Gesundheitsanzeiger Darm-Mikrobiom
Anhand der Zusammensetzung unseres Mikrobioms wollen Wissenschaftler in Zukunft ablesen, ob die Gefahr einer nichtalkoholischen Fettleber besteht.
Eine nichtalkoholische Fettleber (NAFLD) ist irreversibel und kann zu Leberkrebs führen. „NAFLD ist eine stille Krankheit. Das bedeutet, dass sie in den meisten Fällen asymptomatisch verläuft und meist nur zufällig erkannt wird,“ erklärt Gianni Panagiotou, Forschungsgruppenleiter für Systembiologie und Bioinformatik am Leibnitz-HKI.
Rund 12 Millionen Menschen sollen, so Schätzungen, in Deutschland an NAFLD erkrankt sein. Darunter vor allem Menschen mit Vorerkrankungen, wie Diabetes Typ 2, Adipositas, Bluthochdruck oder Fettstoffwechselstörungen. In einer Langzeitstudie hat ein internationales Forschungsteam um Gianni Panagiotou Stuhl- und Blutproben von 1200 bis dahin nicht an NAFLD erkrankten Personen analysiert. „Es ist bereits erwiesen, dass die Mikroorganismen im Darm des Menschen zur Entwicklung von NAFLD beitragen. Wir wollten herausfinden, ob sich anhand des Mikrobioms eines gesunden Menschen prognostizieren lässt, ob dieser zukünftig an NAFLD erkranken wird oder nicht,“ erläutert Panagiotou.
Eine erneute Untersuchung nach vier Jahren ergab, dass 90 Personen inzwischen an NAFLD erkrankt waren. Erneute Proben wurden mit jenen einer Kontrollgruppe verglichen, die bei der Nachuntersuchung nicht an NAFLD litten. Mittels verschiedener Methoden konnten hier sehr feine Unterschiede gefunden und ein Modell entwickelt werden, das anhand des Mikrobioms eine zukünftige NAFLD-Erkrankung mit 80%iger Wahrscheinlichkeit voraussagen kann. Bislang gelingt in klinischen Modellen, die biochemische Parameter im Blut ermitteln, eine Prognosegenauigkeit von lediglich 60%. „Das von uns entwickelte Modell kombiniert leicht messbare Informationen aus dem Blut mit Daten aus dem Mikrobiom und kann somit die Zuverlässigkeit enorm erhöhen,“ erklärt Studienleiter Panagiotou. Dabei wird ein Computermodell – ein sogenanntes Machine Learning Modell – darauf trainiert, in einer Datenmenge bestimmte Muster wiederzuerkennen, die dann verwendet werden können, um vorher unbekannte Daten zu analysieren. So konnten die Forschenden ihre Ergebnisse auch mit Daten aus den USA und Europa vergleichen und validieren. Eine länderübergreifende Studie soll nun folgen.