Diabetes Typ 2 betrifft heute weltweit mehr als 500 Millionen Erwachsene, eine Zahl, die bis 2030 auf 640 Millionen ansteigen k\u00f6nnte. In neun von zehn F\u00e4llen ist diese Krankheit mit einem Ph\u00e4nomen verbunden, das als Insulinresistenz bezeichnet wird. Diese stille St\u00f6rung tritt auf, wenn die K\u00f6rperzellen weniger gut auf Insulin ansprechen, ein Hormon, das f\u00fcr die Regulierung des Blutzuckerspiegels essenziell ist. Ohne Intervention kann sie zu manifestem Diabetes oder schweren Komplikationen wie Herzerkrankungen oder Lebersch\u00e4den f\u00fchren.<\/p>\n
Dennoch bleibt die Erkennung dieser Resistenz schwierig. Die aktuellen Methoden, wie Laborbluttests, sind kostspielig und wenig zug\u00e4nglich. Eine aktuelle Studie zeigt, dass es m\u00f6glich ist, sie einfacher zu erkennen, indem Daten von Smartwatches und routinem\u00e4\u00dfigen Blutanalysen kombiniert werden. Die Forscher nutzten Informationen wie die Ruheherzfrequenz, die t\u00e4gliche Schrittzahl, die Schlafdauer sowie die Triglycerid- und Cholesterinwerte. Dank k\u00fcnstlicher Intelligenz erm\u00f6glichen diese Daten die Identifizierung von Risikopersonen mit einer Genauigkeit von fast 80\u00a0%.<\/p>\n
An der Studie nahmen \u00fcber 1.000 Teilnehmer in den USA teil. Die Ergebnisse zeigen, dass bestimmte Lebensgewohnheiten, wie ein niedriges Ma\u00df an k\u00f6rperlicher Aktivit\u00e4t oder unzureichender Schlaf, eng mit einer erh\u00f6hten Insulinresistenz verbunden sind. Beispielsweise haben \u00fcbergewichtige oder fettleibige Personen ein deutlich h\u00f6heres Risiko, aber auch Menschen mit normalem Gewicht k\u00f6nnen betroffen sein. Unter den Teilnehmern hatte einer von f\u00fcnf eine Insulinresistenz, ohne es zu wissen, obwohl ihr Blutzuckerspiegel normal erschien.<\/p>\n
Der Vorteil dieses Ansatzes liegt in seiner Einfachheit. Smartwatches messen kontinuierlich Indikatoren wie Herzfrequenz oder k\u00f6rperliche Aktivit\u00e4t, w\u00e4hrend 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 fr\u00fche Erkennung erm\u00f6glicht gezielte Ma\u00dfnahmen: Gewichtsabnahme, regelm\u00e4\u00dfige Bewegung oder eine angepasste Ern\u00e4hrung k\u00f6nnen den Trend umkehren.<\/p>\n
Diese Methode k\u00f6nnte die Diabetesvorsorge revolutionieren. Sie vermeidet komplexe und teure Untersuchungen und bietet gleichzeitig eine skalierbare L\u00f6sung, die Millionen von Menschen zug\u00e4nglich ist. Langfristig k\u00f6nnte sie sogar in Sprachassistenten oder Gesundheits-Apps integriert werden und personalisierte Empfehlungen geben, um die Risiken zu verringern. Die Herausforderung ist gro\u00df, denn ein fr\u00fches Handeln kann schwere Behandlungen und irreversible Komplikationen vermeiden. Die Technologie, kombiniert mit der Medizin, wird so zu einem wertvollen Werkzeug f\u00fcr eine proaktive Gesundheit.<\/p>\n
DOI\u00a0:<\/strong> https:\/\/doi.org\/10.1038\/s41586-026-10179-2<\/a><\/p>\n Titre\u00a0:<\/strong> Insulin resistance prediction from wearables and routine blood biomarkers<\/p>\n Revue : <\/strong> Nature<\/p>\n \u00c9diteur : <\/strong> Springer Science and Business Media LLC<\/p>\n Auteurs : <\/strong> 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<\/p>\n","protected":false},"excerpt":{"rendered":" K\u00f6nnen Smartwatches und Blutanalysen das Diabetes-Risiko vorhersagen, bevor es zu sp\u00e4t ist? Diabetes Typ 2 betrifft heute weltweit mehr als 500 Millionen Erwachsene, eine Zahl, die bis 2030 auf 640 Millionen ansteigen k\u00f6nnte. In neun von zehn F\u00e4llen ist diese Krankheit mit einem Ph\u00e4nomen verbunden, das als Insulinresistenz bezeichnet wird. Diese stille St\u00f6rung tritt auf,… K\u00f6nnen Smartwatches und Blutanalysen das Diabetes-Risiko vorhersagen, bevor es zu sp\u00e4t ist?<\/span> weiterlesen<\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[5,4,6],"tags":[],"class_list":["post-23","post","type-post","status-publish","format-standard","hentry","category-gesundheit","category-international","category-wissenschaft-technologie","entry"],"_links":{"self":[{"href":"https:\/\/publichealthtribune.com\/de\/wp-json\/wp\/v2\/posts\/23","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/publichealthtribune.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/publichealthtribune.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/publichealthtribune.com\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/publichealthtribune.com\/de\/wp-json\/wp\/v2\/comments?post=23"}],"version-history":[{"count":1,"href":"https:\/\/publichealthtribune.com\/de\/wp-json\/wp\/v2\/posts\/23\/revisions"}],"predecessor-version":[{"id":24,"href":"https:\/\/publichealthtribune.com\/de\/wp-json\/wp\/v2\/posts\/23\/revisions\/24"}],"wp:attachment":[{"href":"https:\/\/publichealthtribune.com\/de\/wp-json\/wp\/v2\/media?parent=23"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/publichealthtribune.com\/de\/wp-json\/wp\/v2\/categories?post=23"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/publichealthtribune.com\/de\/wp-json\/wp\/v2\/tags?post=23"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}