Ein neues KI-Modell, das als digitaler Zwilling bezeichnet wird, hat einen starken Zusammenhang zwischen psychischer Gesundheit und dem Risiko für Typ-2-Diabetes aufgedeckt. Die Studie, geführt von der Anglia Ruskin University in Zusammenarbeit mit der Cranfield University, der University of Portsmouth und der Intelligent Omics Ltd, wurde in der Fachzeitschrift Frontiers in Digital Health veröffentlicht. Die Forscher analysierten Lebensstil- und Gesundheitsdaten von 19.774 Erwachsenen im Rahmen der UK Biobank, die über einen Zeitraum von bis zu 17 Jahren verfolgt wurden. Im Gegensatz zu herkömmlichen Vorhersagetools, die häufig auf Blutanalysen oder Wearable-Daten basieren, konzentriert sich dieses Modell ausschließlich auf verhaltensbezogene, lebensstilbedingte und psychosoziale Faktoren. Das zugrunde liegende Architekturkonzept kombiniert die Vorverarbeitung retrospektiver Daten, Überlebensmodelle mittels eines bestraften Cox-Modells und kausale Inferenz über das DoWhy-Framework. Dies ermöglicht nicht nur die Vorhersage des Erkrankungsrisikos, sondern auch die Simulation persönlicher Interventionen. Dabei werden individuelle Risikoverläufe berechnet und Risikoscores unter hypothetischen Szenarien neu bestimmt. Die Ergebnisse zeigen, dass Einsamkeit, Schlafstörungen und eine schlechte psychische Gesundheit das zukünftige Risiko, an Typ-2-Diabetes zu erkranken, signifikant erhöhen. Jedes dieser Faktoren wird mit einem geschätzten Risikoanstieg von 35 Prozentpunkten in Verbindung gebracht. Wenn alle drei Faktoren gleichzeitig auftreten, sagt das Modell einen absoluten Anstieg des Risikos um 78 Prozentpunkte voraus. Dies stellt einen präziseren Prädiktor dar als die reine Betrachtung der Ernährung. Die Forscher führen diese Effekte auf die Reaktion des Körpers auf chronischen Stress zurück, der Stresshormone ausschüttet, Entzündungen auslöst und die Blutzuckerregulation stört. Die Studie deckte zudem starke Verbindungen zwischen stressbedingten Faktoren und Ernährungsgewohnheiten auf. Personen in diesen Zuständen neigten zu einem höheren Konsum von Salz, zuckerhaltigen Cerealien und verarbeiteten Fleischwaren, was das Diabetesrisiko weiter erhöht. Auch wenn Käse potenziell schützend wirken könnte, schwächte sich dieser Effekt bei bestehenden psychischen Problemen ab. Zudem wurden erhebliche ethnische Disparitäten sichtbar, wobei Teilnehmer aus dem südasiatischen, afrikanischen und karibischen Raum ein deutlich höheres geschätztes Risiko aufwiesen als Weiße, was bestehende Erkenntnisse des britischen Gesundheitswesens bestätigt. Da das Modell keine medizinischen Tests erfordert, könnte es Gesundheitsdiensten dabei helfen, Risikopersonen früher zu identifizieren und kostengünstige, gezielte Präventionsprogramme zu entwickeln. Professor Barbara Pierscionek von der Anglia Ruskin University betonte, dass aktuelle Modelle das komplexe Zusammenspiel von Verhaltensfaktoren oft übersehen. Sie hob hervor, dass digitale Zwillinge, die keine teure Echtzeitinfrastruktur benötigen, eine kosteneffektive Alternative für Diagnose und Behandlung darstellen. Dr. Mahreen Kiran, die Erstautorin der Studie, argumentierte, dass verhaltens- und psychosoziale Variablen oft übersehen werden, aber wertvolle Signale für das zukünftige Krankheitsrisiko bieten. Ihre Integration in KI-Modelle kann zu genaueren und gerechteren Präventionsstrategien führen. Dr. Nasreen Anjum von der University of Portsmouth fügte hinzu, dass die Verwendung transparenter Modellierungstechniken das Vertrauen in KI-Tools bei der Entscheidungsfindung in der präventiven Gesundheitsversorgung stärkt.