Stanford startet KI-gecoachten Herzgesundheitsstudie mit 15.000 Erwachsenen
Ein groß angelegter digitaler Versuch testet, ob durch LLM generierte, personalisierte Coaching-Impulse die tägliche körperliche Aktivität besser steigern können als generische Nachrichten.
Zusammenfassung
Forscher der Stanford University haben eine Smartphone-Studie der nächsten Generation namens My Heart Counts ins Leben gerufen, an der bis zu 15.000 Erwachsene in den USA und im Vereinigten Königreich teilnehmen. Die Studie baut eine digitale Biobank auf, indem sie passive Gesundheitsdaten – Schritte, Herzfrequenz, Schlaf, EKGs – zusammen mit elektronischen Krankenakten erfasst. Eingebettet ist ein randomisierter Crossover-Trial, der testet, ob KI-generierte, personalisierte Coaching-Nachrichten auf Basis des Transtheoretischen Modells der Verhaltensänderung die tägliche Schrittzahl wirksamer steigern können als generische Hinweise. Die App läuft derzeit auf iOS, eine Android-Version ist für 2027 geplant, und sie unterstützt sowohl Englisch als auch Spanisch. Sollte sich KI-gesteuertes Coaching in großem Maßstab als wirksam erweisen, könnte dieses Modell die präventive kardiovaskuläre Versorgung grundlegend verändern – kostengünstig, automatisiert und ohne dass für jeden Patienten ein menschlicher Gesundheitscoach erforderlich wäre.
Detaillierte Zusammenfassung
Herz-Kreislauf-Erkrankungen sind nach wie vor die weltweit häufigste Ursache für Tod und Behinderung, dennoch war es bislang schwierig, skalierbare, personalisierte Verhaltensinterventionen ohne erheblichen Personaleinsatz bereitzustellen. Digitale Gesundheitswerkzeuge bieten einen vielversprechenden Weg nach vorn, doch frühere Smartphone-Studien waren durch Plattformexklusivität und die Abhängigkeit von menschlichen Experten zur Erstellung individualisierter Nachrichten eingeschränkt. Die Studie My Heart Counts 2.0 wurde entwickelt, um beide Einschränkungen direkt anzugehen.
Diese prospektive, beobachtende Kohortenstudie mit eingebetteter randomisierter Crossover-Studie wird bis zu 15.000 Erwachsene in den Vereinigten Staaten und im Vereinigten Königreich über eine neu gestaltete Smartphone-App rekrutieren, die auf dem Open-Source-Framework Stanford Spezi basiert. Die App erfasst eine umfangreiche digitale Biobank: passive Sensordaten einschließlich Schritte, Herzfrequenz, Schlaf und Akzelerometrie; aktive Fitness-Tests wie der 6-Minuten-Gehtest und der Cooper 12-Minuten-Lauf; EKGs; Längsschnittbefragungen sowie elektronische Gesundheitsdaten, die über HL7 FHIR-Protokolle integriert werden.
Der Kernteil der Studie prüft, ob Coaching-Impulse, die autonom von einem Large Language Model (LLM) generiert werden – verankert im Transtheoretischen Modell der Verhaltensänderung und auf jeden Nutzer personalisiert –, die tägliche Schrittzahl stärker steigern können als allgemeine Textnachrichten. Das Crossover-Design ermöglicht es, dass jede Teilnehmerin und jeder Teilnehmer als eigene Kontrollperson dient, was die statistische Aussagekraft erhöht. Sekundäre Endpunkte umfassen aktive Minuten und Kalorienverbrauch; explorative Endpunkte beinhalten Veränderungen der kardiorespiratorischen Fitness, die Ruheherzfrequenz, die Herzfrequenzvariabilität und die Schlafqualität.
Für Ärzte und gesundheitsbewusste Erwachsene gleichermaßen sind die Implikationen bedeutsam. Wenn LLM-Coaching generische Nachrichten im großen Maßstab übertrifft, würde dies ein kostengünstiges, vollständig automatisiertes Modell für die präventive Herz-Kreislauf-Versorgung bestätigen – eines, das Bevölkerungsgruppen erreichen könnte, die keinen Zugang zu Gesundheitscoaches oder Verhaltensberatern haben.
Vorbehalte bleiben bestehen. Die Studie befindet sich noch in der Rekrutierungsphase, daher liegen noch keine Ergebnisdaten vor. App-basierte Studien sind anfällig für Studienabbrüche und Selbstselektionsbias. Die hier vorliegende Zusammenfassung basiert ausschließlich auf dem veröffentlichten Protokoll-Abstract, und die Wirksamkeitsergebnisse stehen noch aus.
Wichtigste Erkenntnisse
- Trial targets 15,000 adults across the US and UK using a fully digital, smartphone-based platform.
- LLM-generated personalized coaching prompts are tested head-to-head against generic activity messages.
- Primary endpoint is change in daily step count; secondary endpoints include active minutes and calorie burn.
- Digital biobank integrates ECG, accelerometry, fitness tests, surveys, and EHR data via FHIR protocols.
- App supports English and Spanish, broadening reach to underserved and Latino cardiovascular populations.
Methodik
Prospektive Beobachtungskohortenstudie mit eingebettetem randomisierten Crossover-Trial; jede Teilnehmerin und jeder Teilnehmer durchläuft sowohl den LLM-gesteuerten als auch den generischen Coaching-Arm. Die primäre Analyse verwendet Mixed-Effects-Modelle zum Vergleich der täglichen Schrittanzahl zwischen den Armen. Die Rekrutierung begann im März 2026 und ist noch im Gange.
Studienlimitierungen
Es liegen noch keine Wirksamkeitsdaten vor – dieses Papier beschreibt ausschließlich das Studiendesign und die Begründung. App-basierte Studien sind anfällig für Selbstselektionsbias und hohe Abbruchraten. Diese Zusammenfassung basiert ausschließlich auf dem veröffentlichten Abstract, da der vollständige Text nicht zugänglich war.
Hat dir diese Zusammenfassung gefallen?
Erhalte die neueste Longevity-Forschung jede Woche in deinen Posteingang.
E-Mail-Adresse zum Abonnieren eingeben: