Zirkadianer Rhythmus und metabolisches Syndrom: Studie mit 272 Erwachsenen

Eine in JMIR Medical Informatics (2025) veröffentlichte Querschnittsstudie hat die Daten von 272 Personen aus einer Bürgerkohorte in Daejeon, Südkorea, ausgewertet: 88 mit metabolischem Syndrom und 184, die keines seiner Kriterien erfüllten. Alle trugen mindestens fünf Werktage lang ein Gerät am Handgelenk, das Minute für Minute Herzfrequenz, Schritte und Schlaf aufzeichnete. Aus den Daten wurden 26 Indikatoren abgeleitet, darunter Schlafmarker (Schlafmittelpunkt, Gesamtschlafzeit) und Marker des zirkadianen Rhythmus.

Um zu verstehen, welche Indikatoren am meisten zählten, verwendeten die Autoren Modelle erklärbarer künstlicher Intelligenz (XAI). Die Marker des zirkadianen Rhythmus, vor allem die aus der Herzfrequenz abgeleiteten, waren stärker mit dem metabolischen Syndrom verbunden als die Schlafmarker.

Das metabolische Syndrom ist die Kombination aus abdominaler Adipositas, Insulinresistenz, arterieller Hypertonie, Hypertriglyzeridämie und niedrigem HDL.

Es ist mit einem höheren Risiko für Typ-2-Diabetes und Herz-Kreislauf-Erkrankungen verbunden.

Erklärbare künstliche Intelligenz (XAI): nicht nur Ergebnisse, auch Erklärungen

Anders als viele Modelle künstlicher Intelligenz liefert XAI nicht nur ein Ergebnis: Sie zeigt, welche Variablen am meisten zählten, in welche Richtung und mit welchem Gewicht. In der Medizin ist das wichtig, denn wer ein Ergebnis liest, muss verstehen, warum das Modell sagt, was es sagt. Die Studie verwendete drei verschiedene Methoden: SHAP, explainable boosting machine und ein neuronales Netz für tabellarische Daten.

In allen Modellen war der wichtigste Marker ein neuer, von den Autoren vorgeschlagener: die aus der Herzfrequenz abgeleitete Energie des zirkadianen Rhythmus (CCE), die bei Menschen mit metabolischem Syndrom niedriger war. Auch andere aus der Herzfrequenz abgeleitete Marker zählten, etwa die relative Amplitude des Rhythmus und die Phase geringerer Aktivität.

Die Schlafmarker hingegen erreichten keine statistische Signifikanz und traten nur als sekundäre Faktoren auf. Die CCE behielt ihr Gewicht auch unter Berücksichtigung von Alter, Geschlecht und Body-Mass-Index. Es ist eine Querschnittsstudie: Sie beschreibt einen Zusammenhang in einer Gruppe, kein persönliches Risiko.

Puls und Schritte, die von einer Uhr oder einem Armband aufgezeichnet werden, sind dieselben Datenarten wie in dieser Studie, aber die zirkadianen Indikatoren der Studie sind keine Funktion der App. Der Digitale Zwilling reiht die Daten aneinander, die deine Geräte auf das Handy schreiben, wie Schritte, Puls und Schlaf, und zeigt dir ihren Verlauf über die Zeit. Er schätzt das Risiko für ein metabolisches Syndrom nicht ein und stellt keine Diagnosen: Diese Forschung beschreibt Gruppen von Menschen, nicht dich. Für das Lesen deiner Werte ist dein Arzt da.