Wie Maschinelles Lernen Vorhersagen über fettleber-protektive Ernährungsmuster treffen kann
Die metabolische-dysfunktion assoziierte Fettlebererkrankung (MASLD) betrifft einen bedeutenden Teil der Bevölkerung, doch über den Einfluss spezifischer Nährstoffe auf ihre Prävention ist bisweilen wenig bekannt. Mittels maschinellen Lernens versuchen wir, den Zusammenhang zwischen den täglich konsumierten Nährstoffen und der Entwicklung einer Leberverfettung in anhand einer Kohorte der UK Biobank (n>500.000) zu untersuchen.
In diesem speziellen Projekt analysierten wir detaillierte Daten zur täglichen Nahrungszufuhr aus einer Untergruppe von über 200.000 Teilnehmern. Personen mit vorbestehender Lebererkrankung schlossen wir zuvor von der Analyse aus.
Wir nutzten dazu einen Random-Forest-Algorithmus, um Assoziationen zwischen den erfassten einzelnen Nahrungsbestandteilen und im MRT diagnostizierter Steatose (PDFF>=5%) in mehr als 40.000 PatientInnen herauszustellen.
Das Verfahren erwies sich als geeignet, den Zusammenhang zwischen Nährstoffen aus 24-Stunden-Ernährungsfragebögen und der Entwicklung von Steatose über einen Untersuchungszeitraum von elf Jahren vorherzusagen.
In einer Kohortenstudie wurde daraufhin der Zusammenhang zwischen Mangan-Aufnahme und Pathologien der Leber bewertet. Die Analysen wurden auf Alter, Geschlecht, BMI, sozioökonomischem Status, Kalorien-, Alkohol-, Protein-, Fett-, Kohlenhydrataufnahme und Mehrfachtests korrigiert und legen einen möglicherweise protektiven Effekt höheren Mangankonsums hinsichtlich des Auftretens von Lebererkrankungen, insb. einer Steatose nahe.
Ansprechpartner:
Prof. Dr. med. Simon Schophaus
Prof. Dr. med. Carolin Schneider
Medizinische Klinik III
Universitätsklinikum Aachen
Aachen
