Eine frühzeitige Erkennung kann dazu beitragen, neu auftretende Epidemien leichter einzudämmen. Bestehende Überwachungssysteme können jedoch versagen, wenn eine Krankheit unerwartete oder sich im Laufe der Zeit verändernde Symptome hervorruft oder die Symptome von Patient zu Patient variieren. Ein am 2. November 2026 von Nature veröffentlichter Artikel argumentiert, dass Gesundheitssysteme ihre Fähigkeit verbessern müssen, diese klinischen Signale zu erkennen.
Die Überwachung von Ausbrüchen stützt sich derzeit auf ereignisbasierte Überwachung, Genomsequenzierung und syndromische Überwachung. Diese Methoden nutzen Meldungen aus Gemeinschaften und von Beschäftigten im Gesundheitswesen, die labordiagnostische Bestätigung von Krankheitserregern sowie die Identifizierung von Menschen mit charakteristischen Symptomen. Atypische Krankheitsbilder und Koinfektionen können Diagnosen jedoch erschweren und Maßnahmen des öffentlichen Gesundheitswesens verzögern.
Der Artikel verweist auf mehrere Beispiele. Während der frühen Ausbreitung von SARS-CoV-2 im Jahr 2020 wurden zunächst Fieber und Atemnot besonders hervorgehoben, während der Verlust des Geruchssinns Monate brauchte, um allgemein als Indikator erkannt zu werden. Spätere Varianten, darunter Omikron, wurden häufiger mit erkältungs- und grippeähnlichen Symptomen in Verbindung gebracht. Beim Mpox-Ausbruch im Jahr 2022 entwickelten einige Patienten Genital- oder Analgeschwüre statt des generalisierten Ausschlags, der gewöhnlich mit der Krankheit verbunden wird. Infektionen mit dem Nipah-Virus in Bangladesch und Indien können ebenfalls wechselnde Krankheitsbilder umfassen, darunter Hirnentzündung, Verwirrtheit und Krampfanfälle oder Atembeschwerden.
Um diese Lücken zu schließen, schlagen die Autoren fünf miteinander verbundene Schritte unter dem Begriff „Symptombereitschaft“ vor. Der Ansatz soll klinische Signale erkennen, sie validieren, in Überwachungs- und Diagnoseleitlinien aufnehmen und aktualisierte Informationen rasch an die behandelnden Ärztinnen und Ärzte zurückgeben.
Der erste Schritt besteht darin, formelle Mechanismen zur Meldung von Clustern ungewöhnlicher Fälle einzurichten. Kliniker könnten die in dem Artikel als „klinische Drift“ bezeichnete Entwicklung über bestehende digitale Überwachungsplattformen dokumentieren, etwa über District Health Information Software 2. Eine leitende Ärztin oder ein leitender Arzt beziehungsweise eine Krankenhausepidemiologin oder ein Krankenhausepidemiologe würde überprüfen, ob ein Cluster tatsächlich atypisch ist, während statistische Instrumente dabei helfen könnten festzustellen, ob es wahrscheinlich nicht auf routinemäßige saisonale Erkrankungen zurückzuführen ist. Bestätigte Meldungen könnten anschließend lokale Warnungen auslösen, die von nationalen Zentren für Informationen zum öffentlichen Gesundheitswesen bewertet werden.
Die zweite vorgeschlagene Maßnahme ist der Einsatz künstlicher Intelligenz zur Identifizierung atypischer Fälle. Mit zeitlich und räumlich gekennzeichneten klinischen Daten trainierte Systeme des maschinellen Lernens könnten Patienten markieren, deren Symptome von den in ihren Gemeinschaften normalerweise beobachteten Mustern abweichen. Die Systeme würden keine Krankheiten diagnostizieren, sondern Fälle identifizieren, die weitere Untersuchungen und Unterstützung erfordern, und dabei das klinische Urteilsvermögen unterstützen, nicht ersetzen.
Die Autoren weisen darauf hin, dass sich diese Instrumente noch in einem frühen Entwicklungsstadium befinden und zuverlässige Konnektivität, hochwertige Daten, lokale Tests, kontinuierliche Überwachung und Datenschutzvorkehrungen erfordern würden. In Regionen, in denen die technischen Möglichkeiten zum Betrieb von KI-Modellen fehlen, könnten anonymisierte Informationen über mobile Anwendungen, SMS oder bestehende elektronische Register an ein zentrales nationales System übermittelt werden.
Die dritte Maßnahme besteht darin, abgestufte und dynamische Falldefinitionen einzuführen, anstatt sich ausschließlich auf feste klinische Kriterien zu stützen. Die Gesundheitsbehörden könnten zwischen Verdachtsfällen, wahrscheinlichen Fällen und bestätigten Fällen unterscheiden, wobei Fachgremien die Kriterien aktualisieren würden, sobald neue klinische Informationen verfügbar werden. Der Artikel argumentiert, dass ein solches System es möglicherweise ermöglicht hätte, lokalisierte Genitalgeschwüre im Jahr 2022 schneller in die Falldefinition für Mpox-Verdachtsfälle aufzunehmen.
Der Ausgangstext nennt zwei weitere Elemente des vorgeschlagenen Ansatzes: die Validierung neu auftretender klinischer Signale und ihre rasche Übertragung in Leitlinien für Überwachung und Diagnostik, gefolgt von einer Rückmeldung an die behandelnden Ärztinnen und Ärzte. Zusammengenommen sollen diese Schritte Gesundheitssystemen helfen zu reagieren, wenn Krankheitserreger zunächst nicht den Krankheiten ähneln, die sie bekanntermaßen verursachen.
Quellen: Nature.