在眾多以回顧性研究為主、充斥流行語的數字健康領域中，新加坡國立大學生物醫學工程系主任何鼎教授與他的團隊另闢蹊徑，專注於前瞻性研究，透過即時、個人化的干預措施，幫助人們在當下立即改善健康。

何教授的研究核心理念在於釐清回顧性與前瞻性的數字健康研究。大多數醫療領域中的人工智能（AI）應用，皆依賴歷史數據來預測未來。而他則主張轉向「前瞻性模型」，利用當前數據，在「今天」就產生實質影響。

為印證此理念，何教授親身參與其開創性的「Delta」研究，並成為項目中唯一一位測試對象。在統計學中，「Delta」意指「變化」。這項介入性試驗旨在證明，有意識地改變生活方式，能對個人健康產生可觀的影響。

有別於每年僅獲得一次健康的「靜態快照」，何教授團隊轉而收集一套高解析度的縱向數據集。這些數據詳盡記錄了他在進行一系列重大生活方式改變期間，其代謝、心臟、腸道與睡眠健康等生理指標的變化。這些介入措施包括長時間禁食以研究代謝效應、大幅提前就寢時間以觀察睡眠模式的變化，以及針對身體活動的特定調整。

Delta 的研究成果令人驚艷。透過自身數據的精準指引，何教授的健康狀況顯著改善，其代謝年齡比實際年齡年輕了14歲。這項驚人的轉變並非猜想，而是透過功能性測試，準確量化其身體表現所得。

何教授的研究強調從「靜態健康快照」轉向「連續健康故事」的必要性。透過追蹤個人的「Delta」，亦即生理指標隨時間的變化，我們能發掘單一數據點完全忽略的重要見解。

這種方法不僅能幫助個人，更能讓我們在症狀出現前，及早識別出可能預示健康風險的指標，例如認知衰退的預警訊號。何教授指出，許多這類指標其實早已存在，但往往要等到病人已出現症狀才會進行檢測。

他展望未來的數字健康模式，將不再把人視為被動的測試者，而是積極的參與者。他認為，當每個人能夠掌握自己的數據，便能做出更明智的健康選擇。這種即時反饋的力量，甚至可能超越任何藥物。

以睡眠研究為例，一位參與者若能即時看見數據顯示自己實際只獲得了四個半小時的深度睡眠（儘管他以為自己睡了七小時），這項分析和發現足以激勵他作出微小的變，最終大幅提升睡眠品質。相比於一項僅得出「人們睡眠不足」結論的回顧性研究，這種個人化的即時回饋更為有效且具成本效益。

何教授的研究是一項有力的行動號召，透過從理論性的AI轉向前瞻性、介入性與參與式的模型，我們能夠真正善用科技，不僅用來治療病人，更能積極維護健康者的福祉。

何教授將擔任即將舉行的「亞洲數字健康峰會2025」（Digital Health Asia 2025）專題演講嘉賓，發表題為「數字長壽醫學：完善個人化健康方案以支援健康老齡化」的演講，分享他的突破性研究中及個人健康「Delta」。

本次峰會由泰晤士高等教育（THE）主辦，與香港城市大學（城大）及城大數碼醫學研究院攜手，為應對迫在眉睫的醫療保健挑戰提供交流平台。這是首個在亞洲區舉行的THE「數字健康系列」峰會。

有關峰會詳情請瀏覽專題網頁。