Die Grafik illustriert einen ganzheitlichen Personalisierungsansatz durch Integration aller relevanten 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: techniques, translation, and equity issues. In: Hum Genomics 31;19(1):8

Price, Elliott J.; Vitale, Chiara M.; Miller, Gary W.; David, Arthur; Barouki, Robert; Audouze, Karine et al. (2022): Merging the exposome into an integrated framework for "omics" sciences. In: Science 25 (3), S. 103976.

Purcaro, C.; Marramiero, Lorenzo; Santangelo, Carmen; Bondi, Danilo; Di Filippo, Ester Sara (2024): Exposome on skeletal muscle system: a mini-review. In: European journal of applied physiology 124 (8), S. 2227–2233.

Smith, Martyn T.; La Rosa, Rosemarie de; Daniels, Sarah I. (2015): Using exposomics to assess cumulative risks and promote health. In: Environmental and molecular mutagenesis 56 (9), S. 715–723.