KI und Herzgesundheit: Wie Maschinenlernen Adipositas-Patienten helfen kann

Die Studie – Was wurde untersucht und warum betrifft dich das?

Stell dir vor, du sitzt beim Arzt und möchtest wissen, wie es um deine Herz-Kreislauf-Fitness steht. Gerade wenn du mit Übergewicht oder Adipositas zu kämpfen hast, ist das eine wichtige Information für deine Gesundheit. Bisher ist die genaueste Methode, die sogenannte maximale Sauerstoffaufnahme (VO2max) zu messen. Das ist aber ein aufwendiger, teurer Test, der spezielle Geräte und Fachpersonal erfordert. Für viele ist das eine Hürde – und das, obwohl eine gute Herz-Kreislauf-Fitness ein entscheidender Schutzfaktor gegen Herz-Kreislauf-Erkrankungen und andere gesundheitliche Probleme ist.

Genau hier setzt eine neue norwegische Studie an, die im angesehenen JMIR Research Protocols veröffentlicht wurde. Ein Team um J. Berge vom Department of Endocrinology, Obesity and Nutrition des Vestfold Hospital Trust untersucht, ob maschinelles Lernen (KI) eine praktikable und präzise Alternative sein könnte, um die Herz-Kreislauf-Fitness (Cardiorespiratory Fitness, CRF) bei Adipositas-Patienten zu schätzen. Denn bisherige Algorithmen, die auf submaximalen Tests oder selbstberichteter Aktivität basieren, funktionieren bei Menschen mit geringer Fitness oft schlecht, da sie hauptsächlich mit Daten von gesunden, fitteren Personen trainiert wurden.

Die Forschenden planen eine retrospektive und prospektive multizentrische Kohortenstudie, um maschinelle Lernmodelle zu entwickeln und zu validieren. Dabei wollen sie routinemässig gesammelte klinische Daten nutzen, um die VO2max präziser vorherzusagen. Die Studie wird in mehreren Zentren durchgeführt und soll sowohl bereits vorhandene Daten von Adipositas-Patienten auswerten als auch neue Daten erheben. Das übergeordnete Ziel ist es, eine Methode zu finden, die weniger zeitaufwendig und kostspielig ist, aber dennoch zuverlässige Ergebnisse liefert, um die Gesundheitsversorgung von Menschen mit Adipositas zu verbessern.

Quelle: Berge J, Nunavath V, Asbjørnsen RA, Borgeraas H, Hertel JK, Linge AD, Groote I, Stensrud T, Gjevestad E, Mathisen L, Caan MW, Paulson M, Støa EM, Johansen JM; AI and VO2max Group; Singstad BJ (2026). Machine Learning for Estimating Cardiorespiratory Fitness in Patients With Obesity: Protocol for a Retrospective and Prospective Multicenter Cohort Study. JMIR Res Protoc, 15:e85069. PubMed-ID: 41773679

Was heisst das wirklich? – Die kritische Einordnung

Diese Studie ist ein sogenanntes Studienprotokoll – das heisst, sie beschreibt detailliert, wie die eigentliche Forschung durchgeführt werden soll. Das ist wichtig, denn es erlaubt der wissenschaftlichen Gemeinschaft, die geplante Methodik zu prüfen und die Qualität der späteren Ergebnisse besser einzuschätzen. Die tatsächlichen Ergebnisse liegen noch nicht vor, aber das Protokoll gibt uns einen spannenden Einblick, was wir erwarten können.

Du bist kein Durchschnitt. Die Stärke dieser geplanten Studie liegt darin, dass sie sich explizit auf Menschen mit Adipositas konzentriert. Das ist entscheidend, denn wie die Autoren selbst feststellen, versagen viele bestehende Modelle gerade bei dieser Gruppe, weil sie auf Daten von gesünderen Populationen trainiert wurden. Wenn die KI-Modelle erfolgreich sind, könnten sie eine viel genauere Einschätzung der Herz-Kreislauf-Fitness für diese spezifische Gruppe liefern, die bisher oft unterrepräsentiert ist.

Was wurde hier wirklich gemessen? Im Kern geht es darum, einen Surrogatparameter (die KI-Schätzung) zu finden, der einen harten Endpunkt (die tatsächliche VO2max) möglichst genau abbildet. Wenn die KI es schafft, die VO2max zuverlässig aus Routine-Daten vorherzusagen, wäre das ein grosser Fortschritt. Die VO2max selbst ist ein sehr aussagekräftiger Messwert, der eng mit der Lebenserwartung und dem Risiko für Herz-Kreislauf-Erkrankungen korreliert. Es ist also kein einfacher Laborwert, sondern ein zentraler Indikator für deine Gesundheit.

