Neue Abteilung „Computational Precision Nutrition“ am DIfE

Diät-Trends wie Intervallfasten oder Low Carb-Ernährung sind allgegenwärtig. Doch was bei der einen Person wirkt, bleibt bei der anderen mitunter ohne Effekt. Genau hier setzt die neue Abteilung „Computational Precision Nutrition“ (CPN) am DIfE an. Unter der Leitung von Prof. Stefan Konigorski forciert das Team einen Paradigmenwechsel von einem allgemeinen „One‑Size‑Fits‑All“-Denken hin zu Präzisionsernährung. Ziel ist es, komplexe Gesundheits- und Studiendaten zu analysieren und daraus Strategien für personalisierte Ernährungs- und Verhaltensempfehlungen zur Prävention und Behandlung von chronischen Krankheiten, wie Adipositas oder Typ-2-Diabetes, zu entwickeln.

Weg vom pauschalen Ratschlag – hin zur individuellen Präzisionsernährung

Für Stefan Konigorski ist die Lösung nicht mehr nur eine Diät, sondern ein wissenschaftlich beweisbarer Plan, der den einzigartigen Stoffwechsel jedes Menschen berücksichtigt. „Wir verbinden computergestützte Ansätze mit Apps, Daten aus Kohortenstudien und personalisierten Studien, um kausale Zusammenhänge herzustellen. Die Datenbasis ist multimodal, das heißt, sie beruht auf der Verknüpfung von molekularen Daten, Wearables-Daten und detaillierten Lebensstilmustern. Genau diese Tiefe ermöglicht es uns, echte Präzision zu erreichen, wenn sie gebraucht wird“, erläutert er. 

N-of-1 Trials: Der Beweis für das Individuum

Konigorskis Team entwickelt neue Methoden an der Schnittstelle von Statistik und Künstlicher Intelligenz und verzahnt sie mit Daten aus großen Bevölkerungsstudien, wie der European Prospective Investigation into Cancer and Nutrition (EPIC)-Potsdam-Studie oder der NAKO Gesundheitsstudie. Es sollen aber auch individuell angelegte Untersuchungen zum Einsatz kommen, für deren Auswertung das CPN-Team das N-of-1 Trial-Prinzip nutzt. Diese statistische Methode erlaubt die Personalisierung von experimentellen Studien.

Um den Einfluss einzelner Ernährungsfaktoren auf die Gesundheit zu untersuchen, ist der Ausbau der digitalen Open-Source Studienplattform StudyU zentral. In Kombination mit Methoden der Kausalen Inferenz wird es möglich sein, tatsächlich Ursache-Wirkung-Zusammenhänge zwischen Lebensstilfaktoren, Ernährung und Krankheitsrisiken herauszuarbeiten. 

Der Ansatz hilft, individuelle Fragen wie „Fühle ich mich besser und kann mein Blutzuckerspiegel durch Intervallfasten längerfristig gesenkt werden?“ zu beantworten. Konigorski erklärt: „Für diesen Untersuchungsansatz würden die Teilnehmenden zum Beispiel je eine Phase mit und ohne Intervallfasten durchlaufen, in denen jeweils spezifische Gesundheitsmarker erfasst werden. Am Ende kann die statistische Auswertung individuelle Effekte erkennen und personalisierte Lebensstilempfehlungen geben. Die Teilnehmer*innen lernen also z. B. direkt selbst, welche Ernährungsmuster für sie hilfreich sind.“ 

Kombination von KI und menschlicher Biologie

Die einzigartige Kombination aus Datenbanken, Künstlicher Intelligenz und dem Erfahrungswerkzeug der N-of-1 Trials ermöglicht nicht nur die Verknüpfung von Mikroansätzen mit Makrodaten. Die massive Datenvielfalt verspricht vielmehr präzisionsmedizinische Rückschlüsse auf die Entstehung kardiometabolischer und alters-assoziierter Erkrankungen. „Aus der bisherigen Forschung wissen wir, welche Ernährungsmuster schützen und therapeutisch unterstützen können. Doch was bedeutet das für den einzelnen Menschen? Für wen reichen allgemeine Empfehlungen? Wann braucht es Präzision? Unsere neue Abteilung „Computational Precision Nutrition“ wird Antworten auf diese Fragen liefern und Tools für personalisierte Ernährungsempfehlungen generieren, die von genauen Daten bis hin zur digitalen Umsetzung reichen. Das wird den Standard in der Ernährungsforschung neu definieren“, ordnet Prof. Tilman Grune, wissenschaftlicher DIfE-Vorstand, die Bedeutung der neuen Abteilung ein. 

Hintergrundinformationen

N-of-1 Trials

Die Methodik von N-of-1 Trials stammt ursprünglich aus der Allgemeinmedizin und klinischen Versorgung, wo es entscheidend ist, individuelle Wirksamkeiten zu messen. Im Bereich der Ernährung ist dieser methodische Ansatz sinnvoll, da der menschliche Stoffwechsel extrem individuell ist und allgemeine „richtige“ Empfehlungen mitunter kaum greifen.

Kausale Inferenz

Die Kausale Inferenz ist ein wissenschaftlicher Prozess, der hilft, in Daten echte Ursache-Wirkungs-Beziehungen zu identifizieren. Während bloße Korrelationen lediglich statistische Zusammenhänge beschreiben, geht Kausale Inferenz der Frage nach, ob eine Variable eine andere direkt verursacht, und quantifiziert die Stärke dieses Effekts.

Kontakt

Prof. Dr. Stefan Konigorski
Leiter der Abteilung Computational Precision Nutrition
Tel.: +49 33 200 88 - 2500
E-Mail: stefan.konigorski@dife.de

Pressekontakt

Presse- und Öffentlichkeitsarbeit am DIfE
Tel.: +49 33200 88 - 2335
E-Mail: presse@dife.de