P4Life: Exposom & KI-basierte Modellierung
Die Grafik illustriert einen ganzheitlichen Personalisierungsansatz durch Integration relevanter Einflussfaktoren – von Umwelt, Verhalten und Lebensstil (Exposom) bis hin zu molekularbiologischen Ebenen wie Genom, Epigenom, Proteom oder Metabolom.
Links ist dargestellt, wie ein solches System mithilfe moderner KI-Methoden aufgebaut werden kann: von der Datenintegration aus Diagnostik, Wearables oder APIs über Modellierungsverfahren wie XGBoost und LSTM bis zur Ausgabe risikoadaptierter Empfehlungen.
Ziel ist es, individuelle Risikoprofile und Präventionsstrategien zu generieren – datengetrieben, dynamisch und kontinuierlich anpassbar.
Ausgewählte Literatur
- Alemu, R. et al. (2025): Multi-omics approaches for understanding gene-environment interactions in noncommunicable diseases. Hum Genomics 19(1):8.
- Price, E. J. et al. (2022): Merging the exposome into an integrated framework for "omics" sciences. Science 25(3):103976.
- Purcaro, C. et al. (2024): Exposome on skeletal muscle system: a mini-review. Eur J Appl Physiol 124(8):2227–2233.
- Smith, M. T.; La Rosa, R. de; Daniels, S. I. (2015): Using exposomics to assess cumulative risks and promote health. Environ Mol Mutagen 56(9):715–723.