Die methodischen Stärken des Protokolls liegen in dem geplanten multizentrischen Ansatz, der die Übertragbarkeit der Ergebnisse verbessern soll, und in der klaren Fokussierung auf die Zielgruppe Adipositas-Patienten. Eine mögliche Grenze könnte in der Komplexität der Datenerhebung und -integration aus verschiedenen Quellen liegen. Auch die Auswahl der spezifischen klinischen Parameter, die in das KI-Modell einfliessen, wird entscheidend sein.

Für wen gelten die Ergebnisse? Ganz klar für Menschen mit Adipositas. Wenn du nicht zu dieser Gruppe gehörst, sind die Ergebnisse für dich weniger direkt relevant, da die Modelle speziell für diese Population entwickelt werden sollen.

Denkwerkzeug: Wenn du selbst mit Übergewicht kämpfst, frage dich: Wie oft habe ich schon das Gefühl gehabt, dass allgemeine Gesundheitsratschläge oder Schätzungen meiner Fitness nicht wirklich auf meine Situation passen? Diese Studie könnte einen Schritt dahin sein, die Gesundheitsversorgung individueller zu gestalten.

Der Geist im Körper – Die psychophysiologische Perspektive

Dieses Studienprotokoll konzentriert sich auf objektiv messbare physiologische Parameter und die Leistungsfähigkeit von KI-Algorithmen. Doch selbst bei der besten Technologie dürfen wir die psychophysiologische Dimension nicht ausser Acht lassen – gerade bei einem so sensiblen Thema wie Adipositas und Herz-Kreislauf-Fitness.

Gerade bei Menschen mit Adipositas spielen Stress, Selbstwahrnehmung und psychische Belastungen eine grosse Rolle. Ein chronisch erhöhtes Stresslevel kann beispielsweise die Herz-Kreislauf-Funktion direkt beeinflussen und auch die Motivation für körperliche Aktivität dämpfen. Wenn eine KI nun eine genaue Schätzung deiner Fitness liefert, ist das eine Information. Aber wie du diese Information aufnimmst und verarbeitest, hängt stark von deiner Psyche ab.

Es ist gut denkbar, dass eine präzise, leicht zugängliche Fitness-Messung nicht nur medizinische Entscheidungen verbessert, sondern auch einen psychologischen Effekt hat. Wenn du als Patient eine klare Rückmeldung über deine aktuelle Fitness erhältst – vielleicht sogar als Visualisierung, die den Fortschritt zeigt – kann das die Motivation stärken. Das Gefühl von Selbstwirksamkeit, also die Überzeugung, dass du deine Gesundheit positiv beeinflussen kannst, ist ein enorm wichtiger Faktor für Verhaltensänderungen. Eine «objektive» KI-Messung könnte hier einen wichtigen Anstoss geben, wenn sie richtig kommuniziert wird.

Umgekehrt könnten aber auch Nocebo-Effekte eine Rolle spielen. Wenn eine KI ein schlechtes Ergebnis liefert, ohne dass der Patient die Möglichkeit hat, dieses Ergebnis aktiv zu hinterfragen oder zu beeinflussen, könnte das demotivierend wirken und sogar zu einer Verschlechterung des Wohlbefindens führen. Hier ist die menschliche Komponente – die empathische Kommunikation durch Ärzte und Therapeuten – unerlässlich, um die Ergebnisse der KI sinnvoll in den Behandlungsplan zu integrieren.

Die psychische Verfassung, die Erwartungshaltung an den eigenen Körper und die Fähigkeit zur emotionalen Regulation sind keine Nebensächlichkeiten. Sie beeinflussen, wie wir uns bewegen, wie wir essen und wie wir mit unserer Gesundheit umgehen. Eine KI kann Daten analysieren, aber sie kann nicht die komplexe innere Welt eines Menschen erfassen, die letztlich darüber entscheidet, ob eine Information zur positiven Veränderung führt oder nicht.

Der grössere Kontext – Einordnung und Abhängigkeiten

Diese Studie ist Teil eines grösseren Trends in der Medizin, bei dem Künstliche Intelligenz genutzt wird, um Diagnosen zu verbessern, Behandlungen zu personalisieren und die Effizienz des Gesundheitssystems zu steigern. Die Finanzierung und die beteiligten Institutionen – darunter verschiedene Abteilungen des Vestfold Hospital Trust, Universitäten und Forschungsinstitute in Norwegen und den Niederlanden – deuten auf eine breit angelegte, interdisziplinäre Zusammenarbeit hin. Die Liste der vielen Autoren und Kollaborateure zeigt, dass hier viele Expertisen zusammenkommen. Dies stärkt die Glaubwürdigkeit des Vorhabens, da mögliche Interessenkonflikte durch eine breite Streuung der Beteiligten minimiert werden.

