Das nächste Ebola ist schwer vorherzusagen, aber "Outbreak Forecasting" kann helfen

Ein zweijähriger Junge im ländlichen Guinea starb im Dezember 2014 an Ebola. In den nächsten zwei Jahren würden sich in Westafrika fast 30.000 Menschen mit dem Ebola-Virus infizieren.

Warum wurde dieser Ausbruch im Gegensatz zu den vorherigen 17 Ebola-Ausbrüchen so schnell und so groß? Was kann wenn überhaupt getan werden, um zukünftige Ausbrüche zu verhindern? Diese Fragen stehen neben vielen anderen im Mittelpunkt des aufstrebenden wissenschaftlichen Feldes der Ausbruchsprognose. Und die Einsätze könnten nicht höher sein. Im Januar bezeichnete das Weltwirtschaftsforum Pandemien als eines der größten Risiken für das Geschäft und das menschliche Leben.

In den letzten Jahrhunderten haben Wissenschaftler immer bessere Vorhersagen für viele Aspekte der Welt gemacht, darunter die Umlaufbahn von Planeten, die Ebbe und Flut von Gezeiten sowie die Bahnen von Wirbelstürmen. Die Fähigkeit, natürliche und physikalische Systeme gut genug zu verstehen, um genaue Vorhersagen zu treffen, ist vielleicht eine der größten Errungenschaften der Menschheit.

Ein großer Teil dieses Prognoseerfolgs beginnt mit Isaac Newtons grundlegender Erkenntnis, dass es unabänderliche universelle Gesetze gibt, die die Naturphänomene um uns herum regeln. Die Fähigkeit, schnell große Berechnungen durchzuführen, hat die Newtonsche Perspektive gefördert, dass angesichts genügend Daten und Rechenleistung die meisten komplexen Phänomene vorhergesagt werden können.

Es gibt jedoch Grenzen. Als Wissenschaftler, die diese Art von Vorhersagesystemen studieren, bezweifeln wir, dass es möglich ist, genau vorauszusagen, was als nächstes bei einem Krankheitsausbruch passieren wird, da die wichtigsten Variablen von Ausbruch zu Ausbruch so stark variieren können.

Aus diesem Grund ist die Erfassung von Echtzeitdaten, wie bei der Wettervorhersage, wahrscheinlich wesentlich, um die Fähigkeit der wissenschaftlichen Gemeinschaft zur Vorhersage von Ausbrüchen zu verbessern.

Kapriziöse Epidemien

Die Idee, dass Wissenschaftler Epidemien modellieren können, basiert auf der Vorstellung, dass die Flugbahn jedes Ausbruchs aufgrund seiner intrinsischen und unveränderlichen Eigenschaften vorhersehbar ist.

Angenommen, eine Krankheit wird durch einen übertragbaren Erreger verursacht. Die Infektiosität dieser Krankheit kann in einer Zahl verkörpert werden, die als "grundlegende Reproduktionsrate" oder R0 bezeichnet wird. Diese Zahl beschreibt, wie weit sich ein Erreger wahrscheinlich in einer bestimmten Population ausbreitet.

Wenn Epidemiologen genug über den R0 eines Erregers wissen, besteht die Hoffnung, dass sie Aspekte des nächsten Ausbruchs vorhersagen können - und hoffentlich verhindern, dass Ausbrüche in kleinem Maßstab zu großen Epidemien werden. Sie könnten dies tun, indem sie Ressourcen für Bereiche mobilisieren, in denen Krankheitserreger besonders hohe R0-Werte aufweisen. Oder sie beschränken die Interaktionen zwischen den Trägern der Krankheit und den anfälligsten Mitgliedern einer bestimmten Gesellschaft, häufig Kindern und älteren Menschen.

Auf diese Weise wird R0 als unveränderliche Zahl interpretiert. Moderne Studien zeigen jedoch, dass dies nicht der Fall ist.

Betrachten Sie beispielsweise die Zika-Virus-Epidemie. Für diese Krankheit lag R0 zwischen 0,5 und 6,3. Dies ist eine bemerkenswerte Spanne, die von einer Krankheit reicht, die sich von selbst löst, bis zu einer Erkrankung, die eine langfristige Epidemie verursacht.

