Forschende der Universitäten Leipzig und Göteborg haben ein KI-basiertes Rechenmodell entwickelt, das den metabolischen BMI (metBMI) aus Stoffwechselmessungen berechnet. Dieses Modell soll das individuelle Risiko für Erkrankungen wie Diabetes und Fettleber präziser erfassen als der traditionelle Body-Mass-Index (BMI).

Der herkömmliche BMI, berechnet aus Körpergröße und Gewicht, gibt Übergewicht an, unterscheidet jedoch nicht zwischen gesundem und krankhaftem Körperfett. Bis zu 30 Prozent der Personen mit normalem BMI weisen bereits Stoffwechselveränderungen auf, während manche mit erhöhtem BMI einen unauffälligen Stoffwechsel haben. Diese Lücke kann zu verspäteter Erkennung von Risikopatienten führen.

Das Forschungsteam analysierte Daten aus zwei schwedischen Bevölkerungsstudien mit insgesamt rund 2000 Teilnehmern. Es erhob neben Gesundheits- und Lebensstildaten umfangreiche Laborwerte aus Blut und Darmmikrobiom. Auf dieser Basis entstand ein Modell, das den metBMI vorhersagt. Aus über 1000 Stoffwechselprodukten wurde ein reduziertes Panel von 66 Metaboliten identifiziert, das vergleichbare Aussagekraft bietet. Diese Moleküle spiegeln vor allem den Austausch zwischen körpereigenem Stoffwechsel und Darmbakterien wider.

Personen mit normalem Gewicht, aber hohem metBMI tragen ein bis zu fünfmal höheres Risiko für Fettleber, Diabetes, viszerale Fettansammlung und Insulinresistenz. Zudem verloren Patienten mit hohem metBMI nach bariatrischen Operationen 30 Prozent weniger Gewicht. Diese Daten stammen von Operierten am Universitätsklinikum Leipzig.

Ein zentraler Befund ist die Verbindung zum Darmmikrobiom: Höherer metBMI korreliert mit geringerer bakterieller Vielfalt und reduzierter Umwandlung von Ballaststoffen in gesundheitsfördernde Fettsäuren wie Buttersäure. Genetische Faktoren spielen für den metBMI eine geringere Rolle als Lebensstil und Umwelt.

Das Modell soll künftig durch Einbeziehung dynamischer Marker zur Insulinsekretion und experimentelle Studien zur Darmmikrobiom-Metaboliten-Achse verbessert werden. Es könnte eine frühere Identifikation von Betroffenen, präzisere Therapieauswahl und personalisierte Entscheidungen ermöglichen.

Die Studie wurde in Nature Medicine veröffentlicht.

Original Paper:

Multi-omic definition of metabolic obesity through adipose tissue–microbiome interactions | Nature Medicine

Redaktion: X-Press Journalistenbüro GbR

Gender-Hinweis. Die in diesem Text verwendeten Personenbezeichnungen beziehen sich immer gleichermaßen auf weibliche, männliche und diverse Personen. Auf eine Doppel/Dreifachnennung und gegenderte Bezeichnungen wird zugunsten einer besseren Lesbarkeit verzichtet.