{"id":23,"date":"2026-03-21T11:23:45","date_gmt":"2026-03-21T10:23:45","guid":{"rendered":"https:\/\/journalofartificialintelligence.com\/de\/2026\/03\/21\/kann-das-gewicht-mit-5-jahren-fettleibigkeit-im-erwachsenenalter-vorhersagen\/"},"modified":"2026-03-21T11:24:25","modified_gmt":"2026-03-21T10:24:25","slug":"kann-das-gewicht-mit-5-jahren-fettleibigkeit-im-erwachsenenalter-vorhersagen","status":"publish","type":"post","link":"https:\/\/journalofartificialintelligence.com\/de\/2026\/03\/21\/kann-das-gewicht-mit-5-jahren-fettleibigkeit-im-erwachsenenalter-vorhersagen\/","title":{"rendered":"Kann das Gewicht mit 5 Jahren Fettleibigkeit im Erwachsenenalter vorhersagen?"},"content":{"rendered":"<h1>Kann das Gewicht mit 5 Jahren Fettleibigkeit im Erwachsenenalter vorhersagen?<\/h1>\n<p>Fettleibigkeit bei Kindern und Erwachsenen stellt weltweit eine gro\u00dfe Herausforderung f\u00fcr die \u00f6ffentliche Gesundheit dar. Eine aktuelle Studie hat gezeigt, dass es m\u00f6glich ist, die Entwicklung des Body-Mass-Index (BMI) von Menschen vom Kindes- bis ins Erwachsenenalter mit gro\u00dfer Genauigkeit vorherzusagen. Um dies zu erreichen, nutzten Wissenschaftler einen innovativen Ansatz, der k\u00fcnstliche Intelligenz mit genetischen, famili\u00e4ren und umweltbedingten Daten kombiniert.<\/p>\n<p>Die Studie st\u00fctzte sich auf Daten von fast dreitausend Teilnehmern, die von ihrem 8. Lebensjahr bis zum Alter von 27 Jahren begleitet wurden. Die Forscher fanden heraus, dass das Gewicht im Alter von 5 Jahren, gemessen am Body-Mass-Index, der entscheidende Faktor ist, um das sp\u00e4tere Risiko f\u00fcr Fettleibigkeit abzusch\u00e4tzen. Dieser Zusammenhang ist besonders ausgepr\u00e4gt in der Kindheit, auch wenn sein Einfluss in der Jugend und im Erwachsenenalter leicht abnimmt. Dagegen wird der Einfluss genetischer Veranlagungen, der anhand von aus der DNA berechneten Werten bewertet wurde, nach dem 17. Lebensjahr wichtiger.<\/p>\n<p>Auch andere Faktoren spielen eine bedeutende Rolle. Das Gewicht und die Gr\u00f6\u00dfe der Eltern, ihr Bildungsniveau sowie die K\u00f6rperfettmessungen in der fr\u00fchen Kindheit beeinflussen ebenfalls die Gewichtsentwicklung. So erh\u00f6ht beispielsweise \u00dcbergewicht der Mutter vor oder w\u00e4hrend der Schwangerschaft das Risiko f\u00fcr das Kind. Ebenso kann ein benachteiligtes famili\u00e4res Umfeld den Zugang zu gesunder Ern\u00e4hrung und regelm\u00e4\u00dfiger k\u00f6rperlicher Aktivit\u00e4t einschr\u00e4nken, was die Gewichtszunahme beg\u00fcnstigt.<\/p>\n<p>Die Wissenschaftler verwendeten ein KI-Modell, das Hunderte von Variablen analysieren und die relevantesten herausfiltern kann. Dieses Modell brachte komplexe Zusammenh\u00e4nge zwischen diesen verschiedenen Faktoren ans Licht. Es zeigt insbesondere, dass die mit Fettleibigkeit im Erwachsenenalter assoziierten Gene mit zunehmendem Alter an Bedeutung gewinnen, w\u00e4hrend die Lebensbedingungen in der fr\u00fchen Kindheit f\u00fcr die ersten Lebensjahre entscheidend bleiben.<\/p>\n<p>Diese Erkenntnisse unterstreichen die Bedeutung fr\u00fchzeitiger Ma\u00dfnahmen zur Vorbeugung von Fettleibigkeit. Eine aufmerksame Beobachtung des Gewichts ab dem 5. Lebensjahr k\u00f6nnte helfen, die am st\u00e4rksten gef\u00e4hrdeten Kinder zu identifizieren und gezielte Ma\u00dfnahmen einzuleiten. Die Interventionen k\u00f6nnten sich auf Ern\u00e4hrungsgewohnheiten, k\u00f6rperliche Aktivit\u00e4t und die Unterst\u00fctzung von Familien konzentrieren, wobei die elterliche Vorgeschichte und die Lebensbedingungen ber\u00fccksichtigt werden.