Online News: Semaglutid-Tablette in Deutschland voraussichtlich im 3. Quartal erhältlich
Nach EU-Zulassung: Novo Nordisk plant Markteinführung des GLP-1-Rezeptor-Agonisten (GLP-1-RA) in Tablettenform …
weiterlesen
Im Ganzkörper-MRT lässt sich die Fettverteilung im Körper erkennen, ein Parameter für die Entstehung von Typ-2-Diabetes. © peakSTOCK/iStock/Getty Images Plus
Eine Studie des Deutschen Zentrums für Diabetesforschung (DZD), des Instituts für Diabetesforschung und Metabolische Erkrankungen des Helmholtz Zentrums München an der Universität Tübingen, des Max-Planck-Instituts und der Universitätsklinik Tübingen untersuchte, ob sich Typ-2-Diabetes anhand bestimmter Muster der Körperfettverteilung im MRT diagnostizieren lässt. Um solche Muster zu erkennen, nutzten die Forschenden künstliche Intelligenz (KI). Sie trainierten Deep-Learning-Netzwerke1 (Maschinelles Lernen) mit Ganzkörper-MRT-Aufnahmen von 2 000 Menschen, die sich auch einem Screening mit oralem Glukosetoleranz-Test (oGTT) unterzogen hatten. Mit dem oGTT lassen sich ein gestörter Glukosestoffwechsel nachweisen und ein Diabetes diagnostizieren. So lernte die KI, Diabetes zu detektieren.
Die Analysen zeigten, dass eine Fettansammlung im unteren Abdomen bei der Diabetesdetektion eine entscheidende Rolle spielt. Weiter konnte gezeigt werden, dass auch ein Teil der Menschen mit einer Vorstufe des Diabetes (Prädiabetes) sowie Menschen mit einem Diabetes-Subtyp, der zu Nierenerkrankungen führen kann, über MRT-Aufnahmen identifiziert werden können.
Die Forschenden arbeiten nun daran, die biologische Steuerung der Körperfettverteilung zu entschlüsseln. Ein Ziel sei es, durch neue Methoden die Ursachen des Diabetes zu identifizieren, um bessere Vorsorge- und Therapiemöglichkeiten zu finden.
Quelle: Deutsches Zentrum für Diabetesforschung, Pressemeldung vom 11.10.2021
____________________
1 Deep Learning ist eine spezielle Methode aus dem Bereich des Maschinellen Lernens mit künstlichen neuronalen Netzen (KNN) und damit auch ein Teilgebiet der Künstlichen Intelligenz (KI).
Diesen Artikel finden Sie auch in ERNÄHRUNGS UMSCHAU 1/2022 auf Seite M4.
Übergewicht und ein hoher Körperfettanteil erhöhen das Risiko für Diabetes mellitus Typ 2. Doch nicht jeder übergewichtige Mensch erkrankt auch daran. Entscheidend ist, wo das Fett im Körper gespeichert wird. Lagert sich Fett unter der Haut an, ist es harmloser als Fett in tieferen Bereichen des Bauches (viszerales Fett). Wie das Fett im Körper verteilt ist, lässt sich mit Ganzkörper-Kernspintomografie (Magnetresonanztomografie = MRT) gut darstellen.
Im Ganzkörper-MRT lässt sich die Fettverteilung im Körper erkennen, ein Parameter für die Entstehung von Typ-2-Diabetes. © peakSTOCK/iStock/Getty Images Plus
Eine Studie des Deutschen Zentrums für Diabetesforschung (DZD), des Instituts für Diabetesforschung und Metabolische Erkrankungen des Helmholtz Zentrums München an der Universität Tübingen, des Max-Planck-Instituts und der Universitätsklinik Tübingen untersuchte, ob sich Typ-2-Diabetes anhand bestimmter Muster der Körperfettverteilung im MRT diagnostizieren lässt. Um solche Muster zu erkennen, nutzten die Forschenden künstliche Intelligenz (KI). Sie trainierten Deep-Learning-Netzwerke1 (Maschinelles Lernen) mit Ganzkörper-MRT-Aufnahmen von 2 000 Menschen, die sich auch einem Screening mit oralem Glukosetoleranz-Test (oGTT) unterzogen hatten. Mit dem oGTT lassen sich ein gestörter Glukosestoffwechsel nachweisen und ein Diabetes diagnostizieren. So lernte die KI, Diabetes zu detektieren.
Die Analysen zeigten, dass eine Fettansammlung im unteren Abdomen bei der Diabetesdetektion eine entscheidende Rolle spielt. Weiter konnte gezeigt werden, dass auch ein Teil der Menschen mit einer Vorstufe des Diabetes (Prädiabetes) sowie Menschen mit einem Diabetes-Subtyp, der zu Nierenerkrankungen führen kann, über MRT-Aufnahmen identifiziert werden können.
