健檢都正常，為什麼還是不舒服？從「亞健康」到代謝軌跡

作者 蔡嘉櫸博士｜臺灣大學醫學院生化暨分子生物學研究所博士、臺灣大學兼任助理教授、好命生醫 Homnia 創辦人暨執行長。研究訓練背景為 Dana-Farber Cancer Institute（Harvard Medical School）。曾主導第二型糖尿病新藥推進至美國 FDA 一期臨床，並建立 ISO/IEC 17025 認證檢驗實驗室。

重點

·       「亞健康」不是診斷名稱，但它描述的處境是真的：檢查數字都在正常範圍，人卻持續疲倦、睡不好、狀態不對。

·       健檢的「正常」是指落在一個統計區間內，不代表沒有風險；歷年報告排在一起可以看長期趨勢，但一年一次可能漏掉年內的變化。

·       代謝體研究正在探索「單項正常但整體風險偏高」的情況——但那是疾病風險的預測研究，不能解釋你現在為什麼不舒服，也還沒有介入後能改變結果的證據。

假設一位 50 歲的上班族，每年健檢報告都寫著「正常」，兩年後被診斷第二型糖尿病。這不是罕見的情節。它反映的不是健檢沒用，而是兩件事常被混在一起：「這次的數字在正常範圍內」和「我未來的風險是零」是兩個不同的問題。 健檢回答的是前者。而「健檢都正常，但我就是不舒服」又是第三個問題——它問的是當下的症狀，需要針對症狀評估，不是任何一張報告能直接回答的。這篇文章把這三個問題分開談。

「亞健康」是什麼？

亞健康不是醫學診斷，沒有統一的檢驗標準。它是一個描述性的說法，指的是：沒有確診任何疾病、健檢數字沒有異常，但主觀上有持續的不適——長期疲勞、睡眠品質差、注意力下降、恢復力變慢。

正因為它不是診斷，很多人的經驗是：去看醫生，檢查做完，「一切正常，注意休息」。問題沒有被否定，但也沒有被回答。這篇文章要談的，是這個空白在科學上長什麼樣。

健檢的「正常」到底是什麼意思？

健檢報告上的參考區間，是從一群健康人的檢驗結果統計出來的範圍——通常取分布的中間 95%（第 2.5 到 97.5 百分位），也就是說，健康人本來就有約 5% 會落在區間外（Ozarda, 2016）。這不是「平均值」，而是一個區間；落在裡面代表「跟多數健康人相似」，不代表「零風險」。

這個做法在篩檢族群層級的異常時很有效率，但有兩個天生的限制：

第一，它比對的是「你跟別人」，不是「你跟你自己」。 每個人的基準點不同。有人的空腹血糖長年在 80，某年變成 98——仍在正常範圍，但對他來說已經是明顯的偏移。反過來，有人天生數值偏高但多年穩定，單次看可能被判為異常。

第二，單次報告沒有時間軸，但歷年報告有。 一般檢驗本來就可以重複追蹤——糖化血色素就是用來追蹤的指標。每年一次、連續幾年排在一起，長期趨勢是看得到的；一年一次可能漏掉的是年內的變化。要不要追蹤得更密，取決於症狀、風險與檢查目的，不是所有人都需要。〔連結：既有〈糖化血色素〉文章〕

所以「健檢正常」的意思是：在這個時間點，你的數字沒有超出多數健康人的範圍。 它沒有說的是：你未來的風險是多少、各項指標之間有沒有開始互相牽動——這是下一節要談的。

代謝體研究想補的是哪一塊？

代謝體學（metabolomics）量測的是血液中數百到數千種小分子代謝物——脂質、胺基酸、有機酸等。這些分子是基因、飲食、腸道菌相、生活習慣共同作用之後留下的產物，理論上比幾個切點指標更接近「系統當下實際運作的樣子」。

近兩年的研究方向，是把大量分子訊號放進同一個模型，看它們的組合能不能比傳統指標更早反映風險：

·       2026 年一篇發表於《Cardiovascular Diabetology》的回顧，提出把代謝、免疫發炎、氧化壓力、生物老化幾條軸線整合成同一套評分，目的是捕捉心臟、腎臟、代謝三個系統之間互相牽動的訊號，而不是分開判讀（Li et al., 2026）。

·       同年一項以英國生物資料庫 30,376 名參與者的蛋白質體與代謝體資料建立的「生物年齡」模型（StackAge），用來提升十二種慢性病的風險預測，其中第二型糖尿病、阿茲海默症、慢性腎臟病的預測區辨能力（AUC）超過 0.90（Jiang et al., 2026）。

·       另一篇整理 2015 至 2025 年糖尿病多體學文獻的回顧指出，把代謝體與腸道菌相資料一起看，能突顯單看血糖或血脂時看不到的交互作用（Song et al., 2025）。

