BMI allein reicht nicht: Wie anfällig ein übergewichtiger Mensch für Diabetes, Herz-Kreislauf-Erkrankungen und Co ist, hängt nicht nur vom Körpergewicht ab. Ein neues Modell verrät nun anhand von 20 einfachen Fragen und einem Bluttest, wie hoch das individuelle Risko tatsächlich ist. Es zeigt: Das höchste Risiko für viele Erkrankungen haben nicht immer diejenigen mit dem höchsten Body-Mass-Index, sondern oft Menschen, die „nur“ übergewichtig statt adipös sind, wie die Forschenden in „Nature Medicine“ berichten.
Immer mehr Menschen weltweit sind übergewichtig oder adipös – oft mit Folgen für ihre Gesundheit. Denn Adipositas fördert unter anderem Diabetes, Bluthochdruck, chronische Entzündungen und Herz-Kreislauf-Erkrankungen. Auch das Risiko für einige Krebsarten wie Darmkrebs oder Brustkrebs sowie für Demenz ist erhöht. Gleichzeitig verursacht die Fettleibigkeit Veränderungen im Gehirn, in der Darmflora und in den Fettzellen selbst, die das Abnehmen erschweren – für Betroffene ist dies oft ein Teufelskreis.
Übergewicht und das individuelle Gesundheitsrisiko
Doch längst nicht jeder Mensch mit Übergewicht oder Adipositas wird automatisch krank. Schon länger ist daher bekannt, dass der Body-Mass-Index (BMI) allein nicht ausreicht, um das individuelle Krankheitsrisiko zu bestimmen. „Aber die Parameter, die nötig sind, um ein klinisches, krankmachendes Übergewicht zu identifizieren und mögliche Komplikationen vorherzusagen, blieben bislang unklar“, erklären Kamil Demircan von der Queen Mary University of London und seine Kollegen.
Abhilfe schafft jetzt ein neues Modell. Dafür analysierten Demircan und sein Team die Gesundheitsdaten von knapp 200.000 Personen der UK Biobank, einer britischen Langzeitstudie. Mithilfe von künstlicher Intelligenz werteten sie mehr als 2000 verschiedene Parameter aus, darunter Blutwerte, Lebensstilfaktoren und Körpermaße. „Unser Ansatz repräsentiert eine der größten Studien zu Personen mit Übergewicht oder Adipositas“, schreibt das Team.
20 Faktoren verraten Risiko für 18 Krankheiten
Das Ergebnis ist das Modell OBSCORE, das auf Basis von 20 Faktoren das individuelle Risiko eines Menschen für 18 verschiedenen Erkrankungen vorhersagen kann, darunter Typ-2-Diabetes, Bluthochdruck, Apnoe, Gicht, Nierenschäden und verschiedenen Herz-Kreislauf-Erkrankungen. „Durch die systematische, datengestützte Analyse einer Vielzahl von Gesundheitsfaktoren konnten wir eine kleine Gruppe von Faktoren identifizieren, die in ihrer Gesamtheit dazu beitragen können, Personen mit dem höchsten Risiko früher zu erkennen“, sagt Demircan.
Interessant dabei: Das höchste Risiko für viele dieser Krankheiten hatten nicht immer die Personen mit dem höchsten BMI. Stattdessen kann eine bestimmte Kombination aus Lebensstil und metabolischen Faktoren auch Menschen mit einem BMI unter 30 in die höchste Risikokategorie bringen, wie die Forschenden feststellten. Umgekehrt zeigte der Vergleich von drei Personen mit gleichem Alter, Geschlecht hat und BMI ein sehr unterschiedliches Risikoprofil.
Hilfe zur Prävention und gezielteren Behandlung
Damit bestätigen diese Ergebnisse, dass der Body-Mass-Index allein nicht ausreicht, um das individuelle Krankheitsrisiko eines Menschen vorherzusagen. Das OBSCURE-Modell könnte künftig dabei helfen, „gesunde“ Übergewichtige von krankheitsgefährdeten Personen zu unterscheiden. Letztere könnten dann gezielter als bisher Hilfe bekommen und beispielsweise einen GLP-1-Wirkstoff wie Semaglutid oder Tirzepatid erhalten, selbst wenn sie noch nicht adipös sind.
„Da immer mehr Menschen weltweit von Adipositas betroffen sind, ist die Prävention der damit verbundenen langfristigen gesundheitlichen Komplikationen zu einer der größten Herausforderungen für globale Gesundheitssysteme geworden“, sagt Seniorautorin Claudia Langenberg von der Queen Mary University und dem Berlin Institute of Health in der Charité. „Hier haben wir erfolgreich ein datengestütztes Rahmenkonzept entwickelt, das Personen mit erhöhten Komplikationsgefahren identifiziert.“
Quelle: Kamil Demircan (Queen Mary University of London) et al., Nature Medicine, 2026; doi: 10.1038/s41591-026-04353-2
Quelle:
www.wissenschaft.de