Die Forschenden arbeiten nun daran, die biologische Steuerung der Körperfettverteilung zu entschlüsseln. Ein Ziel sei es, durch neue Methoden die Ursachen des Diabetes zu identifizieren, um bessere Vorsorge- und Therapiemöglichkeiten zu finden.
Quelle: Deutsches Zentrum für Diabetesforschung, Pressemeldung vom 11.10.2021
____________________
1 Deep Learning ist eine spezielle Methode aus dem Bereich des Maschinellen Lernens mit künstlichen neuronalen Netzen (KNN) und damit auch ein Teilgebiet der Künstlichen Intelligenz (KI).
Diesen Artikel finden Sie auch in ERNÄHRUNGS UMSCHAU 1/2022 auf Seite M4.
Diagnostik: Diabetes mit Ganzkörper-MRT erkennen
Im Ganzkörper-MRT lässt sich die Fettverteilung im Körper erkennen, ein Parameter für die Entstehung von Typ-2-Diabetes. © peakSTOCK/iStock/Getty Images Plus
Eine Studie des Deutschen Zentrums für Diabetesforschung (DZD), des Instituts für Diabetesforschung und Metabolische Erkrankungen des Helmholtz Zentrums München an der Universität Tübingen, des Max-Planck-Instituts und der Universitätsklinik Tübingen untersuchte, ob sich Typ-2-Diabetes anhand bestimmter Muster der Körperfettverteilung im MRT diagnostizieren lässt. Um solche Muster zu erkennen, nutzten die Forschenden künstliche Intelligenz (KI). Sie trainierten Deep-Learning-Netzwerke1 (Maschinelles Lernen) mit Ganzkörper-MRT-Aufnahmen von 2 000 Menschen, die sich auch einem Screening mit oralem Glukosetoleranz-Test (oGTT) unterzogen hatten. Mit dem oGTT lassen sich ein gestörter Glukosestoffwechsel nachweisen und ein Diabetes diagnostizieren. So lernte die KI, Diabetes zu detektieren.
Die Analysen zeigten, dass eine Fettansammlung im unteren Abdomen bei der Diabetesdetektion eine entscheidende Rolle spielt. Weiter konnte gezeigt werden, dass auch ein Teil der Menschen mit einer Vorstufe des Diabetes (Prädiabetes) sowie Menschen mit einem Diabetes-Subtyp, der zu Nierenerkrankungen führen kann, über MRT-Aufnahmen identifiziert werden können.
Die Forschenden arbeiten nun daran, die biologische Steuerung der Körperfettverteilung zu entschlüsseln. Ein Ziel sei es, durch neue Methoden die Ursachen des Diabetes zu identifizieren, um bessere Vorsorge- und Therapiemöglichkeiten zu finden.
Quelle: Deutsches Zentrum für Diabetesforschung, Pressemeldung vom 11.10.2021
____________________
1 Deep Learning ist eine spezielle Methode aus dem Bereich des Maschinellen Lernens mit künstlichen neuronalen Netzen (KNN) und damit auch ein Teilgebiet der Künstlichen Intelligenz (KI).
Diesen Artikel finden Sie auch in ERNÄHRUNGS UMSCHAU 1/2022 auf Seite M4.
Verschlagwortet mit: Deutsches Zentrum für Diabetesforschung, Typ 2, Diabetes, künstliche Intelligenz, Fettverteilung
News zum Thema des Artikels
22.07.2026
15.07.2026
Lesetipp Heft 7/2026: Ernährungstherapeutische Optionen bei Lipödem
Das Lipödem ist eine chronische Erkrankung, die zu einer Fehlverteilung des Fettgewebes mit Zunahme des Unterhautfettgewebes an den Beinen oder (seltener) Armen führt. Die Betroffenen – fast ausschließlich Frauen – leiden unter Schmerzen und Bewegungseinschränkungen und …
weiterlesen
19.05.2025
Lesetipp Heft 5/2025: Postnatale Typ-2-Diabetes-Prävention bei Frauen mit Gestationsdiabetes
In Deutschland gibt es über 9. Mio. Menschen mit Diabetes mellitus Typ 2, und die Prävention ist entscheidend, da viele Betroffene bereits bei Diagnosestellung an Folgeerkrankungen leiden. Frauen mit Gestationsdiabetes (GDM) sind besonders gefährdet: fast jede zweite en …
weiterlesen
Artikelfakten
Rubrik: Kurz & bündig
Veröffentlicht: 12.01.2022
Themen des Artikels
Dieser Artikel erscheint in