這類研究的共同邏輯是：與其在幾十個指標裡各自比對區間，不如問「這些指標彼此之間的關係有沒有走樣」。要說清楚的是：這些是疾病風險的預測研究，回答的是「單項正常的人，未來風險會不會偏高」；它們不能解釋一個人現在為什麼累、為什麼睡不好——目前沒有證據顯示這類模型能說明持續疲勞的原因，或改善這類症狀的處置。

這些研究能證明什麼、還不能證明什麼？

第一，模型建立在特定世代上。 上述 AUC 超過 0.90 的模型，樣本以英國人口為主；套到台灣或亞洲族群時準確度是否維持，目前沒有對應研究。這是任何統計模型都要面對的代表性問題，不是設計缺陷。

第二，「預測力高」和「介入有效」是兩件事。 這些研究是預測模型或整合性回顧，說明的是「這些分子跟疾病有統計上的關聯」。「根據這套指標調整生活之後，病程真的改變了」需要前瞻性介入研究，這個領域目前還沒有做到——2026 年一篇針對第一型糖尿病多體學風險分層的回顧就明白指出，仍需前瞻性多中心研究驗證（Chen et al., 2026）。

第三，檢測本身有變異。 不同實驗室的質譜平台、樣本處理、採檢時間點都會影響結果；再加上人體本身的自然波動（飲食、睡眠、月經週期），單次代謝體檢測的解讀比表面上複雜。嚴謹的做法需要重複測量或建立個人基線。多量幾百種分子，不會自動補回缺少的時間點。

健檢正常又不舒服，可以怎麼做？

1.不要因為報告正常就忽略症狀。 持續的疲勞、睡眠問題、體重或食慾變化，都值得回診描述清楚。很多亞健康狀態有可以處理的原因（甲狀腺、缺鐵、睡眠呼吸中止、情緒），這些需要醫師評估，不是任何檢測能取代的。

2.把歷年報告排在一起看。 就算每項都正常，三年的空腹血糖從 82 到 91 到 98，方向就出來了。這是現在就能做、不用花錢的事；要不要追蹤得更密，跟醫師討論。

3. 評估任何額外檢測時，問三個問題： 它要回答什麼問題？證據適用哪些人？結果會不會改變接下來的處理？如果三個都答得出來，這項檢測對你才有意義；答不出來，再精密也只是多一份報告。〔連結：〈脂肪肝、血糖偏高、三酸甘油酯過高，為什麼常常一起出現？〉〕

常見問題

亞健康是什麼？ 不是醫學診斷，沒有統一標準。它描述的是：沒有確診疾病、檢查數字正常，但主觀上持續有疲倦、睡不好、狀態差等不適。這種處境是真的，只是現行的健檢方式不是為了回答它而設計的。

健檢都正常，為什麼還是一直很累？ 健檢的「正常」是指數字落在多數健康人的範圍內，回答的是「有沒有超出範圍」，不是「為什麼累」。持續疲勞可能來自睡眠、情緒、甲狀腺、缺鐵等健檢不一定涵蓋的原因，需要針對症狀評估。先回診把症狀說清楚；歷年報告排在一起看趨勢是另一件值得做的事，但它回答的是風險，不是症狀。

代謝體檢測跟一般抽血檢查差在哪？ 一般抽血看幾個到幾十個指標，各自比對參考區間；代謝體檢測量測數百到數千種代謝物，看它們的組合與彼此關係。前者是成熟的臨床工具，後者目前是快速發展的研究領域，兩者是互補不是取代。

代謝體學跟基因檢測有什麼不同？ 基因是相對固定的先天配置；代謝體是基因、飲食、生活習慣共同作用後、當下實際存在血液裡的產物，會隨時間與行為改變。兩者回答不同層次的問題。

代謝體檢測可以取代一般健檢嗎？ 不行。目前代謝體研究多在建立與驗證預測模型的階段，還沒有足夠證據支持它取代現行健檢流程。

這些研究的數字可以套用在台灣人身上嗎？ 目前多數大型研究的世代以歐美人口為主，是否適用於台灣或亞洲族群，還沒有對應研究確認。

資料來源

1.多體學整合可提升心腎代謝症候群風險分層

Li FH, et al. Cardiovascular Diabetology. 2026;25:173. DOI: 10.1186/s12933-026-03178-0

2.StackAge 生物年齡模型；T2D、阿茲海默症、CKD 之 AUC > 0.90

Jiang Y, et al. Briefings in Bioinformatics. 2026;27(3):bbag271. DOI: 10.1093/bib/bbag271

3.代謝體與腸道菌相整合可見單一指標看不到的交互作用

Song CM, et al. World Journal of Diabetes. 2025;16(7):106218. DOI: 10.4239/wjd.v16.i7.106218

4.多體學風險分層仍需前瞻性多中心驗證

Chen Z, et al. Frontiers in Immunology. 2026;17:1891938. DOI: 10.3389/fimmu.2026.1891938

5.參考區間通常取參考分布的 95%（第 2.5–97.5 百分位）；參考區間與臨床決策值不同

Ozarda Y. Biochemia Medica. 2016;26(1):5–16. DOI: 10.11613/bm.2016.001