28. Februar 2025, 13:17 Uhr | Lesezeit: 11 Minuten

Forscher haben ein benutzerfreundliches webbasiertes Tool entwickelt, das mit einer Genauigkeit von 97,8 Prozent vorhersagen kann, ob ein Teenager ein erhöhtes Risiko für eine der vielen Erkrankungen des Metabolischen Syndroms hat. Noch beeindruckender: Es erfordert keine teuren medizinischen Tests oder einen Arztbesuch. Alles, was man benötigt, ist ein Maßband und eine Waage – und mit nur wenigen Klicks erhält man das Ergebnis. In einem Gastbeitrag für FITBOOK erklärt der US-amerikanische Gesundheitsexperte und Data Scientist Chris Woods, wie die Wissenschaftler vorgegangen sind – und warum Künstliche Intelligenz eine Chance zur Früherkennung und Vorbeugung von Krankheiten ist.

Jetzt dem FITBOOK-Kanal bei Whatsapp folgen!

Neue Wege in der Prävention

Wir alle kennen wahrscheinlich einen Teenager, der übergewichtig ist, sich ungesund ernährt und wenig bis gar keinen Sport treibt. Ihn auf eine Website hinweisen, wo er ein paar einfache Fragen beantwortet und einige Maße eingibt, könnte den Verlauf seines Lebens verändern.

Wie soll das gehen? Die kurze Antwort lautet: Mithilfe von Künstlicher Intelligenz (KI) und Maschinellem Lernen (ML).

Heutzutage scheint es kaum möglich zu sein, den Fernseher einzuschalten, eine Zeitschrift aufzuschlagen oder einen Podcast zu hören, ohne etwas über KI zu erfahren. Ein großes Problem dabei ist, dass viele Menschen nicht genau wissen, was KI eigentlich ist – und was sie nicht ist. Aber etwas nicht zu kennen, das einen so großen Einfluss auf die Zukunft haben wird, kann Angst und Unsicherheit auslösen. Hier sind einige ziemlich leicht verständliche Definitionen für KI und ML:

• Künstliche Intelligenz (KI) ist die Wissenschaft, Maschinen so zu gestalten, dass sie Aufgaben ausführen, die normalerweise menschliche Intelligenz erfordern – etwa Sprache verstehen, Gesichter erkennen oder Entscheidungen treffen. Sie ist das übergeordnete Konzept „intelligenter“ Technologie.
• Maschinelles Lernen (ML) ist eine Methode, mit der KI eigenständig lernt, indem sie Daten analysiert, Muster erkennt und ihre Vorhersagen mit der Zeit verbessert – ohne explizit programmiert zu werden. So kann KI beispielsweise Ihre nächste Lieblingsmusik vorschlagen oder Gesundheitsrisiken vorhersagen.

Einfach gesagt: KI ist die große Idee, Maschinen intelligent zu machen, während ML eines der wichtigsten Werkzeuge ist, um die das ermöglichen.

Auch interessant: Metabolisches Syndrom – Risikofaktoren und Behandlungsmöglichkeiten

Metabolisches Syndrom bei Teenagern: Wie die Forscher KI und ML für die Vorhersage des Krankheitsrisikos nutzen

Wie bereits erwähnt, ging es in der Studie von Zhang und seinem Team darum, ein einfaches und kostengünstiges Tool zu schaffen, mit dem sich das Risiko abschätzen lässt, ob ein Teenager in der Zukunft bestimmte schwerwiegende Krankheiten entwickelt, die in Zusammenhang mit dem Metabolischen Syndrom stehen. Der komplizierte Teil dabei war, wie genau die Forscher vorgegangen sind.

Maschinelles Lernen diente als zentrale Methode; innerhalb dieses Ansatzes existieren zahlreiche Verfahren zur Lösungsfindung. Doch zunächst musste eine Liste relevanter Faktoren erarbeitet werden, von der man ausgeht, dass sie das Ergebnis oder die Vorhersage maßgeblich beeinflussen könnten.

Mithilfe der Lasso-Regression das Wesentliche vom Überflüssigen trennen

Zur Erinnerung: Ziel der Forscher war die Entwicklung eines einfachen Screening-Tools, das ohne kostspielige medizinische Tests auskommt. So kamen sie auf eine Auswahl von 27 Tests. Und dann? Die nächste Herausforderung bestand darin herauszufinden, welche Tests oder Testkombinationen am besten dazu geeignet wären, das Risiko für das Metabolische Syndrom bei Teenagern vorherzusagen. Hierfür nutzen sie die sogenannte LASSO-Regression. Dabei handelt es sich um eine statistische Methode, die Computern hilft, die wichtigsten Faktoren in einem Datensatz zu identifizieren, während sie unwichtige Elemente aussortiert.

