Estimating VO2max in patients with obesity using machine learning: A retrospective observational cohort study

Der menschliche Körper ist ein bemerkenswerter Motor, aber sein wichtigstes Messgerät ist oft am schwersten abzulesen. Dieses Messgerät ist die kardiorespiratorische Fitness, das Maß dafür, wie effizient Herz, Lungen und Muskeln zusammenarbeiten, um Sauerstoff während intensiver Anstrengung zu verbrauchen. In der medizinischen Fachsprache wird diese Spitzenkapazität als VO2max bezeichnet. Sie ist ein leistungsstarker Prädiktor für die langfristige Gesundheit; ein niedriger Wert birgt ein Risiko für einen vorzeitigen Tod, das mit dem Rauchen oder Diabetes vergleichbar ist. Jahrzehntelang war der einzige Weg, dies genau zu messen, eine Person auf ein Laufband oder ein stationäres Fahrrad zu setzen, sie so lange trainieren zu lassen, bis sie nicht mehr weiter konnte, und ihren Atem mit teuren, komplexen Maschinen zu analysieren. Dieser Prozess ist zeitaufwendig, erfordert spezialisiertes Personal und kann körperlich einschüchternd sein, insbesondere für Menschen mit Übergewicht. Infolgedessen werden viele Menschen, insbesondere Personen mit schwerer Adipositas, nie getestet, wodurch Ärzten ein entscheidendes Stück gesundheitlicher Information fehlt.

Ein Forscherteam in Norwegen setzte sich zum Ziel, dieses Problem zu lösen, indem es die Frage stellte, ob ein Computer lernen könne, den Fitnessgrad einer Person allein anhand der Basisinformationen zu erraten, die bereits in einer Standard-Patientenakte verfügbar sind. Sie konzentrierten sich speziell auf Erwachsene mit schwerer Adipositas, eine Gruppe, die oft aus den Studien ausgeschlossen wurde, die die alten, Standardformeln zur Schätzung der Fitness erstellt haben. Indem sie Daten von 253 Patienten in fortgeschrittene Computerprogramme einspeisten, trainierten die Forscher diese Modelle darauf, Muster zwischen einfachen Messwerten – wie Alter, Größe und Gewicht – und dem tatsächlichen Sauerstoffverbrauch während intensiver Belastungstests zu finden. Ihr Ziel war es nicht, den medizinischen Goldstandard-Test zu ersetzen, sondern eine zuverlässige, zugängliche Alternative für Situationen zu schaffen, in denen der vollständige Test unmöglich durchzuführen ist.

Die Forscher gingen bei der Lösung des Problems in drei Schritten vor, wobei sie dem Computer schrittweise mehr Informationen zur Verfügung stellten. Im ersten Schritt sah das Modell nur vier grundlegende Fakten: das Geschlecht, das Alter, die Größe und das Körpergewicht des Patienten. Im zweiten Schritt fügten sie Messungen von Taille- und Hüftumfang sowie Blutdruckwerte hinzu. Im letzten, detailliertesten Schritt lernte das Modell auch über die Fettmasse des Patienten sowie über dessen Ruheherzfrequenz und die maximale Herzfrequenz Bescheid. Das Team testete elf verschiedene Arten von maschinellen Lernmodellen, um zu sehen, welches die genauesten Vorhersagen treffen konnte. Sie fanden heraus, dass zwei spezifische Arten von Modellen, bekannt als Bayesian Ridge Regression und Automatic Relevance Determination, am besten abschnitten. Diese Modelle lernten, die Bedeutung jedes Informationsstücks je nach Menge der verfügbaren Daten unterschiedlich zu gewichten.

