KI-gestützte Sarkopenie-Risikobewertung und -Erkennung (SARC-AI)

Hintergrund:

Sarkopenie, definiert durch den fortschreitenden Verlust von Skelettmuskelmasse und -funktion, birgt erhebliche Risiken für Stürze, Behinderung, Stoffwechselstörungen und Mortalität bei älteren Erwachsenen. Aktuelle klinische Diagnostik stützt sich auf statische Messungen der Muskelkraft oder -masse und übersieht oft frühe oder subklinische Verschlechterungen. Zudem zeigen konventionelle Interventionen wie Krafttraining und erhöhte Proteinzufuhr aufgrund von Faktoren wie dem Ausgangs-Muskelphänotyp, Stoffwechselstatus, Genetik und Zusammensetzung des Darmmikrobioms eine hohe interindividuelle Variabilität in den Ergebnissen. Neu aufkommende Technologien, einschließlich tragbarer Sensoren, Hochdurchsatz-Stoffwechselprofilierung und KI/ML-Ansätzen, bieten die Möglichkeit, prädiktive, individualisierte Rahmenwerke für die Sarkopenie-Risikobewertung und -behandlung zu schaffen.

Ziele:

• Entwicklung und Validierung eines KI-gestützten Modells, das Muskelzusammensetzung, funktionelle Leistung und metabolische Biomarker integriert, um das Sarkopenie-Risiko vorherzusagen.
• Implementierung einer personalisierten, adaptiven Intervention, die Bewegung und Ernährung kombiniert, geleitet durch KI-Vorhersagen und Echtzeitüberwachung.
• Bewertung der Wirksamkeit dieser Intervention auf Muskelmasse, funktionelle Leistung und Stoffwechselgesundheit bei älteren Erwachsenen.

Methoden:

Phase 1: Retrospektive Analyse multimodaler Daten von 3.500 Erwachsenen, einschließlich Muskelzusammensetzung (DXA, MRT), Funktionstests (Griffkraft, Stuhl-Aufsteh-Test), Stoffwechselmarker und Mikrobiomprofile. KI/ML-Modelle werden trainiert, um das Sarkopenie-Risiko vorherzusagen und Schlüsselprädiktoren zu identifizieren. Die Validierung erfolgt mit einer Untergruppe neu rekrutierter Teilnehmer unter Standardversorgung.

Phase 2: Eine 12-wöchige prospektive Intervention bei 120 Erwachsenen im Alter von 50-70 Jahren, die basierend auf den Vorhersagen aus Phase 1 in Sarkopenie-Risikogruppen stratifiziert werden. Die Teilnehmer erhalten KI-gesteuerte personalisierte Bewegungs- (Kraft- und Ausdauer) und Ernährungspläne, überwacht durch tragbare Sensoren und eine mobile App. Die Datenerfassung umfasst MRT und DXA für die Muskelzusammensetzung, funktionelle Leistungstests, Stoffwechsel- und Entzündungsbiomarker, Mikrobiomprofilierung und selbstberichtete Ergebnisse. Das Interventionsansprechen wird mit gemischten Effektmodellen und ML analysiert, um Prädiktoren für die Wirksamkeit zu identifizieren.

Bedeutung und Innovation:

Diese Studie integriert KI-gestützte Risikovorhersage mit personalisierten, adaptiven Echtzeitinterventionen und adressiert damit aktuelle diagnostische und therapeutische Lücken in der Sarkopenie-Versorgung. Durch die Kombination von Muskelstruktur-, Funktions-, Stoffwechsel-, Verhaltens- und Mikrobiomdaten ermöglicht sie eine frühzeitige Erkennung von Muskelabbau, individualisiertes Management und verbesserte Adhärenz. Das Rahmenwerk hat Potenzial für breite klinische Übersetzung, Integration in die digitale Gesundheit und zukünftige Kommerzialisierung als skalierbare KI-basierte Sarkopenie-Plattform.

Erwartete Ergebnisse:

• KI-basierte Sarkopenie-Screening-Tools für Früherkennung und Risikostratifizierung.
• Personalisierte Bewegungs- und Ernährungsprotokolle, angepasst an individuelles Risiko und Physiologie.
• Ein skalierbares, datengesteuertes Interventionsrahmenwerk, geeignet für klinischen oder häuslichen Einsatz.

Vertieftes Verständnis heterogener Reaktionen auf Sarkopenie-Interventionen.