Ausgewählte Forschungsergebnisse

Ein wichtiger Meilenstein war die Erweiterung der Zürcher Adipositas-Kohorte auf 437 Personen. Zudem wurde das Untersuchungsprotokoll um die Analyse des Mikrobioms ergänzt. Diese zusätzliche Dimension hilft, die unterschiedlichen Erscheinungsformen von Adipositas besser zu verstehen und deren Reaktion auf verschiedene Behandlungen vorherzusagen.

Personalisierte Pharmakotherapie

Auch im Bereich der personalisierten Pharmakotherapie wurden Fortschritte erzielt. Ein funktioneller Prototyp eines Entscheidungs-Support-Systems wurde entwickelt, das in Echtzeit Nutzen und Risiken einer Behandlung mit sogenannten GLP-1-Rezeptor-Agonisten abwägt (Grafik). Diese Wirkstoffe (GLP-1-Rezeptor-Agonisten) werden zur Behandlung von Typ-2-Diabetes eingesetzt, und einige dieser Substanzen können zur Reduktion des Körpergewichts führen. Aufgrund erfolgreicher Pilotexperimente wird dieses Entscheidungs-Support-System im Laufe des Jahres 2025 in klinische Prozesse integriert werden.

Grafik: Entscheidungs-Support-Systeme für personalisierte Pharmakotherapie

Ein weiteres zentrales Forschungsfeld ist die molekulare Analyse von Fettgewebe. Hier wurden wesentliche Fortschritte bei der molekularen Charakterisierung von adipösen Gewebeproben gemacht. Die Methoden zur Probenentnahme und RNA-Sequenzierung wurden optimiert, wodurch die Datenqualität erheblich verbessert wurde. Ziel ist es, Zusammenhänge zwischen Gen-Expressionsdaten und der individuellen Reaktion auf Therapien zu identifizieren.

Bildgebende Verfahren zur Charakterisierung von Körperfett

Neben der molekularen Analyse spielt auch die Phänotypisierung mittels nichtinvasiver bildgebender Verfahren eine entscheidende Rolle. Deshalb wurden spezielle Magnetresonanztomographie (MRT)-Verfahren entwickelt, um die Fettverteilung im Muskelgewebe quantitativ zu erfassen. Daneben wurden Methoden für die automatische Segmentierung von Körperfett basierend auf maschinellem Lernen entwickelt. Eine wichtige Anwendung von Künstlicher Intelligenz (KI) in der Bildauswertung ist die quantitative Bestimmung von metabolisch aktivem braunem Fettgewebe.

Die bisherige Standardmethode zur Ermittlung der metabolischen Aktivität dieses Gewebes besteht darin, den lokalen Glukoseverbrauch mittels Positronen-Emissions-Tomographie (PET) zu messen – einer teuren Methode, die radioaktive Substanzen ([18F]-FDG, ein kurzlebiges Radioisotop Fluor-18) erfordert und daher nicht für grosse Gruppen eingesetzt werden kann. Das LOOBesity-Projekt konnte jedoch zeigen, dass sich vergleichbare Ergebnisse durch die Analyse von Computertomographie (CT)-Bildern erzielen lassen. Mittels Analysen mit neuronalen Netzwerken wurde nachgewiesen, dass die Glukoseverbrauchsdaten mit der Röntgenabschwächung in CT-Bildern korrelieren. Da CT günstiger ist und zudem die Strahlenbelastung deutlich geringer ausfällt, könnte diese Methode zukünftig breiter eingesetzt werden.

Grafik: Querschnitt im Beckenbereich mittels CT (links), [18F]-FDG-PET (rechts) sowie das auf Basis der CT-Daten vorhergesagte [18F]-FDG-PET-Bild (Mitte). BAT: Braunes Fettgewebe / Erdil E et al. (2024) Nat Commun. 15(1): 8402.

Ausblick

Zusammenfassend hat LOOBesity im ersten Jahr entscheidende Werkzeuge entwickelt, um das Projekt erfolgreich fortzusetzen. Die Kombination von Mikrobiom-, molekularen, Bildgebungs- und klinischen Daten bildet die Grundlage für eine präzise Charakterisierung verschiedener Adipositas-Typen und die Entwicklung massgeschneiderter Therapien. Diese Ansätze sollen in der nächsten Projektphase weiter vertieft werden, um die Behandlung von Adipositas nachhaltig zu verbessern.

Vorgestellt in:

UMZH: Präzisionsmedizin gegen Adipositas