January ai 提供个性化 AI 营养教练体验，核心是帮助用户管理血糖并实现健康目标。同时，其底层健康智能平台可以独立于应用本身，通过 API 提供给开发者、数字健康团队和临床机构。
主要能力
平台包含三大关键能力：
- Meal Scan：膳食扫描，用于识别和评估饮食内容。
- 无设备血糖预测：无需佩戴设备即可预测血糖反应。
- Health Context Engine（健康上下文引擎）：将碎片化的临床、生活方式和多组学数据转化为单一的纵向健康上下文。January 对记录进行标准化，基于临床证据进行推理，并返回可追溯的智能结果，供应用、智能体和护理团队使用。
使用方式
开发者可以通过集成 API，将代谢与营养智能以及纵向健康洞察接入自己的产品。资料提到，可以选择自行集成 API，也可以由 January 团队协助构建平台或临床部署，并可在 January 应用中查看参考体验。
适用场景
该平台适用于营养与代谢上下文相关的多个领域：
- 数字健康与教练：为平台引入营养追踪、血糖预测和问责机制，无需自建底层基础设施。
- GLP-1 与体重管理：了解患者在就诊之间的饮食情况，并围绕真实行为提供个性化支持。
- 预防与长寿健康：将纵向数据与可操作的消费者及临床洞察连接起来。
- 临床医生与卫生系统：将就诊之间的上下文引入临床工作流程。
信任与标准
平台按医疗保健标准构建：
- 同行评审：真实世界结果已发表在 npj Digital Medicine（Nature Portfolio 期刊）上，并有其他研究和展示。
- 测量精度与临床推理：Meal Scan 的表现优于前沿 LLM。Health Context Engine 在内分泌委员会考试中得分 88%，幻觉率为 0.8%。
- 临床部署：Clinician Nutrition Monitor 已在 Mayo Clinic Platform 上获得资格，并运行在 Epic 患者图表中。
- 企业级就绪：符合 SOC 2 和 HIPAA 标准，从第一天起就为受监管的医疗保健环境设计安全、隐私和数据处理。
效果证据
资料引用 npj Digital Medicine 2025 年研究指出，使用 January 应用的参与者中，有部分人减重；2 型糖尿病患者的健康血糖范围内时间有所增加；糖摄入量出现下降，是该队列中观察到的最大饮食转变。具体百分比数据在资料中未完整提供。
限制与未提供信息
资料未提供收费方式、具体价格、独立使用的详细步骤、支持平台、语言、数据存储位置或免费试用等信息。