Als die Modelle mit Patienten getestet wurden, die sie noch nie zuvor gesehen hatten, zeigten sie ein klares Verbesserungsmuster, wenn mehr Daten hinzugefügt wurden. Das einfachste Modell, das nur die vier Basisdaten verwendete, machte einen durchschnittlichen Fehler von etwa 12,5 Prozent bei der Schätzung des Sauerstoffverbrauchs. Als das Modell die zusätzlichen Details über die Körperform und den Blutdruck erhielt, sank der Fehler auf 12,0 Prozent. Mit dem vollständigen Datensatz, einschließlich Herzfrequenz und Fettmasse, fiel der Fehler weiter auf 11,3 Prozent. Obwohl dies nicht so präzise ist wie die direkte Messung auf einem Laufband, die normalerweise einen Fehler von nur 2 bis 6 Prozent aufweist, merkten die Forscher an, dass eine Fehlermarge von 11 Prozent für klinische Schätzungen, wenn der direkte Test nicht durchgeführt werden kann, oft akzeptabel ist. Die Studie zeigte auch, dass die Computermodelle bemerkenswert konsistent darin waren, was sie für wichtig hielten. Über alle drei Komplexitätsstufen hinweg waren das Geschlecht und das Alter des Patienten die stärksten Prädiktoren für die Fitness. Männer zeigten konsistent höhere Fitnesswerte als Frauen, und die Fitness sank mit zunehmendem Alter, ein Muster, das im Einklang mit jahrzehntelanger etablierter medizinischer Erkenntnis steht.

Die Studie deckte auch auf, wie die Körperzusammensetzung diese Schätzungen beeinflusst. In dem einfachsten Modell schien das Körpergewicht keine große Rolle zu spielen. Sobald das Modell jedoch etwas über die Fettmasse und andere physiologische Details lernte, wurde das Körpergewicht zu einem signifikanten Faktor. Dies ergibt Sinn, da eine schwerere Person mehr Masse bewegen muss, was mehr Sauerstoff erfordert, aber nur, wenn diese zusätzliche Masse aus aktivem Gewebe besteht und nicht nur aus Fett. Die Forsbercher fanden heraus, dass der Taillenumfang ebenfalls ein nützlicher Hinweis war; ein größerer Taillenumfang war mit einer geringeren Fitness verbunden, wahrscheinlich weil überschüssiges Bauchfett die Bewegung des Zwerchfells einschränken und das Atmen während des Trainings erschweren kann. Überraschenderweise hatten der Hüftumfang und die Blutdruckwerte nur sehr wenig Einfluss auf die endgültigen Schätzungen, was darauf hindeutet, dass diese Messungen für diese spezifische Patientengruppe nicht viel neue Information lieferten, die über das bereits Bekannte aus Alter, Geschlecht und Gewicht hinausging.

Eines der vielversprechendsten Merkmale der Computermodelle war ihre Fähigkeit, Zweifel auszudrücken. Da die am besten abschneidenden Modelle auf einer Art Mathematik basierten, die Wahrscheinlichkeiten behandelt, konnten sie den Forschern mitteilen, wie sicher sie sich bei jeder Schätzung waren. Die Studie fand eine direkte Verbindung zwischen der Größe des Fehlers und der vom Modell angegebenen Unsicherheit: Wenn das Modell weniger sicher war, war es auch wahrscheinlicher, falsch zu liegen. Diese Eigenschaft könnte in einer realen Klinik lebenswichtig sein, da sie einem Arzt ermöglichen würde, nicht nur eine Zahl zu sehen, sondern auch ein Warnsignal, wenn diese Zahl wahrscheinlich ungenau ist. Dies würde Klinikern helfen zu entscheiden, wann sie sich auf die Schätzung verlassen können und wann ein Patient wirklich den vollen, strengen Belastungstest benötigt.

Die Forscher merkten sorgfältig an, dass ihre Ergebnisse auf einer relativ kleinen Gruppe von Patienten aus einem einzigen Krankenhaus in Norwegen basieren und dass die Modelle immer noch hinter der Genauigkeit einer direkten Messung zurückbleiben. Sie betonten, dass diese Werkzeuge zwar ein Schritt nach vorn sind, aber keine fertige Lösung darstellen. Die Studie legt nahe, dass diese Computerschätzungen mit größeren Gruppen von Menschen und vielleicht mehr Daten zu Lebensgewohnheiten noch präziser werden könnten. Für den Moment zeigt die Arbeit, dass maschinelles Lernen erfolgreich routinemäßige medizinische Daten in eine aussagekräftige Schätzung der Herz- und Lungengesundheit übersetzen kann und so einen neuen, weniger belastenden Weg zur Überwachung der Fitness in einer Bevölkerungsgruppe bietet, die historisch gesehen schwer zu erfassen war.