<\/p>\n<p>Der Einsatz von k\u00fcnstlicher Intelligenz in dieser Studie bietet eine neue M\u00f6glichkeit, zu verstehen, wie sich das Risiko f\u00fcr Fettleibigkeit im Laufe der Zeit entwickelt. Sie ebnet den Weg f\u00fcr personalisierte und effektivere Pr\u00e4ventionsstrategien, die auf Daten aus der fr\u00fchen Kindheit zur\u00fcckgreifen.<\/p>\n<hr>\n<h2>Sources et cr\u00e9dits<\/h2>\n<h3>\u00c9tude source<\/h3>\n<p><strong>DOI\u00a0:<\/strong> <a href=\"https:\/\/doi.org\/10.1038\/s41366-026-02050-1\" target=\"_blank\">https:\/\/doi.org\/10.1038\/s41366-026-02050-1<\/a><\/p>\n<p><strong>Titre\u00a0:<\/strong> Longitudinal prediction of BMI using explainable AI: integrating polygenic scores, maternal, early-life and familial factors<\/p>\n<p><strong>Revue : <\/strong> International Journal of Obesity<\/p>\n<p><strong>\u00c9diteur : <\/strong> Springer Science and Business Media LLC<\/p>\n<p><strong>Auteurs : <\/strong> Fuling Chen; Phillip E. Melton; Kevin Vinsen; Trevor Mori; Lawrence Beilin; Rae-Chi Huang<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Kann das Gewicht mit 5 Jahren Fettleibigkeit im Erwachsenenalter vorhersagen? Fettleibigkeit bei Kindern und Erwachsenen stellt weltweit eine gro\u00dfe Herausforderung f\u00fcr die \u00f6ffentliche Gesundheit dar. Eine aktuelle Studie hat gezeigt, dass es m\u00f6glich ist, die Entwicklung des Body-Mass-Index (BMI) von Menschen vom Kindes- bis ins Erwachsenenalter mit gro\u00dfer Genauigkeit vorherzusagen. Um dies zu erreichen, nutzten&hellip; <a class=\"more-link\" href=\"https:\/\/journalofartificialintelligence.com\/de\/2026\/03\/21\/kann-das-gewicht-mit-5-jahren-fettleibigkeit-im-erwachsenenalter-vorhersagen\/\"><span class=\"screen-reader-text\">Kann das Gewicht mit 5 Jahren Fettleibigkeit im Erwachsenenalter vorhersagen?<\/span> weiterlesen<\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[2,6],"tags":[],"class_list":["post-23","post","type-post","status-publish","format-standard","hentry","category-gesundheit","category-umwelt","entry"],"_links":{"self":[{"href":"https:\/\/journalofartificialintelligence.com\/de\/wp-json\/wp\/v2\/posts\/23","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/journalofartificialintelligence.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/journalofartificialintelligence.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/journalofartificialintelligence.com\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/journalofartificialintelligence.com\/de\/wp-json\/wp\/v2\/comments?post=23"}],"version-history":[{"count":1,"href":"https:\/\/journalofartificialintelligence.com\/de\/wp-json\/wp\/v2\/posts\/23\/revisions"}],"predecessor-version":[{"id":24,"href":"https:\/\/journalofartificialintelligence.com\/de\/wp-json\/wp\/v2\/posts\/23\/revisions\/24"}],"wp:attachment":[{"href":"https:\/\/journalofartificialintelligence.com\/de\/wp-json\/wp\/v2\/media?parent=23"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/journalofartificialintelligence.com\/de\/wp-json\/wp\/v2\/categories?post=23"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/journalofartificialintelligence.com\/de\/wp-json\/wp\/v2\/tags?post=23"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}