Knowledge-Hub Digitalisierung, KI & Gesundheitein Angebot von Monitor Versorgungsforschung

Knowledge-Hub Digitalisierung, KI & Gesundheit › Studien

Machine Learning zur Vorhersage langfristigen Gewichtserhalts nach Fasten: Mikrobiom- und klinische Prädiktoren

Kaufhold G et al. · Genome Med · erschienen 16.09.2026 · in PubMed seit 18.09.2026 · PMID 42754908

Von KI ausgewählt und zusammengefasst

Worum es geht

Randomisierte, wartelisten-kontrollierte Studie an 38 gesunden Erwachsenen mit 5-Tage-Fastenintervention und 12-Wochen-Follow-up; Machine-Learning-Modelle identifizierten Baseline-Prädiktoren des individuellen Gewichtsverlust-Ansprechens an Tag 84 und externe Validierung in drei unabhängigen Kohorten.

Ergebnis

Modell kombinierend Mikrobiom und klinische Variablen (Faecalibacterium-Art, Oscillibacter sp., LDL-Cholesterin, systolischer Blutdruck) sagte Gewichtsverlust-Response vorhersehbar; Modell generalisierte auf drei externe Kohorten einschließlich Metabolisches-Syndrom-Patienten und Multiple-Sklerose-Patienten mit wiederholtem Fasten; Baseline-Mikrobiom-Diversität assoziiert mit postfastingem Mikrobindiversitäts-Wandel.

Übertragbarkeit auf Deutschland

Deutschland (Charité Berlin), prospektive Originaldaten, vergleichbare Bevölkerung

Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.