Können Smartwatches und Blutanalysen das Diabetes-Risiko vorhersagen, bevor es zu spät ist?

Diabetes Typ 2 betrifft heute weltweit mehr als 500 Millionen Erwachsene, eine Zahl, die bis 2030 auf 640 Millionen ansteigen könnte. In neun von zehn Fällen ist diese Krankheit mit einem Phänomen verbunden, das als Insulinresistenz bezeichnet wird. Diese stille Störung tritt auf, wenn die Körperzellen weniger gut auf Insulin ansprechen, ein Hormon, das für die Regulierung des Blutzuckerspiegels essenziell ist. Ohne Intervention kann sie zu manifestem Diabetes oder schweren Komplikationen wie Herzerkrankungen oder Leberschäden führen.

Dennoch bleibt die Erkennung dieser Resistenz schwierig. Die aktuellen Methoden, wie Laborbluttests, sind kostspielig und wenig zugänglich. Eine aktuelle Studie zeigt, dass es möglich ist, sie einfacher zu erkennen, indem Daten von Smartwatches und routinemäßigen Blutanalysen kombiniert werden. Die Forscher nutzten Informationen wie die Ruheherzfrequenz, die tägliche Schrittzahl, die Schlafdauer sowie die Triglycerid- und Cholesterinwerte. Dank künstlicher Intelligenz ermöglichen diese Daten die Identifizierung von Risikopersonen mit einer Genauigkeit von fast 80 %.

An der Studie nahmen über 1.000 Teilnehmer in den USA teil. Die Ergebnisse zeigen, dass bestimmte Lebensgewohnheiten, wie ein niedriges Maß an körperlicher Aktivität oder unzureichender Schlaf, eng mit einer erhöhten Insulinresistenz verbunden sind. Beispielsweise haben übergewichtige oder fettleibige Personen ein deutlich höheres Risiko, aber auch Menschen mit normalem Gewicht können betroffen sein. Unter den Teilnehmern hatte einer von fünf eine Insulinresistenz, ohne es zu wissen, obwohl ihr Blutzuckerspiegel normal erschien.

Der Vorteil dieses Ansatzes liegt in seiner Einfachheit. Smartwatches messen kontinuierlich Indikatoren wie Herzfrequenz oder körperliche Aktivität, während klassische Blutanalysen Daten zum Stoffwechsel liefern. Durch die Kombination dieser Informationen entwickelten die Wissenschaftler ein Modell, das das Risiko lange vor dem Auftreten erster Symptome vorhersagen kann. Eine frühe Erkennung ermöglicht gezielte Maßnahmen: Gewichtsabnahme, regelmäßige Bewegung oder eine angepasste Ernährung können den Trend umkehren.

Diese Methode könnte die Diabetesvorsorge revolutionieren. Sie vermeidet komplexe und teure Untersuchungen und bietet gleichzeitig eine skalierbare Lösung, die Millionen von Menschen zugänglich ist. Langfristig könnte sie sogar in Sprachassistenten oder Gesundheits-Apps integriert werden und personalisierte Empfehlungen geben, um die Risiken zu verringern. Die Herausforderung ist groß, denn ein frühes Handeln kann schwere Behandlungen und irreversible Komplikationen vermeiden. Die Technologie, kombiniert mit der Medizin, wird so zu einem wertvollen Werkzeug für eine proaktive Gesundheit.

À propos de nos sources

Publication originale

DOI : https://doi.org/10.1038/s41586-026-10179-2

Titre : Insulin resistance prediction from wearables and routine blood biomarkers

Revue : Nature

Éditeur : Springer Science and Business Media LLC

Auteurs : Ahmed A. Metwally; A. Ali Heydari; Daniel McDuff; Alexandru Solot; Zeinab Esmaeilpour; Anthony Z. Faranesh; Menglian Zhou; Girish Narayanswamy; Maxwell A. Xu; Xin Liu; Yuzhe Yang; David B. Savage; Mark Malhotra; Conor Heneghan; Shwetak Patel; Cathy Speed; Javier L. Prieto