Metabolic HealthMaschinelles Lernen sagt jetzt Ihre Blutzuckerreaktion auf jede Mahlzeit voraus
Blutzuckerspitzen nach dem Essen sind hochgradig individuell, und Forscher setzen zunehmend maschinelles Lernen ein, um sie vorherzusagen. Diese narrative Übersichtsarbeit untersuchte 26 Studien, die ML-Modelle zur Vorhersage postprandialer glykämischer Reaktionen anhand persönlicher Daten entwickelten – darunter die Zusammensetzung des Darmmikrobioms, anthropometrische Messungen und Biomarker – sowie Nährstoffprofile von Lebensmitteln. Die erfolgreichsten Modelle verwendeten baumbasierte Algorithmen und wurden für gesunde Personen, Menschen mit Prädiabetes oder Diabetiker entwickelt. Trotz vielversprechender Vorhersagegenauigkeit unter kontrollierten Bedingungen haben klinische Studien, die ML-gestützte personalisierte Ernährungsempfehlungen testen, bislang keine bedeutsamen Verbesserungen gegenüber Standard-Ernährungsrichtlinien gezeigt. Die Übersichtsarbeit identifiziert wesentliche Lücken: Der Verarbeitungsgrad von Lebensmitteln wird selten erfasst, ethische und algorithmische Compliance-Fragen bleiben ungeklärt, und die Reproduzierbarkeit ist inkonsistent. Um dem entgegenzuwirken, schlagen die Autoren ein Mindestberichtsrahmenwerk mit einer Checkliste vor, um die künftige Forschung in diesem sich schnell entwickelnden Bereich zu standardisieren.