Man könnte meinen, dass dieses breite Spektrum von R0-Werten für Zika auf statistische Unsicherheit zurückzuführen ist - dass Wissenschaftler vielleicht mehr Daten benötigen. Das wäre aber meistens falsch. Für Zika führen unzählige Faktoren, von Klima und Mücken bis hin zu anderen verwandten Viren wie Dengue und der Rolle der sexuellen Übertragung, zu unterschiedlichen R0-Werten in verschiedenen Umgebungen.

Es stellt sich heraus, dass sich die Merkmale einer Epidemie - die Ansteckung des Erregers, die Übertragungsrate, die Verfügbarkeit von Impfstoffen usw. - im Verlauf eines einzigen Ausbruchs so schnell ändern, dass Wissenschaftler die Dynamik nur im Verlauf dieses Ausbruchs vorhersagen können. Mit anderen Worten, das Studium des Ausbruchs der Ebola-Virus-Krankheit im April 2014 kann Wissenschaftlern dabei helfen, einen Ebola-Ausbruch im nächsten Monat in derselben Situation zu verstehen, aber es ist oft viel weniger hilfreich, um die Dynamik zukünftiger Ebola-Epidemien zu verstehen, wie etwa die, die stattgefunden hat im Mai 2018.

Epidemien sind oft nicht ordentlich und gebündelt. Es sind Lärmereignisse, bei denen viele Variablen eine wichtige Rolle spielen, aber sich verändernde Rollen. Es gibt keine zugrunde liegende Wahrheit über die Krankheit - nur eine instabile Sammlung von Details, die variieren und sich mit der Ausbreitung der Krankheit oft verwickeln.

Bessere Vorhersagen

Wenn Wissenschaftler nicht sicher sind, dass sie epidemiologische Systeme gut genug verstehen können, um das Verhalten verwandter Systeme vorherzusagen, warum sollten sie sich also die Mühe machen, sie zu untersuchen?

Die Antwort könnte in einer sogenannten "weichen Physik" der Vorhersage liegen: Wissenschaftler sollten aufhören zu glauben, dass jeder Ausbruch den gleichen Regeln folgt. Beim Vergleich eines Ausbruchs mit einem anderen sollten sie alle kontextuellen Unterschiede zwischen ihnen berücksichtigen.

Zum Beispiel haben Biologen viele Details über Influenza-Infektionen entdeckt. Sie wissen, wie sich Viren an Wirtszellen binden, wie sie sich replizieren und wie sie Resistenzen gegen antivirale Medikamente entwickeln. Aber eine Epidemie könnte ausgelöst worden sein, als eine große Bevölkerung an einem bestimmten Tag im Monat öffentliche Verkehrsmittel benutzte, während eine andere von einer Kongregation bei einem Gottesdienst initiiert worden war. Obwohl beide Ausbrüche in demselben Infektionserreger verankert sind, bedeuten diese und viele andere Unterschiede in ihren Einzelheiten, dass die Wissenschaftler möglicherweise neu formulieren müssen, wie sie modellieren, wie sie vorgehen.

Um diese Besonderheiten besser zu verstehen, benötigen Wissenschaftler erhebliche Investitionen in Echtzeitdaten. Bedenken Sie, dass der Nationale Wetterdienst pro Jahr mehr als eine Milliarde US-Dollar für die Erhebung von Daten und Prognosen ausgibt. Die CDC gibt nur ein Viertel so viel für Gesundheitsstatistiken aus und verfügt über kein spezielles Budget für Prognosen.

Die Überwachung von Krankheiten ist nach wie vor eines der Bereiche mit den höchsten wissenschaftlichen Erkenntnissen. Eine sorgfältige Abwägung der besonderen Umstände, die Ausbrüchen zugrunde liegen, und eine verantwortungsbewusstere Erhebung von Daten könnten Tausende von Menschenleben retten.

Dieser Artikel wurde ursprünglich auf The Conversation von C. Brandon Ogbunu, Randall Harp und Samuel V. Scarpino veröffentlicht. Lesen Sie hier den Originalartikel.