Besser als Wearables: Google-Forscher messen Körperfett anhand von Smartphone-Fotos

Was geschehen ist: Die neue Methode zur Körperfettanalyse

Google-Forscher haben mit der Entwicklung von „Photoscan AI“ einen technologischen Fortschritt in der Gesundheitsanalyse erzielt. Das Team von Google Research präsentierte einen neuen Ansatz, der es ermöglichen soll, den Körperfettanteil sowie dessen spezifische Verteilung im menschlichen Körper allein durch die Analyse von einfachen 2D-Smartphone-Fotos zu bestimmen. Bisher war eine derart detaillierte Auswertung, die über eine bloße Schätzung hinausgeht, nur durch den Einsatz aufwendiger medizinischer Geräte möglich. Die Forscher zielen darauf ab, eine Lücke zwischen der ungenauen, aber komfortablen Messung durch Wearables und der hochpräzisen, jedoch schwer zugänglichen klinischen Bildgebung zu schließen. Das System nutzt künstliche Intelligenz, um aus den optischen Daten der Fotos Rückschlüsse auf die Körperzusammensetzung zu ziehen. Damit könnte in Zukunft ein Werkzeug zur Verfügung stehen, das gesundheitliche Risiken wie eine Insulinresistenz frühzeitig erkennbar macht, ohne dass der Nutzer dafür eine Arztpraxis für einen aufwendigen Scan aufsuchen muss. Die Methode stellt einen skalierbaren Ansatz dar, der die kardiometabolische Forschung und die persönliche Gesundheitsvorsorge maßgeblich verändern könnte.

Die Einzelheiten: Daten, Methoden und wissenschaftliche Grundlagen

Die technologische Basis von Photoscan AI beruht auf einer komplexen Trainingsphase, in der das System mit klinischen Daten kalibriert wurde. Die Forscher nutzten für das Training primär DXA-Röntgendaten, die als Goldstandard für die Messung der Körperzusammensetzung gelten. Dabei wurden nicht nur der Gesamtfettanteil, sondern auch differenzierte Verhältnisse wie das Verhältnis zwischen Rumpf- und Beinfett sowie zwischen Organfett und subkutanem Fett analysiert. Um die Genauigkeit weiter zu steigern, kombinierte das Team diese Informationen mit MRT-Körperdaten. In der finalen Phase erfolgte eine Feinabstimmung mittels echter Smartphone-Aufnahmen. Laut den Angaben von Google Research übertrifft das Modell in der Genauigkeit die bisher gebräuchlichen bioelektrischen Impedanzanalysen (BIA), wie sie in gängigen Wearables oder Körperfettwaagen verbaut sind. Während BIA-Sensoren lediglich minimale Strommengen durch den Körper leiten, um den Widerstand zwischen Fett und Muskeln zu messen, wertet Photoscan AI die visuelle Form und Struktur aus. Die Forscher betonen, dass diese Methode einen vielversprechenden Mittelweg zwischen der Skalierbarkeit von Apps und der Präzision klinischer Bildgebungsverfahren darstellt.

Hintergrund: Warum die Messung des Körperfetts so wichtig ist

Der Körperfettanteil fungiert als ein entscheidender Indikator für den Gesundheitszustand eines Menschen. Er beschreibt den prozentualen Anteil des Körpergewichts, der aus Fettgewebe besteht, wobei gesunde Werte maßgeblich von Alter und Geschlecht abhängen. Während Frauen in der Regel einen Anteil zwischen 21 und 35 Prozent aufweisen, liegt der Bereich für Männer bei etwa acht bis 24 Prozent. Fettgewebe erfüllt im menschlichen Körper essenzielle Aufgaben: Es dient als Energiespeicher, isoliert gegen Kälte und schützt die Lage innerer Organe. Dennoch kann ein Übermaß an Fett, insbesondere das viszerale Bauchfett, schwerwiegende gesundheitliche Folgen haben. Es steht in direktem Zusammenhang mit einem erhöhten Risiko für Herz-Kreislauf-Erkrankungen und Diabetes. Da der Körperfettanteil mit zunehmendem Alter meist steigt, während die Muskelmasse gleichzeitig abnimmt, ist eine regelmäßige Überwachung für viele Menschen ratsam. Bisherige Methoden zur Messung waren jedoch entweder zu ungenau, wie es bei einfachen Waagen der Fall ist, oder zu kostspielig und zeitintensiv, wie es bei MRT- oder DXA-Scans der Fall ist, die nur in medizinischen Einrichtungen durchgeführt werden können.

