De body mass index (BMI = gewicht/lengte in het kwadraat) wordt steeds vaker beschuldigd van een zeer onvolledige weergave van het risico op diabetes en bijgevolg van het nemen van passende maatregelen op het juiste moment en in de juiste hoeveelheid.
Dit blijkt bijvoorbeeld uit een artikel dat door een team uit Philadelphia is gepubliceerd in Diabetes, Obesity and Metabolism. De onderzoekers hebben beeldgegevens (abdominale CT-scans) uit een lokale databank (Penn Medicine Biobank) gebruikt om via machine learning verschillende fenotypes te bepalen, met name met betrekking tot de verdeling van lichaamsvet (leververvetting, visceraal vet, onderhuids vet en de verhouding tussen visceraal vet en onderhuids vet).
De onderzochte populatie bestond uit 950 personen zonder diabetes en 644 personen met diabetes type 2 (gedefinieerd door een HbA1C ≥ 6,5%).
De resultaten wijzen op een significant verband tussen diabetes type 2 en alle geanalyseerde leverparameters en met de verdeling van het lichaamsvet.
Zo wordt gemeld dat de verhouding tussen visceraal vet en onderhuids vet sterker gecorreleerd is met diabetes dan de BMI, daarom concluderen de onderzoekers dat deze verhouding het risico op diabetes veel beter weergeeft dan de traditionele obesitas parameters.
Meer details en andere gegevens zijn te vinden in het artikel dat vrij toegankelijk is.
Dit alles moet natuurlijk nog worden bevestigd en verder worden onderzocht, maar dit onderzoek toont aan dat het gebruik van gegevens uit elektronische dossiers via kunstmatige intelligentie de onderlinge verbanden tussen obesitas en diabetes kan verduidelijken en kan leiden tot een vroegere opsporing van de personen die het grootste risico lopen.
Nu moeten nog de gezondheidsinstanties worden overtuigd en de nodige financiering worden gevonden om deze kans te benutten. Gezondheid is onbetaalbaar, maar heeft wel een prijs!