Man kann es sich wie beim Erstellen eines perfekten Trainingsplans vorstellen. Anfangs testet man alle möglichen Übungen, doch mit der Zeit stellt man fest, dass einige (z. B. Kniebeugen und Kreuzheben) unverzichtbar sind, während andere kaum zusätzlichen Mehrwert bringen. LASSO macht das Gleiche mit Daten: Es trennt das Wesentliche vom Überflüssigen, indem es nur die besten Variablen zur Vorhersage beibehält und den Rest verwirft. Das macht das Modell schlanker, effizienter und weniger anfällig für Überanpassung.

Kurz gesagt: LASSO-Regression hilft der KI dabei, ein präziseres und leistungsfähigeres Modell zu entwickeln, indem es sich auf die wesentlichen Daten konzentriert.

Mithilfe des LGBM-Modells Vorhersagen optimieren

Nachdem die Forscher nun über die besten Tests verfügten, mussten sie sich auf die Wahl des optimalen ML-Modells konzentrieren, das die Testergebnisse bestmöglich zur Vorhersage nutzen konnte. Nach der Analyse von acht verschiedenen Modellen entschieden sie sich schließlich für ein LGBM-Modell (Light Gradient Boosting Machine).

LGBM ist ein schnelles und effizientes Machine-Learning-Modell, das die Vorhersagen durch schrittweises Lernen aus Fehlern kontinuierlich verbessert. Im Gegensatz zu traditionellen Modellen, die alle Daten gleich behandeln, konzentriert sich LGBM besonders auf schwer vorhersehbare Fälle und passt sich mit jeder neuen Trainingsrunde an. Man kann es mit einem Schüler vergleichen, der sich bei Übungstests vor allem auf die falsch beantworteten Fragen konzentriert und aus seinen Fehlern lernt – dadurch wird er mit der Zeit immer besser.

Kurz gesagt: LGBM ist ein intelligentes, anpassungsfähiges Modell, das seine Vorhersagen laufend optimiert und dadurch sowohl genau als auch effizient arbeitet.

Diese 5 Faktoren haben die Forscher identifiziert

Das Endprodukt dieser komplexen mathematischen Berechnungen war ein Tool, welches das Risiko eines Teenagers, ein Metabolisches Syndrom zu entwickeln, anhand von nur fünf Faktoren vorhersagen konnte:

• BMI-Perzentil für Alter und Geschlecht: Erklärte 42 Prozent der Vorhersagekraft, was den direkten Zusammenhang mit Adipositas und Insulinresistenz widerspiegelte.
• Gewicht: Zusammen mit dem Oberarmumfang machte es 35 Prozent der Vorhersagekraft aus. Beides sind Indikatoren für die viszerale Fettmasse.
• Oberarmumfang
• Oberschenkellänge: Die Forscher vermuteten, dass eine längere Oberschenkellänge (als Indikator für eine größere Körpergröße) mit einem geringeren Risiko für Übergewicht und das Metabolische Syndrom korreliert, weil größere Menschen seltener darunter leiden und Übergewicht entwickeln.
• Ethnische Herkunft: Die Studie ergab, dass mexikanisch stämmige Amerikaner im Vergleich zu nicht hispanischen Weißen ein 2,4-mal höheres bereinigtes Risiko für das Metabolische Syndrom hatten.

Was bedeutet das für Sie und Ihr Kind?

Falls Sie einen Teenager zu Hause haben, schnappen Sie sich ein Maßband und eine Waage, klicken Sie auf diesen Link, um den BMI Ihres Kindes zu berechnen. Gehen Sie dann auf diese Seite, beantworten Sie die fünf Fragen – und Sie werden sofort das Risiko Ihres Kindes kennen, das Metabolische Syndrom zu entwickeln.

Wenn die prognostizierten Ergebnisse so aussehen, dann sollten Sie mit Ihrem Arzt darüber sprechen:

„Prediction: Positive (Risk Detected) | Probability: 0.962“ (z. Dt.: Vorhersage: Positiv [Risiko erkannt] | Wahrscheinlichkeit: 0,962)

KI muss nicht beängstigend sein!

Ein weiteres Ziel dieses Artikels war es, Ihnen zu zeigen, dass KI zwar einschüchternd und beängstigend sein kann – aber nicht sein muss. Natürlich ist die Funktionsweise von Künstlicher Intelligenz im Hintergrund äußerst komplex, aber das gilt auch für Ihr Smartphone. Seien wir ehrlich: Die wenigsten Menschen wissen genau, wie ein Smartphone funktioniert, aber das hält niemanden davon ab, es zu benutzen.

Genauso wenig müssen Sie die Physik hinter Elektrizität verstehen, um das Licht einzuschalten. Und Sie müssen auch nicht jeden biochemischen Prozess des Muskelwachstums kennen, um zu wissen, dass Krafttraining Sie stärker macht.

