Mit KI erkannte INSULINRESISTENZ erhöht das Risiko für 12 Krebsarten
In diesem Artikel
DER VERBORGENE BIOLOGISCHE MOTOR VON KREBS
AI-IR, ein neuer digitaler Score, der mithilfe künstlicher Intelligenz zur Abschätzung der Insulinresistenz im Körper entwickelt wurde, beleuchtet nicht nur das Gewicht eines Menschen, sondern auch sein metabolisches Risiko. Diese Eigenschaft bietet eine bemerkenswerte Neuerung für die Krebsfrüherkennung und die genauere Auswahl von Risikopersonen.
Wir wissen seit Langem, dass Diabetes und Adipositas das Krebsrisiko erhöhen. Die „Insulinresistenz“, die eigentliche Brücke zwischen diesen beiden Zuständen, war jedoch ein Parameter, der im klinischen Alltag schwer zu messen war (weil die Goldstandardverfahren aufwendig sind) und häufig übersehen wurde. Diese in Nature Communications veröffentlichte Studie zeigt, dass ein „digitaler Insulinresistenzscore“ (AI-IR), den künstliche Intelligenz ohne komplexe Labortests aus 9 grundlegenden klinischen Datenpunkten erstellt, nicht nur das Diabetesrisiko eines Menschen, sondern auch seine Anfälligkeit für 12 verschiedene Krebsarten wie ein Leuchtfeuer erhellen kann.
Digitaler Biomarker: Wie funktioniert das AI-IR-Modell?
Anstelle der komplexen „Clamp“-Technik zur Feststellung einer Insulinresistenz entwickelten die Forschenden einen Algorithmus des maschinellen Lernens, der in jedem Krankenhaus routinemäßig erhobene Parameter zusammenführt. AI-IR ist der Name dieses Modells, das durch die Analyse der folgenden 9 Parameter eine hohe Genauigkeit von 88% (AUC: 0.88) erreicht:
Die 9 klinischen Datenpunkte, auf die der Algorithmus zurückgreift
Diese umfangreiche Analyse von UK-Biobank-Daten zu 372395 krebsfreien Personen bewies, dass der AI-IR-Score bei der Vorhersage von Diabetes herkömmlichen Methoden wie BMI und metabolischem Syndrom weit überlegen ist.
Der Zusammenhang zwischen 12 Krebsarten und Insulinresistenz
Die Studie zeigte, dass das Krebsrisiko bei Menschen mit einem hohen AI-IR-Score signifikant zunahm. Die statistisch stärksten Zusammenhänge (nach „Bonferroni“-Korrektur) wurden bei folgenden Arten festgestellt:
Diese Krebsart weist den stärksten Zusammenhang mit Insulinresistenz auf.
Neben diesen wesentlichen Krebsarten wurde beobachtet, dass auch das Risiko für Dickdarmkrebs, Brustkrebs (bei Frauen), Magenkrebs, Leberkrebs, Gallenblasenkrebs, Leukämie und Lungenkrebs direkt proportional zum Insulinresistenzscore zunahm. In der zusammengefassten Krebsanalyse (composite cancer) wurde ein alters- und geschlechtsbereinigter Risikoanstieg von %25 berechnet.
Gewicht ist nicht alles: BMI-unabhängige Risiken
Eine der bemerkenswertesten Erkenntnisse für die Onkologie ist, dass die Wirkung der Insulinresistenz nicht allein durch „Übergewicht“ erklärt werden kann. Die Forschenden stellten fest, dass der Einfluss der Insulinresistenz auf Krebs auch nach einer Anpassung der Daten an den Body-Mass-Index (BMI) bestehen blieb.
Dagegen wurde in der Studie zwischen Insulinresistenz und Hautkrebs ein inverser Zusammenhang (HR: 0.85) festgestellt; dies wirft die Frage auf, wie Stoffwechselprozesse in unterschiedlichen Geweben unterschiedliche Reaktionen hervorrufen können.
Heilung beginnt mit metabolischer Ehrlichkeit
In unserer Geschichte mit Krebs konzentrieren wir uns oft auf den genetischen Code eines Tumors, vernachlässigen jedoch manchmal die Stoffwechselgesundheit des „Bodens“ (des Körpers), der ihn beherbergt. Diese Studie flüstert uns zu: Insulinresistenz ist ein stiller Sturm, der die Ruhe der Zellen stört und sie auf den Weg zur Krebsentstehung drängt.
Dieser von künstlicher Intelligenz angebotene digitale Biomarker (AI-IR) ist Teil unserer Vision einer präzisen Orientierung in der Onkologie. Statt nur „Achten Sie auf Ihr Gewicht“ zu sagen, können wir nun die metabolische Risikolandkarte eines Menschen erstellen und durch gezielte Früherkennungsuntersuchungen die Chance einer frühen Diagnose nutzen. Heilung bedeutet, das biologische Orchester des Körpers (das Gleichgewicht von Insulin und Zucker) wieder harmonisch spielen zu lassen.
Wissenschaftliche Quellen und vertiefende Lektüre
- 1. Lee CL, et al. (2026). Machine learning-predicted insulin resistance is a risk factor for 12 types of cancer. Nature Communications.
- 2. UK Biobank Prospective Cohort Study (2006-2022). Cardiovascular and Cancer Incidence Analysis.
- 3. HOMA-IR and Hyperinsulinemic-euglycemic clamp validation studies. Journal of Clinical Investigation.
War dieser Artikel hilfreich?
Ihre Rückmeldung hilft uns, unsere Inhalte zu verbessern.
Leserkommentare
Kommentar verfassen
Ihr Name und Ihr Kommentar werden erst nach Freigabe durch die Administration veröffentlicht. Ihre E-Mail-Adresse wird Besuchern niemals angezeigt.
Schreiben Sie den ersten Kommentar.