Der Blick auf die Waage ist für viele Menschen völlig ausreichend, um über ihr Körpergewicht auf dem Laufenden zu bleiben. Im medizinischen Kontext, vor allem bei Adipositas-Patienten, sind jedoch komplexere Maßstäbe nötig. Auch der Body-Mass-Index (BMI) hat in diesen Fällen nur begrenzte Aussagekraft. Eine neue, KI-gestützte Methode soll Abhilfe schaffen.

Bildquelle: Unsplash/ i yunmai

News • Aussagekräftiger als BMI

KI und Lipid-Forschung: Adipositas-Risikobestimmung der Zukunft?

Die WHO warnt: fast jeder sechste Erwachsene ist von Fettleibigkeit (Adipositas) betroffen. Da Adipositas das Sterblichkeits- und Krankheitsrisiko erhöht, ist sie eine der zentralen Bedrohungen für die Gesundheit der gesamten Menschheit.

Im Alltag der Medizin ist der Body Maß Index (BMI), das Verhältnis von Gewicht zur Körpergröße, ein beliebtes Instrument um Übergewicht und Fettleibigkeit zu ermitteln. In einem Zusammenschluss von akademischer Forschung und Industrie in Sachsen, geleitet von Wissenschaftlern aus Dresden, stellt ein internationales Forscherteam ein revolutionäres Konzept für personalisierte Präzisionsmedizin vor. Mit Hilfe von künstlicher Intelligenz (KI) wurde eine Reihe von Lipidmolekülen identifiziert, die wesentlich mehr Informationen über Adipositas bereithalten als der BMI.

Die Forscher stellten ihre Erkenntnisse jetzt im Journal PLOS Biology vor.

Photo
Traditionell gemessene BMI-Werte und aus Lipidomik-Daten berechnete BMI-Werte im Vergleich.

© Gerl et al.


Wenn sich akademische Forschung und die Industrie zusammentun, sind beeindruckende Sprünge in die Zukunft möglich. Forscher vom Biotechnologischen Zentrum (BIOTEC) der TU Dresden und der Lipotype GmbH, einer Ausgründung des Max-Planck-Instituts für Molekulare Zellbiologie und Genetik in Dresden, in internationaler Kooperation mit Wissenschaftlern der Universität Lund (Schweden) und des National Institute for Health and Welfare (Finnland) haben sich zusammengeschlossen, um den BMI von über 1000 Patienten einer kritischen Neubewertung zu unterziehen. Das internationale Forscherteam wandte fortgeschrittene KI Methoden an, um einen Algorithmus zu entwickeln, der als Bewertungsgrundlage die Lipid-Zusammensetzung des menschlichen Blutplasmas nutzt, das sogenannte Plasma-Lipidom.

Das Plasma-Lipidom enthält hunderte unterschiedlicher Lipidmoleküle. „In ihrer Gesamtheit dienen sie wie ein Fingerabdruck des Wohlbefindens als Indikatoren für die Stoffwechselgesundheit“, erklärt Mathias Gerl von Lipotype. Solche Lipidomik-Daten wurden genutzt, um den Algorithmus zur BMI-Bestimmung zu entwickeln.

Wir sollten diese veraltete Sichtweise überwinden, dass ein einziger Indikator – wie das Verhältnis von Gewicht zu Körpergröße – die Bestimmung von Risiken in komplexen Systemen wie dem Menschen ermöglichen kann

Carlo Vittorio Cannistraci

Im Vergleich zu der auf Haushaltswaren beruhenden „traditionellen BMI-Messung“ ermöglichten die Lipidomik-Daten dem neuen Algorithmus die Erstellung eines molekularen „Lipidomik-BMI“. Die BMI-Berechnung über den Lipidomik-BMI deckte auf, dass für jeden siebten Patienten der molekulare BMI deutlich über den zuvor mit der traditionellen BMI-Messung ermittelten Werten lag. Im Vergleich zum traditionellen BMI trifft der Lipidomik-BMI außerdem erweiterte Aussagen über den Adipositas-Zustand, wie zum Beispiel über die Menge des viszeralen Fettgewebes, einer Form von gesundheitsschädlichem Fett.

„Wenn ein Patient, welcher eine Therapie zur Bekämpfung von übergewichts-bedingten Krankheiten benötigt, ohne Abhilfe und Beratung nach Hause geschickt wird, kann dies Langzeitschäden zur Folge haben“, gibt Olle Melander von der Universität Lund zu bedenken. „Genau dies sind die Patienten, welche plötzlich mit 40 Jahren einen Herzinfarkt erleiden und ihre Hausärzte ratlos zurücklassen“, kommentiert Carlo Vittorio Cannistraci vom BIOTEC (TU Dresden) und fügt hinzu: „Wir sollten diese veraltete Sichtweise überwinden, dass ein einziger Indikator – wie das Verhältnis von Gewicht zu Körpergröße – die Bestimmung von Risiken in komplexen Systemen wie dem Menschen ermöglichen kann. Rechnergestützte Biomedizin nutzt künstliche Intelligenz, um auf vielen Variablen basierende multidimensionale Indikatoren zu ermitteln, welche die Diagnosegenauigkeit erhöhen. Deshalb hoffe ich, dass der herkömmliche BMI durch einen Lipidomik-BMI ersetzt wird und die falsche Klassifizierung von jedem siebten Patienten beendet.“


Quelle: Technische Universität Dresden

23.10.2019

Verwandte Artikel

Photo

News • Mit KI und neuen Messroutinen

Schnellere Verfahren für MRT des Gehirns

Mit KI und beschleunigten Messroutinen möchte Prof. Alexander Radbruch die bisherigen Fähigkeiten der MRT erweitern und so neue Erkenntnisse über das Gehirn ermöglichen.

Photo

News • Einsatz bei Schlaganfall und Asphyxie

Ultraschall-Methode mit KI blickt ins Gehirn von Säuglingen

Hochgeschwindigkeits-Ultraschall erlaubt zusammen mit KI-Bildanalyse hochaufgelöste Einblicke ins Säuglings-Gehirn. Forscher wollen dies zur Prävention von Schlaganfall und Asphyxie einsetzen.

Photo

News • Tumorerkennung in PET- und CT-Scans

Neue Ideen für die KI-gestütze Analyse medizinischer Bilder

Deep Learning kann helfen, durch PET- und CT-Scans die Lage und Größe von Tumoren feststellen. Bei einem Wettbewerb zur medizinischen Bildanalyse stellten Forscher vielversprechende Ansätze vor.

Verwandte Produkte

Newsletter abonnieren