愛洋洋互賴學 Flyism Selfonomy: 肥胖、癌症與現代生活

肥胖、癌症與現代生活

Adiposity and cancer: systematic review and meta-analysis

這份刊登於 2026 年《Nature Metabolism》的重磅綜述與統合分析（Meta-analysis），深入探討了體重指數（BMI）、腰圍及影像學測量的肥胖程度與 25 種癌症風險之間的關聯。

為了從多維度剖析這份研究的科學、社會與哲學意涵，我從你提供的名單中隨機抽選了 5 位涵蓋不同領域的代表人物，讓他們與這份文檔進行一場跨學科的深度對話：

1. 米歇爾·傅柯（Michel Foucault, 1926–1984）｜生命政治與身體規訓

「人口的健康狀況已不再是偶然，而是國家與科學權力持續監測與規訓的對象。」

文檔對話：這篇研究彙整了全球 226 項前瞻性隊列研究、涵蓋超過 152 萬名癌症患者。研究顯示，BMI 上升與多達 19 種癌症風險呈正相關（包含新發現的白血病、非霍奇金氏淋巴瘤、膀胱癌與膠質瘤）。
傅柯觀點：傅柯會將這種大規模的流行病學統合分析視為典型的「生命政治（Biopolitics）」運作機制。科學權力透過將「BMI」這種數值化標準套用在數百萬人口上，建構出「正常/異常」與「健康/高風險」的身體邊界。當研究提及 GLP-1 受體促效劑（如減重針）等藥物的公衛效益與高昂成本時，正揭示了現代國家與資本體系如何將身體質量的管控，轉化為一種高度技術化與醫療化的社會規訓。

2. 阿馬蒂亞·森（Amartya Sen, 1933）｜全球健康不平等與數據正義

「正義不僅關乎資源的分配，更關乎每個人是否擁有發展潛能與獲得健康保障的實質自由。」

文檔對話：文檔特別強調，雖然全球 75% 的肥胖人口集中在中低收入國家（如中國、拉丁美洲與中東地區），但本研究所納入的研究對象中，有 59.4% 來自歐洲、29.9% 來自東亞、10.4% 來自北美——而來自非洲、中南美洲、太平洋群島與中東等肥胖率極高區域的癌症發生率研究則是 0%。
阿馬蒂亞·森觀點：作為發展經濟學與健康不平等專家，森會嚴正指出這種「全球醫學數據的不對等（Data Disparities）」。當全球三分之二人口所在地區的醫學數據完全缺席時，以此為基礎擬定的公衛政策往往難以精準服務最脆弱的族群。這種數據真空限制了發展中國家人民獲得平等健康保障的「能力（Capabilities）」。

3. 理查·道金斯（Richard Dawkins, 1941）｜演化遺傳學與基因-環境錯配

「基因是自私的複製者，而我們的身體只是適應過去環境的生存機器。」

文檔對話：研究採用了孟德爾隨機化（Mendelian Randomization, MR）方法，利用基因變異作為工具變量來評估終身 BMI 對癌症的因果影響。令人驚訝的是，MR 研究顯示基因預測的高 BMI 會降低停經前及停經後乳癌的風險（可能反映了童年期肥胖對乳腺發育的影響），這與觀察性研究中成年後體重增加顯著提高停經後乳癌風險（RR = 1.14）的結果形成了鮮明對比。
道金斯觀點：道金斯會從演化生物學角度解釋這個現象。人類基因組是在食物匱乏的環境中演化而來的，基因偏好儲存脂肪以維持生存與繁殖能力；然而，現代高熱量飲食與久坐生活方式創造了前所未有的「基因-環境錯配（Mismatch）」。透過 MR 技術，我們得以將基因層面的終身暴露與成年後環境引發的脂肪堆積拆解，揭示遺傳機制與現代環境對癌症發生的複雜交互作用。

4. 丹尼爾·卡尼曼（Daniel Kahneman, 1934–2024）｜行為決策與公衛預防困境

「人類的『系統一（快思）』傾向於追求當下的即時滿足，而忽視遠期的機率風險。」

文檔對話：論文指出，雖然肥胖與 19 種癌症風險增加明確相關，且部分癌症（如子宮內膜癌 RR = 1.58、食道腺癌 RR = 1.47）風險大幅增加，但全球肥胖率仍因城鄉化與飲食結構改變而持續暴增。
卡尼曼觀點：作為行為經濟學大師，卡尼曼會指出這正是「當下偏誤（Present Bias）」與「損失趨避（Loss Aversion）」的典型展現。即使科學數據清楚揭示 BMI 每增加 5 $kg/m^2$ 就會顯著提升致癌機率，個體在面對即時高熱量美食的愉悅（系統一）與數十年後抽象的癌症風險（系統二）之間，往往會做出非理性的抉擇。這解釋了為何單靠宣導健康知識難以控制肥胖率，必須透過政策設計（例如公衛介入與行為經濟學的「推力 Nudge」）來重塑決策環境。

5. 德米斯·哈薩比斯（Demis Hassabis, 1976）｜AI、深度表型與精準醫學

「未來的生物醫學突破，將取決於我們從海量多模態數據中提取複雜特徵的能力。」

文檔對話：文檔提到，傳統的 BMI 或腰圍等指標雖然簡單，但在區分皮下脂肪與內臟脂肪上存在局限。而最新結合磁共振成像（MRI）的研究發現，胰腺內脂肪沉積（Intrapancreatic fat）每增加一個分位數，胰腺癌風險增加 55%（HR = 1.55），顯示出影像學深度表型（Deep Phenotyping）的巨大潛力。
哈薩比斯觀點：作為 DeepMind 創辦人與 AI 生物學先驅，哈薩比斯會推崇這種從「粗放指標（BMI）」向「高維影像/基因數據」轉型的趨勢。利用 AI 深度學習對大型生物數據庫（如 UK Biobank 的 10 萬人 MRI/DEXA 影像）進行自動化微觀特徵分析，能幫助我們超越簡單的身體體積測量，精準定位內臟脂肪與器官特異性癌症機制的因果鏈結。

💡 總結

透過這 5 位不同領域思想家的視角，這份 2026 年的醫學文檔展現出多重維度的意義：

--#互賴學 #Selfonomy

愛洋洋互賴學 Flyism Selfonomy