Statt Wearables: Google-Forscher messen Körperfett anhand von Smartphone-Fotos

Inhaltsverzeichnis Fettleibigkeit und die damit verbundenen gesundheitlichen Folgen sind weit verbreitet – auch in Deutschland. Zwar lässt sich der eigene Körperfettanteil inzwischen bequem von zuhause aus schätzen, eine genaue Messung der Verteilung im Körper war bisher aber nur mit aufwendigen medizinischen Methoden möglich. Google will das jetzt ändern: Das Research-Team hat mit Photoscan AI einen neuen Ansatz entwickelt, der eine präzise Bestimmung des Körperfettanteils allein anhand einfacher Smartphone-Fotos ermöglichen soll. Weiterlesen nach der Anzeige Warum der Körperfettanteil eine Rolle spielt Der Körperfettanteil gibt an, wie viel Prozent des Körpergewichts aus Fett bestehen. Er liegt in der Regel zwischen 10 und 50 Prozent. Wie viel Körperfett als gesund gilt, hängt vor allem von Geschlecht und Alter ab. Frauen haben grundsätzlich einen höheren Körperfettanteil als Männer. Als guter Wert gelten hier 21 bis 35 Prozent, für Männer acht bis 24 Prozent. Mit zunehmendem Alter steigt der Körperfettanteil meist, während die Muskelmasse abnimmt. Das Körperfett übernimmt verschiedene Funktionen: Es dient als Energiespeicher und Isolierschicht und hält einige Organe in ihrer Position. Menschen mit zu wenig Körperfett geraten schnell an ihre Grenzen, während zu viel Körperfett die Gesundheit ebenfalls belasten kann. So steht beispielsweise zu viel Bauchfett mit einem erhöhten Risiko für Herz-Kreislauf-Krankheiten oder Diabetes in Zusammenhang. Deshalb ist es wichtig, das eigene Körperfett im Auge zu behalten – nicht nur aus ästhetischen, sondern vor allem aus gesundheitlichen Gründen. Photoscan AI misst präziser als Wearables Inzwischen gibt es diverse Methoden, um den Körperfettanteil zu bestimmen. Wearables schätzen ihn mithilfe der bioelektrischen Impedanzanalyse (BIA): Ein Messgerät leitet minimale Strommengen durch den Körper und da Fett den Strom schlechter leitet als Muskeln, lässt sich so der Körperfettanteil schätzen. Auch Körperfettwaagen nutzen dieses Prinzip. Um die exakte Verteilung zu ermitteln, ist ein aufwendigerer Scan erforderlich – neben dem MRT kommt hier oft die Röntgentechnologie DXA zum Einsatz. Google-Forscher haben mit Photoscan AI jetzt eine weitere Methode zur Körperfettbestimmung entwickelt. Hier wird die Zusammensetzung des Körpers mithilfe mehrerer 2D-Fotos berechnet. Zunächst trainierten die Forscher das System anhand von DXA-Röntgendaten, wobei sowohl der Gesamtkörperfettanteil als auch das Verhältnis zwischen Rumpf- und Beinfett sowie zwischen Organ- und subkutanem Fett gemessen wurde. Diese Daten kombinierte das Team mit MRT-Körperdaten. Durch die Feinabstimmung mit echten Smartphone-Fotos erreichte das Modell laut Google Research eine höhere Genauigkeit als BIA-Sensoren in Wearables. Weiterlesen nach der Anzeige Frühzeitige Erkennung von Insulinresistenz Google Research hatte es sich außerdem zum Ziel gesetzt, zu untersuchen, inwiefern Photoscan-Ergebnisse Erkrankungen wie Insulinresistenz vorhersagen könnten. „Insulinresistenz ist einer der kritischsten und dennoch am häufigsten unterdiagnostizierten Auslöser moderner Stoffwechselerkrankungen“, so Cassie Zhou und Ahmed Metwally in einem Blogbeitrag von Google Research. Schon Jahre vor dem klinischen Ausbruch von Typ-2-Diabetes könne eine verminderte Insulinsensitivität die Gesundheit unbemerkt beeinträchtigen. Eine niedrigschwellige Bestimmung könnte deshalb helfen, Insulinresistenzen frühzeitig zu erkennen. „Insgesamt belegen unsere Ergebnisse die Machbarkeit der Smartphone-basierten Schätzung der Körperzusammensetzung als skalierbares Instrument für die kardiometabolische Forschung. Die klinische DXA-Bildgebung liefert zwar die genauesten Ergebnisse zur Körperzusammensetzung, lässt aber die Skalierbarkeit vermissen, während tragbare BIA-Sensoren zwar komfortabel sind, aber nur den einfachen Körperfettanteil messen können“, so die Google-Wissenschaftler. Der Photoscan-Ansatz biete einen vielversprechenden Mittelweg. Er schätze die Körperzusammensetzung anhand einfacher Smartphone-Fotos mit einer Genauigkeit, die nah an die der DXA-Methode heranreiche. Dieser Beitrag ist zuerst auf t3n.de erschienen.