UCL-Modelle: Typ-2-Diabetes-Risiko lässt sich bis zu 15 Jahre vorher berechnen
LONDON (IT BOLTWISE) – Forscher des University College London (UCL) haben statistische Modelle vorgestellt, die das Risiko für Typ-2-Diabetes über Zeiträume von 5, 10 und 15 Jahren vorhersagen. Als Datengrundlage diente unter anderem die Whitehall-II-Trainingskohorte mit 4.502 Teilnehmenden. In der externen Validierung erreichte das Verfahren mit Random Survival Forest für das 10-Jahres-Risiko einen C-Index von 0,822. Das LASSO-Modell lag mit 0,820 ähnlich nah beieinander, benötigt aber weniger Prädiktoren.
🧠 KI & Robotik auf Google News abonnieren
Die Frage, wer in den nächsten Jahren an Typ-2-Diabetes erkrankt, ist in der Medizin längst zu mehr als einer Momentaufnahme geworden. Genau dort setzen die neuen UCL-Modelle an: Sie sollen nicht nur kurzfristige Laborwerte abbilden, sondern das Erkrankungsrisiko mit statistischen Methoden über 5, 10 und 15 Jahre hinweg schätzen. Damit verschiebt sich der Fokus in Richtung früher Risikostratifizierung, weil Präventionsfenster häufig deutlich vor der formalen Diagnose liegen.
Technisch basiert der Ansatz auf zwei unterschiedlichen Modellfamilien, die jeweils unterschiedliche Stärken haben. Für die Entwicklung nutzten die Forschenden die Whitehall-II-Trainingskohorte mit 4.502 Probanden. Getestet wurde die Genauigkeit anschließend in einer internen Testkohorte mit 1.929 Teilnehmenden; zusätzlich prüften sie die Übertragbarkeit mithilfe der Daten der English Longitudinal Study of Ageing (ELSA). Interessant ist dabei, wie konsistent die beobachteten Fallzahlen in den Datensätzen sind: In der Whitehall-II-Testkohorte traten 235 Diabetesfälle auf, während in ELSA 255 Fälle verzeichnet wurden. Diese Abdeckung schafft eine solide Grundlage, um die Modelle nicht nur „im Labor“ zu betrachten, sondern auch unter realistischeren Bedingungen.
Für die externe Validierung spielt der C-Index eine zentrale Rolle, weil er die Trennschärfe zwischen später erkrankten und nicht erkrankten Personen beschreibt. Für das 10-Jahres-Risiko lieferte das Random-Survival-Forest-Verfahren (RSF) einen C-Index von 0,822. Das alternative LASSO-Modell kam auf 0,820. Schon diese nahezu identischen Werte deuten darauf hin, dass es nicht zwingend nur einen „besten“ Algorithmus gibt, sondern dass zwei verschiedene Herangehensweisen das gleiche Signal im Datenrauschen finden. Aus Sicht der Umsetzung in Versorgungskontexten ist die Vergleichbarkeit besonders relevant, denn sie eröffnet Spielraum bei der Modellwahl.
Genau hier liegt der praktische Knackpunkt: Laut den begleitenden Einordnungen aus der Forschung benötigt das LASSO-Modell eine geringere Anzahl an Prädiktoren. Weniger Eingangsgrößen bedeuten in der Primärversorgung typischerweise weniger Dokumentationsaufwand und weniger fehlende Daten in der Routine. Wenn eine Risikoabschätzung auch mit einem reduzierten Merkmalsset valide bleibt, steigt die Wahrscheinlichkeit, dass Ärztinnen und Ärzte das Instrument tatsächlich in Entscheidungsprozesse integrieren. Ergänzend kommt eine bereits existierende deutsche Schiene ins Spiel: In Deutschland wird bereits ein vom Deutschen Institut für Ernährungsforschung entwickelter Diabetes-Risiko-Test verwendet, der das Erkrankungsrisiko innerhalb der nächsten zehn Jahre für Erwachsene ohne bekannte Diabetesdiagnose schätzt. Die neuen UCL-Modelle würden dieses Spektrum perspektivisch erweitern – vor allem, weil sie über 10 Jahre hinaus planen können.
Dass die Entwicklung solcher Präventionsinstrumente nicht nur akademisch ist, unterstreichen auch die von Fachgesellschaften genannten Versorgungsziele. Nach Angaben der Deutschen Diabetes Gesellschaft (DDG) leben bundesweit mehr als 9 Millionen Menschen mit Typ-2-Diabetes. Ökonomisch wirkt die Lage ebenfalls: Für das Jahr 2024 wurden diabetesbezogene Gesundheitsausgaben auf rund 36 Milliarden Euro geschätzt, wobei die direkten medizinischen Kosten bei diagnostiziertem Diabetes etwa doppelt so hoch ausfallen wie bei vergleichbaren Personen ohne die Erkrankung. Im klinischen Alltag übersetzen sich solche Zahlen in eine simple Priorität: Je früher man ein erhöhtes Risiko identifiziert, desto eher lassen sich Interventionen so platzieren, dass Folgeschäden und Intensivbehandlungen möglichst spät oder gar nicht auftreten.
Auch die Wirksamkeit von Maßnahmen mit Lebensstilbezug lässt sich mit konkreten Studiendynamiken belegen. Bei Personen mit Hochrisiko-Prädiabetes konnte laut den genannten Lebensstil-Daten Leberfett relativ um 24 % durch Interventionen gesenkt werden; bei intensiveren Maßnahmen lag die Reduktion sogar bei 37 %. Besonders deutlich werden Effekte in Bezug auf das Erkrankungsrisiko: Nach zwei Jahren wiesen Teilnehmende, die Gewicht reduzierten und normale Blutzuckerwerte erreichten, ein um 73 % geringeres Risiko auf, an Typ-2-Diabetes zu erkranken. Für die Praxis ergibt sich daraus ein mehrstufiges Bild, bei dem Risikoabschätzung, engmaschige Kontrolle und das Anpassen der Präventionsstrategie zusammenwirken. Die DDG empfiehlt bei erhöhten Laborwerten eine Kontrolle nach drei Monaten und danach einen halbjählichen Turnus, um die Maßnahmen zielgerichtet nachzuschärfen.
Für Unternehmen im Gesundheitsumfeld und für Entwickler von klinischen Entscheidungsunterstützungssystemen ist die Meldung vor allem deshalb spannend, weil hier messbar robuste Modelle mit potenziell versorgungsfreundlicheren Input-Anforderungen kombiniert werden. Ein LASSO-ähnlicher Ansatz, der mit weniger Prädiktoren auskommt, ist häufig leichter in bestehende Workflows zu integrieren und reduziert die Hürden bei der Datenqualität. Gleichzeitig zeigen RSF-Ansätze, dass man mit Methoden, die Zeit bis zum Ereignis modellieren, Risiken über lange Horizonte erfassen kann. Entscheidend wird nun, wie schnell sich solche Modellfamilien in Pilotprojekten in der Routine bewähren und ob sie sich mit vorhandenen Labor- und Anamnesedaten so operationalisieren lassen, dass aus der Kennzahl (etwa dem C-Index) ein handlungsleitender Vorschlag für die Versorgung wird.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!