KI-Modell erkennt Gewichtszunahme-Risiko bei psychischen Erkrankungen

09.12.2025

© Laurent – stock.adobe.com

Forschende entwickelten ein KI-Modell, das den Body Mass Index (BMI) aus Gehirnaufnahmen abschätzt. Besonders bei jüngeren Menschen mit einem hohen Psychoserisiko korrelierten die Schätzungen der KI mit späterer Gewichtszunahme. Diese Ergebnisse legen nahe, dass krankheitsbedingte Veränderungen im Gehirn eine Rolle bei metabolischen Erkrankungen spielen. KI kann dabei unterstützen, diese Erkrankungen bei psychiatrischen Patient:innen frühzeitig zu erkennen und zu behandeln.

Gehirnalter-Analyse als Vorbild für BMI-Vorhersage

Seit einigen Jahren ist bekannt, dass KI-basierte Modelle anhand von Gehirnaufnahmen das biologische Alter eines Menschen recht zuverlässig abschätzen können. Bei Menschen mit Schizophrenie zeigen solche Analysen oft einen vorzeitigen Alterungseffekt: Ihr Gehirn wird älter eingeschätzt, als es tatsächlich ist. Dieser sogenannte „brain age gap" liefert wertvolle Hinweise auf krankheitsbedingte Veränderungen im Gehirn.

Neue Studie untersucht BMI-Vorhersage durch Gehirnscans

In einer kürzlich in der Fachzeitschrift Nature Mental Health publizierten Studie [1] befassten sich Forschende des Max-Planck-Instituts für Psychiatrie und der Ludwigs-Maximilians-Universität München mit dem „BMIgap“: Statt das Alter zu schätzen, ließ das Team ein KI-Modell den Body Mass Index (BMI) aus Gehirnscans vorhersagen. Hierfür trainierten sie das Modell mit knapp 2000 Scans von gesunden Personen und von Menschen mit Depression, Schizophrenie und einem erhöhten Psychoserisiko.

Biologische Veränderungen im Gehirn als Risikofaktor

Hintergrund dieser Idee: Menschen mit psychischen Erkrankungen haben ein deutlich höheres Risiko, metabolische Erkrankungen wie Übergewicht oder Diabetes zu entwickeln. Teilweise lässt sich das durch Faktoren wie Rauchen, Alkoholkonsum oder Nebenwirkungen von Medikamenten erklären. Die Forschenden um Adyasha Khuntia und David Popovic vom Münchner Max-Planck-Institut wollten nun wissen, ob diesem Risiko auch Erkrankungs-bedingte biologische Veränderungen im Gehirn zugrunde liegen.

Unterschiedliche BMI-Schätzungen je nach Erkrankung

Die Ergebnisse zeigten deutliche Unterschiede zwischen den untersuchten Gruppen auf: Das KI-Modell schätzte bei Menschen mit Depressionen den BMI niedriger ein, als er tatsächlich war. „Die Gehirnstrukturen dieser Gruppe ähnelten also denen von gesunden Menschen mit niedrigerem Körpergewicht", erklärt Popovic. Umgekehrt war es bei Menschen mit Schizophrenie und hohem Psychoserisiko: Hier schätzte das Modell den BMI höher ein, als er tatsächlich war.

BMI-Gap als Frühwarnsignal für Gewichtszunahme

Besonders spannend: Bei Menschen mit hohem Psychoserisiko, insbesondere bei jüngeren Patient:innen, hing der „BMIgap" mit einer späteren Gewichtszunahme zusammen. Das bedeutet, dass der „BMIgap“ als Frühwarnsignal genutzt werden könnte – ein Werkzeug, um gefährdete Personen rechtzeitig zu identifizieren und gezielt medizinisch zu begleiten, bevor ernste metabolische Erkrankungen entstehen.

Neue Grundlagen für individualisierte Behandlung

Diese Erkenntnisse helfen, den komplexen Zusammenhang zwischen psychischen Erkrankungen und körperlicher Gesundheit besser zu verstehen. Sie stützen die Annahme, dass nicht nur äußere Faktoren, sondern auch krankheitsbedingte Veränderungen im Gehirn das Risiko für metabolische Erkrankungen beeinflussen können. Dieses Wissen kann eine Grundlage für individualisierte Prävention und Behandlung psychiatrischer Erkrankungen bilden.

Lesen Sie mehr zu diesem Thema:

Künstliche Intelligenz könnte psychiatrische Diagnosestellung verbessern

Ein Kölner Forschungsteam testete, wie drei große Sprachmodelle Überschneidungen und Redundanzen in klinischen Fragebögen zu psychischen Erkrankungen feststellen können. Die Veröffentlichung erschien in Nature Mental Health [1]. Große Sprachmodelle können dazu beitragen, die Fragebögen zur Diagnosestellung psychischer Erkrankungen zu verbessern, indem sie die Verallgemeinerbarkeit von Symptomen optimieren und Redundanzen reduzieren. Sie können sogar zu neuartigen Konzeptualisierungen psychischer Störungen beitragen. Das ist das Ergebnis einer internationalen Studie unter Leitung von Prof. Dr. Joseph Kambeitz und Prof. Dr. Kai Vogeley von der Medizinischen Fakultät der Universität zu Köln und der Uniklinik Köln.

Jetzt lesen