Statt Wearables: Google-Forscher messen K\u00f6rperfett anhand von Smartphone-Fotos<\/p>\n
Fettleibigkeit und die damit verbundenen gesundheitlichen Folgen sind weit verbreitet \u2013 auch in Deutschland. Zwar l\u00e4sst sich der eigene K\u00f6rperfettanteil inzwischen bequem von zuhause aus sch\u00e4tzen, eine genaue Messung der Verteilung im K\u00f6rper war bisher aber nur mit aufwendigen medizinischen Methoden m\u00f6glich. Google will das jetzt \u00e4ndern: Das Research-Team hat mit Photoscan AI<\/a> einen neuen Ansatz entwickelt, der eine pr\u00e4zise Bestimmung des K\u00f6rperfettanteils allein anhand einfacher Smartphone-Fotos erm\u00f6glichen soll.<\/p>\n Weiterlesen nach der Anzeige<\/p>\n Warum der K\u00f6rperfettanteil eine Rolle spielt<\/p>\n Der K\u00f6rperfettanteil gibt an, wie viel Prozent des K\u00f6rpergewichts aus Fett bestehen. Er liegt in der Regel zwischen 10 und 50 Prozent. Wie viel K\u00f6rperfett als gesund gilt, h\u00e4ngt vor allem von Geschlecht und Alter ab. Frauen haben grunds\u00e4tzlich einen h\u00f6heren K\u00f6rperfettanteil als M\u00e4nner. Als guter Wert gelten hier 21 bis 35 Prozent, f\u00fcr M\u00e4nner acht bis 24 Prozent. Mit zunehmendem Alter steigt der K\u00f6rperfettanteil meist, w\u00e4hrend die Muskelmasse abnimmt.<\/p>\n Das K\u00f6rperfett \u00fcbernimmt verschiedene Funktionen: Es dient als Energiespeicher und Isolierschicht und h\u00e4lt einige Organe in ihrer Position. Menschen mit zu wenig K\u00f6rperfett geraten schnell an ihre Grenzen, w\u00e4hrend zu viel K\u00f6rperfett die Gesundheit ebenfalls belasten kann. So steht beispielsweise zu viel Bauchfett mit einem erh\u00f6hten Risiko f\u00fcr Herz-Kreislauf-Krankheiten oder Diabetes in Zusammenhang<\/a>. Deshalb ist es wichtig, das eigene K\u00f6rperfett im Auge zu behalten<\/a> \u2013 nicht nur aus \u00e4sthetischen, sondern vor allem aus gesundheitlichen Gr\u00fcnden.<\/p>\n Photoscan AI misst pr\u00e4ziser als Wearables<\/p>\n Inzwischen gibt es diverse Methoden, um den K\u00f6rperfettanteil zu bestimmen. Wearables sch\u00e4tzen ihn mithilfe der bioelektrischen Impedanzanalyse (BIA): Ein Messger\u00e4t leitet minimale Strommengen durch den K\u00f6rper und da Fett den Strom schlechter leitet als Muskeln, l\u00e4sst sich so der K\u00f6rperfettanteil sch\u00e4tzen. Auch K\u00f6rperfettwaagen nutzen dieses Prinzip. Um die exakte Verteilung zu ermitteln, ist ein aufwendigerer Scan erforderlich \u2013 neben dem MRT kommt hier oft die R\u00f6ntgentechnologie DXA zum Einsatz. <\/p>\n Google-Forscher haben mit Photoscan AI jetzt eine weitere Methode zur K\u00f6rperfettbestimmung entwickelt. Hier wird die Zusammensetzung des K\u00f6rpers mithilfe mehrerer 2D-Fotos berechnet. Zun\u00e4chst trainierten die Forscher das System anhand von DXA-R\u00f6ntgendaten, wobei sowohl der Gesamtk\u00f6rperfettanteil als auch das Verh\u00e4ltnis zwischen Rumpf- und Beinfett sowie zwischen Organ- und subkutanem Fett gemessen wurde. Diese Daten kombinierte das Team mit MRT-K\u00f6rperdaten. Durch die Feinabstimmung mit echten Smartphone-Fotos erreichte das Modell laut Google Research eine h\u00f6here Genauigkeit als BIA-Sensoren in Wearables.<\/p>\n Weiterlesen nach der Anzeige<\/p>\n Fr\u00fchzeitige Erkennung von Insulinresistenz<\/p>\n Google Research hatte es sich au\u00dferdem zum Ziel gesetzt, zu untersuchen, inwiefern Photoscan-Ergebnisse Erkrankungen wie Insulinresistenz vorhersagen k\u00f6nnten. \u201eInsulinresistenz ist einer der kritischsten und dennoch am h\u00e4ufigsten unterdiagnostizierten Ausl\u00f6ser moderner Stoffwechselerkrankungen\u201c, so Cassie Zhou und Ahmed Metwally in einem Blogbeitrag von Google Research. Schon Jahre vor dem klinischen Ausbruch von Typ-2-Diabetes k\u00f6nne eine verminderte Insulinsensitivit\u00e4t die Gesundheit unbemerkt beeintr\u00e4chtigen. Eine niedrigschwellige Bestimmung k\u00f6nnte deshalb helfen, Insulinresistenzen fr\u00fchzeitig zu erkennen.<\/p>\n \u201eInsgesamt belegen unsere Ergebnisse die Machbarkeit der Smartphone-basierten Sch\u00e4tzung der K\u00f6rperzusammensetzung als skalierbares Instrument f\u00fcr die kardiometabolische Forschung. Die klinische DXA-Bildgebung liefert zwar die genauesten Ergebnisse zur K\u00f6rperzusammensetzung, l\u00e4sst aber die Skalierbarkeit vermissen, w\u00e4hrend tragbare BIA-Sensoren zwar komfortabel sind, aber nur den einfachen K\u00f6rperfettanteil messen k\u00f6nnen\u201c, so die Google-Wissenschaftler. Der Photoscan-Ansatz biete einen vielversprechenden Mittelweg. Er sch\u00e4tze die K\u00f6rperzusammensetzung anhand einfacher Smartphone-Fotos mit einer Genauigkeit, die nah an die der DXA-Methode heranreiche.<\/p>\n Dieser Beitrag ist zuerst auf t3n.de<\/a> erschienen.<\/p>\n