GaitModelle aus 3D‑Körperbewegungen vorhersagen vielfältig Gesundheitsphänotypen

In einer wegweisenden Studie wurde ein neues Gait‑Foundation‑Modell entwickelt, das 3‑D‑Skelettbewegungen nutzt, um ein breites Spektrum an Gesundheitsphänotypen vorherzusagen. Gait wird dabei nicht mehr nur als Symptom einer einzelnen Erkrankung betrachtet, sondern als unabhängiges, systemisches Biomarker‑Signal.

Die Forschung stützt sich auf Daten von 3 414 tiefgehend phenotypisierten Erwachsenen, die mit einer Tiefenkamera während fünf motorischer Aufgaben aufgezeichnet wurden. Durch das Training von Embedding‑Modellen über die klassischen, von Experten entworfenen Features erzielte das Modell signifikante Verbesserungen: die Vorhersage von Alter (Pearson‑r = 0,69), Body‑Mass‑Index (r = 0,90) und viszeralem Fettgewebe (r = 0,82) übertraf die herkömmlichen Ansätze deutlich.

Die Embeddings konnten 1 980 von 3 210 untersuchten phänotypischen Zielen mit hoher Genauigkeit prognostizieren. Selbst nach statistischer Anpassung an bekannte Risikofaktoren bot Gait unabhängige Erkenntnisse in allen 18 Körpersystemen bei Männern und in 17 von 18 Systemen bei Frauen. Darüber hinaus verbesserten sich die Vorhersagen für klinische Diagnosen und Medikamentenverwendung, was die klinische Relevanz des Modells unterstreicht.

Eine gezielte anatomische Ablation zeigte, dass die Beine vor allem für metabolische und Frailty‑Prognosen ausschlaggebend sind, während der Oberkörper vor allem Schlaf‑ und Lifestyle‑Phänotypen kodiert. Diese Erkenntnisse legen nahe, dass Gait als skalierbares, passives Vitalzeichen in Konsumenten‑Videos implementiert werden kann, was die Überwachung von Gesundheit im Alltag revolutionieren könnte.