Diese Studie passt gut in die aktuelle Forschungslandschaft, die sich zunehmend mit personalisierter Medizin und der Nutzung von Big Data beschäftigt. Sie bestätigt die Notwendigkeit, spezifische Algorithmen für spezifische Patientengruppen zu entwickeln, anstatt auf generische Modelle zu setzen. Eine einzelne Studie, auch wenn sie noch ein Protokoll ist, ist immer ein Puzzleteil im Gesamtbild. Sollten die Ergebnisse positiv ausfallen, könnten sie die Grundlage für zukünftige klinische Anwendungen legen.

Was wurde nicht kontrolliert? Obwohl die Studie darauf abzielt, klinische Routinedaten zu nutzen, gibt es immer Faktoren, die schwer zu erfassen sind. Dazu gehören beispielsweise die detaillierte Ernährungsweise, das individuelle Stressmanagement im Alltag oder die Qualität der sozialen Unterstützung. All diese Lebensstilfaktoren können die Herz-Kreislauf-Fitness und das allgemeine Wohlbefinden erheblich beeinflussen, sind aber in den meisten Routine-Datensätzen nicht umfassend dokumentiert. Die KI kann nur mit den Daten arbeiten, die ihr zur Verfügung stehen – und diese sind selten ein vollständiges Bild des menschlichen Lebens.

Denkwerkzeug: Wenn du von neuen technologischen Lösungen im Gesundheitsbereich hörst, frage dich: Welche Aspekte meines Lebens kann diese Technologie wirklich erfassen, und welche bleiben dabei aussen vor? Dein Leben ist mehr als eine Reihe von Datenpunkten.

Was heisst das für dich? – Fazit und Alltagsrelevanz

Auch wenn die Ergebnisse dieser Studie noch ausstehen, kannst du schon jetzt wichtige Erkenntnisse für dich mitnehmen:

• Präzisere Einschätzung kann motivieren: Wenn zukünftig eine KI deine Herz-Kreislauf-Fitness genauer einschätzen kann, könnte das ein wertvolles Werkzeug sein, um deinen Gesundheitszustand besser zu verstehen und gezielte Massnahmen zu ergreifen. Eine klare Rückmeldung kann der erste Schritt zu einer positiven Verhaltensänderung sein.
• Technologie als Unterstützung, nicht als Ersatz: KI-Modelle können wertvolle Informationen liefern, aber sie ersetzen nicht das persönliche Gespräch mit deinem Arzt oder Therapeuten. Die Interpretation der Daten und die Entwicklung eines individuellen Gesundheitsplans bleiben eine menschliche Aufgabe.
• Dein Beitrag zählt: Unabhängig davon, wie präzise eine KI deine Fitness misst, ist und bleibt dein persönlicher Einsatz entscheidend. Regelmässige Bewegung, eine ausgewogene Ernährung und der Umgang mit Stress sind fundamentale Säulen deiner Herzgesundheit. Eine KI kann dir dabei helfen, den Überblick zu behalten, aber die eigentliche Arbeit leistest du.

Was solltest du NICHT daraus schliessen? Warte nicht passiv auf die «perfekte» KI-Lösung, um aktiv für deine Gesundheit zu werden. Die Grundlagen für eine gute Herz-Kreislauf-Fitness sind bekannt. Die Technologie kann uns helfen, den Weg effektiver zu gestalten, aber sie nimmt dir nicht die Verantwortung ab.

Diese Forschung ist besonders relevant für Menschen, die mit Adipositas leben und Schwierigkeiten haben, ihre Fitness objektiv einschätzen zu lassen oder passende Bewegungsempfehlungen zu finden. Für Menschen ohne Adipositas sind die Ergebnisse weniger direkt anwendbar, da die Modelle spezifisch für die Adipositas-Population entwickelt werden.

Denk immer daran: Dein Körper reagiert nicht nur auf das, was messbar ist, sondern auch auf das, was du denkst und fühlst. Deine mentale Einstellung, dein Stresslevel und deine Überzeugungen spielen eine entscheidende Rolle für deine körperliche Gesundheit. Die Integration von KI in die Gesundheitsversorgung ist ein spannender Schritt, aber der Mensch mit all seinen Facetten bleibt im Mittelpunkt.

Bleib neugierig, informier dich und vertraue auf die Signale deines eigenen Körpers. Die Zukunft der Medizin mag datenbasiert sein, aber sie wird immer auch zutiefst menschlich bleiben.