxDB、TimescaleDB）
- AI 分析層：
- 用類似 GlycemicGPT 的方式：
- 每日摘要
- 特定事件分析（熬夜、重訓日）
- 聊天式 Q&A
具體行動建議：
– 先選一個最在意的指標（例如「睡眠中途醒來」）
– 用 Notion / Google Sheet 先手動記一週
– 再思考要怎麼把它自動化收集，最後才上 AI 分析層
怎麼開始：非工程師 vs 工程師兩條路
非工程師：先找到願意幫你部署的人
目前 GlycemicGPT 是一個自託管專案，沒有一鍵雲端 SaaS，可以照這個路線：
- 準備好問題清單：
- 想解決什麼？（例如「看懂 Dexcom 圖表」「整理給醫師的報告」）
- 請技術朋友或社群幫忙部署：
- 把這個連結丟給對方：https://github.com/GlycemicGPT/GlycemicGPT
- 請他們依 README 在以下任一環境部署：
- VPS（例如 Hetzner、DigitalOcean）
- 家用 NAS / 自架伺服器
- 樹莓派（性能較有限，但可做測試）
- 確認三件事再上線：
- 資料只存在你控制的機器
- 只有你（和你信任的人）有權登入
- 不啟用任何自動控制胰島素的機制
如未來專案提供雲端部署模板（例如 Docker Compose + 一鍵部署到某雲平台），可直接使用模板，仍建議由你信任的技術人員操作。
工程師：自己 clone、自己玩（含模擬數據）
步驟 1：Clone 專案
git clone https://github.com/GlycemicGPT/GlycemicGPT.git
cd GlycemicGPT
步驟 2：設定資料來源
你有三種常見選項：
– Dexcom G7：
– 依 README 取得雲端 API 權限
– Tandem t:slim X2 / Mobi：
– 透過 BLE 連線（需支援藍牙的裝置）
– Nightscout：
– 指向你現有的 Nightscout URL 和 API key
– 沒有真實設備也沒關係：
– 使用專案提供的模擬數據（或自己寫一段腳本產生假資料），先跑通流程
步驟 3：選擇 LLM：本地或雲端
- 本地模型（例如搭配 Ollama）：
- 適合：在意隱私、手邊有一台效能還可以的電腦
- 做法：
bash
# 安裝 Ollama（依官網步驟）
ollama pull llama3 -
在 GlycemicGPT 設定檔中改成指向本地 Ollama 的 API
-
雲端 LLM（OpenAI、Anthropic 等）：
- 適合：先追求穩定與效果
- 做法：
- 取得 API Key
- 在環境變數或設定檔中填上
步驟 4：跑起第一個每日摘要
- 啟動服務（依 README，多半是
docker-compose up或類似指令） - 匯入一段 24 小時的血糖資料
- 在 Web 介面或命令列呼叫「Daily brief」功能
你應該會看到類似：
「過去 24 小時，Time in Range 為 72%，夜間低血糖兩次，主要集中在 2–3 AM。」
從這裡開始，你可以：
– 修改提示詞（prompt）讓語氣更符合自己
– 加入自訂指標（例如：運動前 2 小時血糖平均值）
實務提醒：隱私、醫療決策與客製指標
- 隱私與自託管：
- 血糖與醫療資料是極具敏感性的個資
-
優先考慮：
- 自己控制的伺服器
- 本地模型（如 Ollama）
- 關閉不必要的遙測或第三方整合
-
與醫師討論後再調整治療：
- GlycemicGPT 可以提出「假設」：
- 「這段時間似乎與晚餐進食時間延後有關」
- 但任何：
- 胰島素劑量修改
- 藥物新增或減少
- 大幅飲食調整
-
都應先與醫師或糖尿病衛教師確認
-
迭代客製自己的健康指標：
- 起點：先用官方常見指標（Time in Range、低血糖事件次數）
- 接著加上個人化指標，例如：
- 「健身日前後 12 小時的血糖穩定度」
- 「出差期間 vs 非出差期間的平均血糖」
- 每一輪調整只增加 1–2 個新指標，避免系統變得看不懂
延伸閱讀與靈感來源
- GlycemicGPT 專案（Hacker News 貼文）：https://news.ycombinator.com/item?id=XXXX（可從 GitHub 連回）
- 睡眠案例：作者用 AI 分析自己夜間醒來原因的故事：https://martin.sh/i-let-ai-build-a-tool-to-help-me-figure-out-what-was-waking-me-up-at-night/
- 本地 AI Agent 架構例子（ml-intern）：https://github.com/huggingface/ml-intern
如果你正在想「AI 到底能在我的健康管理中做到哪裡」，GlycemicGPT 是一個很好的起點：
– 它先專注把資料變成可讀故事
– 把決策留給你和醫師
– 同時也給了我們一套可複製到其他健康領域的架構範本。
🚀 你現在可以做的事
- 打開 GlycemicGPT GitHub 專案，確認自己屬於「非工程師」還是「工程師」路線
- 選一個近期最在意的情境（例如「夜間低血糖」或「某個常吃的便當」），準備一週的相關紀錄
- 找一位可信任的技術朋友，或自己依 README 部署雛形，先跑出第一份「24 小時血糖摘要」再逐步優化