Die Beteiligten: Wer hinter der Forschung steht

Die Entwicklung von Photoscan AI wurde maßgeblich durch das Team von Google Research vorangetrieben. Zu den namentlich genannten Akteuren gehören die Wissenschaftler Cassie Zhou und Ahmed Metwally. In einem offiziellen Blogbeitrag erläuterten sie die Beweggründe und die wissenschaftliche Zielsetzung hinter dem Projekt. Sie betonen dabei insbesondere die Rolle der Insulinresistenz als einen der kritischsten, aber häufig unterdiagnostizierten Auslöser für moderne Stoffwechselerkrankungen. Die Forscher fungieren hierbei als Schnittstelle zwischen hochspezialisierter medizinischer Bildgebung und der breiten Anwendbarkeit von Smartphone-Technologie. Ihre Arbeit richtet sich an die wissenschaftliche Gemeinschaft im Bereich der kardiometabolischen Forschung, wobei sie den Nutzen für den Endanwender durch die einfache Verfügbarkeit der Technologie hervorheben. Institutionell ist das Projekt fest in der Forschungsabteilung von Google verankert, die regelmäßig neue KI-gestützte Lösungen für den Gesundheitssektor evaluiert und testet. Es gibt keine weiteren externen Partner, die in diesem Zusammenhang explizit als Entscheidungsträger oder Mitwirkende genannt werden.

Einordnung: Was der neue Ansatz bedeutet

Den Berichten zufolge markiert Photoscan AI einen Paradigmenwechsel in der Gesundheitsüberwachung. Einzuordnen ist das so: Während Wearables zwar bequem sind, liefern sie oft nur grobe Schätzwerte, die durch Faktoren wie den Hydratationszustand des Körpers verfälscht werden können. Die klinische DXA-Bildgebung hingegen ist zwar hochpräzise, aber aufgrund der Kosten und der erforderlichen Infrastruktur nicht für den Alltag geeignet. Die Google-Methode besetzt eine Nische, die bisher als unbesetzt galt. Dass eine KI allein aus 2D-Bildern eine derart hohe Genauigkeit erzielen kann, ist bemerkenswert. Dennoch ist Vorsicht geboten: Die Technologie befindet sich im Forschungsstadium. Die Bewertung der Forscher, dass das System einen „vielversprechenden Mittelweg“ darstellt, unterstreicht den experimentellen Charakter. Es ist davon auszugehen, dass die Integration in den Alltag eine enorme Hürde darstellt, da die Qualität der Fotos, die Beleuchtung und die Positionierung des Nutzers die Messergebnisse maßgeblich beeinflussen könnten. Dennoch zeigt der Ansatz, dass die Kombination aus KI und einfacher Bildverarbeitung das Potenzial hat, die medizinische Diagnostik zu demokratisieren.

Offene Fragen: Was der Quelltext nicht beantwortet

Obwohl die technologische Machbarkeit von Photoscan AI durch Google Research hervorgehoben wird, lässt der Quelltext zahlreiche Fragen offen, die für eine praktische Anwendung entscheidend wären. So wird nicht erläutert, wie genau die App den Nutzer beim Fotografieren anleiten muss, um die notwendige Präzision zu gewährleisten. Es bleibt unklar, welche Rolle die Lichtverhältnisse oder die Kleidung bei der Bildanalyse spielen und ob diese Faktoren die Messergebnisse verfälschen könnten. Zudem gibt es keine Informationen darüber, ob und wann Google plant, diese Technologie in eine für Endverbraucher zugängliche App zu integrieren. Auch die Frage nach dem Datenschutz, insbesondere im Hinblick auf die Verarbeitung sensibler Körperdaten in der Cloud, wird nicht adressiert. Es wird nicht spezifiziert, ob die Berechnung lokal auf dem Smartphone oder auf Google-Servern erfolgt. Weiterhin fehlen Angaben zu einer möglichen Zertifizierung als Medizinprodukt, die für eine klinische Nutzung zwingend erforderlich wäre. Auch die Fehlertoleranz des Systems bei unterschiedlichen Körpertypen oder bei Menschen mit körperlichen Einschränkungen bleibt in den vorliegenden Berichten völlig unerwähnt.

Wie es weitergeht: Ausstehende Schritte und Entwicklungen

Der Quelltext nennt keine konkreten Termine für eine Markteinführung oder eine öffentliche Beta-Phase von Photoscan AI. Die Informationen konzentrieren sich primär auf die wissenschaftliche Veröffentlichung der Ergebnisse durch Google Research. Die Forscher betrachten ihre Arbeit als einen Beitrag zur kardiometabolischen Forschung, was darauf hindeutet, dass das Projekt vorerst in einem akademischen oder experimentellen Rahmen verbleibt. Es sind keine Ankündigungen zu finden, die auf eine baldige Integration in die Google-Fit-Plattform oder andere Consumer-Produkte hindeuten. Die nächsten Schritte dürften daher in der weiteren Validierung der KI-Modelle liegen, um die Genauigkeit unter verschiedenen Alltagsbedingungen zu bestätigen. Ob und wann die Technologie den Sprung aus dem Labor in die Hände der Nutzer schafft, hängt vermutlich von weiteren klinischen Studien und der Klärung regulatorischer Anforderungen ab. Bis dahin bleibt das System ein vielversprechendes Forschungsprojekt, das den Weg für eine neue Generation von Gesundheits-Apps ebnen könnte, die weit über das bloße Zählen von Schritten oder die einfache Messung der Herzfrequenz hinausgehen.