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 „brain age gap“ liefert wertvolle Hinweise auf krankheitsbedingte Veränderungen im Gehirn.

Body Mass Index aus Gehirnscans vorhersagen

In einer in Nature Mental Health publizierten Studie 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.

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 Forscher 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.

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.

Besonders spannend: Bei Menschen mit hohem Psychoserisiko, insbesondere bei jüngeren Patienten, 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.

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.