Genequest und Fujitsu entdecken neue kausale Zusammenhänge zwischen Genetik und Lebensstil

Genequest und Fujitsu haben nach eigenen Angaben mithilfe von KI Erkenntnisse über die kausalen Zusammenhänge zwischen Genetik und Lebensstil aufgedeckt. Für die Forschungsarbeit wurde eine kausale KI ("Causal AI") genutzt, eine Schlüsseltechnologie von Fujitsus KI-Dienst Fujitsu Kozuchi.

Causal AI umfasst drei Hauptfunktionen:

1. Die High-speed causal discovery, die kausale Zusammenhänge in Daten etwa 1.000mal schneller als herkömmliche Technologien erkennen kann
2. Eine Verbesserung der Zuverlässigkeit (reliability enhancement), die Daten durch etabliertes kausales Wissen ergänzt
3. Das Vorschlagen von Maßnahmen (measure proposal) inklusive der Visualisierung kausaler Beziehungen

Die kausale Analyse, anhand derer die Leistungsfähigkeit des Systems getestet wurde, konzentrierte sich auf zwei Hauptbereiche:

Zusammenhang zwischen genetischen Merkmalen, die den Alkoholkonsum und Essgewohnheiten betreffen

Obwohl genetische Merkmale bereits zuvor als Einflussfaktoren auf die Vorliebe für süße Speisen und den Kaffeekonsum galten, zeigte die Analyse mittels kausaler KI, dass der Zusammenhang wahrscheinlich primär durch die Trinkhäufigkeit vermittelt wird, und nicht allein durch die genetische Alkoholtoleranz.

Im Fall des Kaffeekonsums wurde kein direkter Zusammenhang zur Trinkhäufigkeit beobachtet. Das deutet auf den potenziellen Einfluss spezifischer genetischer Merkmale auf die Getränkeauswahl einer Person hin.

Zusammenhang zwischen genetischen Merkmalen, Physis und BMI

Mithilfe sogenannter polygener Scores, eines Index, der verschiedene genetische Faktoren im Zusammenhang mit dem Body-Mass-Index (BMI) integriert, wurde das kausale Verhältnis zwischen der genetischen Veranlagung zur Fettleibigkeit (Adipositas), den Essgewohnheiten und dem BMI analysiert. Die Ergebnisse legen einen direkten Zusammenhang zwischen der genetischen Veranlagung zu Fettleibigkeit und dem BMI nahe. Das statistische Ausmaß dieses Einflusses war vergleichbar mit dem von Geschlecht und Alter. Es wurden außerdem geringfügige Zusammenhänge mit Präferenzen für bestimmte Lebensmittel festgestellt, etwa für fettige und süße Speisen.

Es besteht die Hoffnung, dass sich basierend auf den ermittelten kausalen Beziehungen optimierte Vorschläge zu gesundheitlichen Maßnahmen ableiten lassen. Das schließt konkrete Maßnahmen zur Erreichung individueller Ziele wie zum Beispiel der Reduktion des BMI ein.

Genequest plant, die Forschung durch die Kombination von Fragebögen, Gesundheitsuntersuchungen und weiteren medizinischen Informationen voranzutreiben. Ziel ist es, einen Beitrag zur Erforschung personalisierter Ansätze für die Gesundheitsförderung und Krankheitsprävention zu leisten.

Causal AI von Fujitsu soll neue Einblicke auf Grundlage großer Datenmengen ermöglichen und das Treffen von Entscheidungen unterstützen. Dabei ist die Technologie nicht auf medizinische Analysen beschränkt.