Photoscan AI: Wie 2D-Bilder die Körperfettmessung neu definieren könnten

Google Research hat mit Photoscan AI ein Verfahren vorgestellt, das die Körperzusammensetzung anhand einfacher 2D-Smartphone-Fotos berechnet und dabei laut eigenen Angaben eine höhere Genauigkeit erreicht als bioelektrische Impedanzanalyse-Sensoren in Wearables.

Das Modell wurde zunächst auf Basis von DXA-Röntgendaten trainiert. Dabei flossen der Gesamtkörperfettanteil, das Verhältnis zwischen Rumpf- und Beinfett sowie zwischen Organ- und subkutanem Fett ein. Ergänzt wurden diese Daten durch MRT-Körperdaten. Die anschließende Feinabstimmung mit echten Smartphone-Fotos ermöglichte die beschriebene Genauigkeit.

Ein weiteres Ziel des Forschungsteams war die Frage, ob Photoscan-Ergebnisse Erkrankungen wie Insulinresistenz vorhersagen können. Cassie Zhou und Ahmed Metwally beschreiben Insulinresistenz in einem Blogbeitrag von Google Research als einen der am häufigsten unterdiagnostizierten Auslöser moderner Stoffwechselerkrankungen, der schon Jahre vor dem klinischen Ausbruch von Typ-2-Diabetes wirken kann.

Die Forscher sehen Photoscan AI als skalierbaren Mittelweg, denn DXA liefert zwar die präzisesten Ergebnisse, ist aber nicht skalierbar. BIA-Sensoren sind komfortabel, messen aber nur den einfachen Körperfettanteil. Photoscan AI kombiniere Zugänglichkeit mit einer Genauigkeit, die nah an die DXA-Methode heranreiche.