Tool hat eine Genauigkeit von 97,8 Prozent

Mit nur fünf simplen Tests, die jeder durchführen kann, ist es den Forschern gelungen, ein Tool zu entwickeln, das mit 97,8 Prozent Genauigkeit vorhersagen kann, ob ein Teenager ein metabolisches Syndrom entwickeln wird. Studien zeigen, dass einzelne Ärzte bei schwierigen Diagnosen nur in etwa zwei Drittel der Fälle richtig liegen, während die Übereinstimmung mehrerer Ärzte die Genauigkeit auf 85 bis 90 Prozent erhöhen kann. Insofern wird deutlich, welchen Nutzen ein solches Tool haben kann.²

Gibt es Risiken?

Bezogen auf die Forschungsstudie gibt es nicht unbedingt ein Risiko. Aber die Wissenschaftler betonen, dass ihr Tool eine Ergänzung und kein Ersatz für medizinische Untersuchungen sein sollte. Wie bei allen Studien wird zudem weitere Forschung empfohlen, um das Modell in unterschiedlichen Bevölkerungsgruppen zu bestätigen.

Das größte Risiko wäre aus meiner Sicht, den unglaublich einfachen und präzisen Screening-Ansatz, den sie entwickelt haben, nicht zu nutzen. Stellen Sie sich vor, welchen tief greifenden, lebensverändernden Einfluss es hätte, wenn Sie durch frühzeitige Intervention jemandem helfen könnten, eine spätere Typ-2-Diabetes-Erkrankung zu vermeiden.

Das größte Risiko bei Künstlicher Intelligenz besteht darin, so zu tun, als gäbe es sie nicht. Ob man es mag oder nicht – KI ist gekommen, um zu bleiben. Unsere beste Strategie ist es daher, zu lernen und uns anzupassen, anstatt sie zu ignorieren.

Mehr zum Thema

Mit 82-prozentiger Genauigkeit Forscher finden Weg, Demenz neun Jahre vor Ausbruch der Erkrankung zu erkennen

Studie KI kann 13 Krebsarten mit 98-prozentiger Sicherheit erkennen

Studie Handy-App erkennt mit hoher Wahrscheinlichkeit Corona-Infektion an der Stimme 

Fazit

Stellen Sie sich vor, Sie könnten heute mit einem einfachen Tool das zukünftige Diabetes-Risiko Ihres Kindes erkennen – genau dazu ist KI, die Sie zu Hause nutzen können, in der Lage.

KI ist nicht etwas, das man fürchten muss – sie ist ein Werkzeug, das fast jeden Bereich unseres Lebens verändern wird, und das schneller, als viele erwarten. Ob Arbeit, Kommunikation, Einkaufen, Lernen oder kreatives Schaffen – KI wird zunehmend ein fester Bestandteil des Alltags.

Lassen Sie sich nicht einschüchtern – tauchen Sie ein und erkunden Sie die Möglichkeiten. Je besser Sie KI verstehen, desto gezielter können Sie sie für sich nutzen. Ob es darum geht, Aufgaben zu optimieren, fundiertere Entscheidungen zu treffen, die Gesundheitsversorgung zu verbessern oder neue Chancen zu erschließen – KI kann Ihr Leben bereichern.

Nutzen Sie sie, experimentieren Sie damit und lassen Sie sie für sich arbeiten. Die Zukunft ist KI-gestützt – seien Sie bereit, ein Teil davon zu sein!

Chris Woods

Über den Autor

Wie kann Künstliche Intelligenz Gesundheit, Ernährung, Langlebigkeit und Fitness revolutionieren? Diese Frage treibt Chris Woods an. Seine Leidenschaft gilt der Erforschung KI-gestützter Lösungen, die Menschen befähigen, ihre Gesundheit aktiv zu gestalten. Woods hat einen Doktorgrad in Chiropraktik („Doctor of Chiropractic“, D.C.) sowie einen Bachelor of Science (B.S.) in Humananatomie der Parker University in Dallas. Jahrelang hat er biomechanische Zusammenhänge und nicht-invasive Gesundheitsansätze erforscht. Statt nur Symptome zu behandeln, setzt er auf Prävention durch bewusste Lebensstilentscheidungen. Seit fast 50 Jahren trainiert er selbst und weiß aus Erfahrung, wie Sport Leben verändert – ob in Rehabilitationskliniken oder bei der Entwicklung optimierter Trainingsprogramme. Sein technisches Wissen und seine Data-Science-Zertifizierungen ermöglichen ihm, KI-gestützte Lösungen für das Gesundheitswesen verständlich zu machen – von Krankheitsprävention über personalisierte Fitnesspläne bis zu Ernährungsstrategien. Langlebigkeit ist für ihn mehr als Forschung – mit 60 hat er seine eigene Gesundheit neu überdacht. Für ihn zählt nicht nur Lebensdauer, sondern vor allem die Qualität der gelebten Jahre. Auf FITBOOK.DE teilt Woods wissenschaftlich fundierte Erkenntnisse zu KI im Gesundheitswesen, Fitness-Innovationen und nachhaltiger Ernährung.