🦠 Frühwarnsystem für Krankheitsausbrüche — Signalfusion vs. Fallzahlen

Menschen suchen typischerweise schon am ersten oder zweiten Tag eines Unwohlseins nach ihren Symptomen — lange bevor sie sich zu einer formellen Behandlung entschließen, sich testen lassen und das Testergebnis in eine öffentliche Fallzahl einfließt. Rezeptfreie Apothekenkäufe folgen einem ähnlichen, aber etwas späteren Muster, sobald die Symptome ausgeprägt genug sind, um einen Apothekenbesuch auszulösen. Krankenhauseinweisungen und bestätigte Fallzahlen stehen am Ende der Kette: Inkubationszeit, Symptombeginn, Entscheidung zum Arztbesuch, Testdurchlaufzeit und Meldeverzug können zusammen eine Woche oder mehr ausmachen. Diese Simulation bildet das Suchsignal, indem sie die wahre zugrundeliegende Infektionskurve um 10–14 Tage mit starkem Rauschen zurückverschiebt, Apothekenverkäufe um 5–7 Tage mit mäßigem Rauschen, und Krankenhauseinweisungen um 3–5 Tage mit dem geringsten Rauschen der drei — und reproduziert damit die reale Reihenfolge des Gesundheitsverhaltens.

Signalfusion bedeutet, mehrere unvollkommene Beobachtungen desselben zugrundeliegenden Prozesses zu einer einzigen Entscheidungsgröße zusammenzuführen, sodass sich das Rauschen einzelner Signale teilweise herausmittelt, während sich der gemeinsame wahre Trend verstärkt. Diese Simulation berechnet für jedes der drei Signale eine kurze gleitende Steigung, wandelt jede Steigung in einen z-Wert um (Standardabweichungen über der eigenen jüngeren Historie) und bildet mit den Schieberegler-Gewichten eine gewichtete Summe der drei z-Werte. Das Ergebnis ist täglich ein einziger Fusionswert. Da Suchtrends dem Ausbruch tatsächlich vorauslaufen, erhalten sie standardmäßig das höchste Gewicht; Krankenhauseinweisungen, das zuverlässigste, aber langsamste Signal, erhalten das geringste Gewicht.

Ein sehr verrauschtes, aber frühes Signal löst allein verwendet ständig Fehlalarme aus, weil sein Rauschpegel mit dem echten Ausbruchssignal vergleichbar ist. Ein sauberes, aber spätes Signal ist zuverlässig, doch bis es sich bewegt, ist der Großteil der nützlichen Warnzeit bereits verstrichen. Das Mitteln mehrerer teilweise unabhängiger verrauschter Signale reduziert das kombinierte Rauschen ungefähr um die Quadratwurzel der Anzahl der Signale, während sich der gemeinsame wahre Epidemietrend direkt aufsummiert — der Fusionswert erreicht daher eine statistisch belastbare Abweichung von der Basislinie früher als die einzelnen verrauschten Signale, ohne die volle Verzögerung des sauberen, aber späten Signals zu erben. Dies ist dieselbe Logik hinter Ensemble-Prognosen und Sensorfusion im Allgemeinen.

Jeder Tag Vorsprung ist ein Tag, um Testkapazitäten vorab zu positionieren, Kliniker auf ein bestimmtes Krankheitsbild aufmerksam zu machen, Notfall-Personalpläne zu aktivieren, zusätzliche Vorräte zu bestellen oder öffentliche Hinweise auszugeben, bevor Krankenhäuser überlastet sind. Historische Surveillance-Systeme haben Anstiege bei Atemwegserkrankungen oft erst ein bis drei Wochen erkannt, nachdem sich Infektionen bereits ausbreiteten; dasselbe Signal auch nur eine Woche früher zu erfassen, kann den Unterschied zwischen einer koordinierten Reaktion und hektischem Reagieren ausmachen. Die Simulation quantifiziert dies direkt: Sie vergleicht den Tag, an dem der Fusionswert erstmals die Alarmschwelle überschreitet, mit dem Tag, an dem das Krankenhauseinweisungs-Signal allein eine gleichwertige Schwelle überschritten hätte, und meldet die Differenz in Tagen.

Jeder statistische Alarm tauscht Empfindlichkeit gegen Fehlalarmrate, gesteuert hier durch den Schwellenregler. Eine niedrige Schwelle erkennt echte Ausbrüche früher, löst aber auch bei gewöhnlichem Rauschen aus, was Glaubwürdigkeit und Ressourcen kostet, wenn Einsatzkräfte umsonst mobilisiert werden. Eine hohe Schwelle verringert Fehlalarme, verzögert aber die echte Erkennung, mitunter über den Punkt hinaus, an dem eine frühe Intervention noch etwas nützt. Da Such- und Apothekendaten besonders verrauscht sind und durch nicht-epidemische Ursachen wie Medienberichterstattung oder unabhängige saisonale Erkrankungen getrieben werden können, werden Gewichte und Schwelle in einem realen System anhand einer langen Historie vergangener Ausbrüche und Nicht-Ausbrüche kalibriert — und selbst dann werden manche Fehlalarme als Preis für die frühe Erkennung echter Fälle akzeptiert.

Für jedes Signal berechnet die Simulation eine gleitende 7-Tage-Steigung: (Wert heute minus Wert vor 7 Tagen) geteilt durch 7. Sie führt eine wachsende, kausale Aufzeichnung dieser Steigung vom frühen Ausbruch bis „heute“ und berechnet Mittelwert und Standardabweichung der Steigung ausschließlich anhand bisher gesehener Daten, ohne je in die Zukunft zu blicken — genau wie es ein echtes Dashboard tun müsste. Die Steigung jedes Tages wird als z-Wert ausgedrückt: (Steigung minus historischer Mittelwert) geteilt durch historische Standardabweichung. Der Fusionswert ist der gewichtete Mittelwert der z-Werte der drei Signale unter Verwendung der normierten Schieberegler-Gewichte. Ein Alarm löst am ersten Tag aus, an dem der Fusionswert die Schwelle überschreitet, und dieser Übergangstag wird mit dem Tag verglichen, an dem der z-Wert der Krankenhauseinweisungen allein dieselbe Schwelle überschritten hätte.

Das ILINet der CDC und die FluSight-/COVID-19-Forecast-Hub-Ensembles kombinieren ambulante Besuchsdaten, Krankenhauseinweisungen, Abwasserüberwachung und zunehmend Such- und Einzelhandelsdaten zu gemischten Kurzfristprognosen, ganz ähnlich dem Fusionswert hier. Google Flu Trends (2008–2015) versuchte, allein aus dem Suchvolumen die Grippeaktivität nahezu in Echtzeit zu schätzen, und überschätzte die Saison 2013 deutlich — auch weil es nie mit langsameren, aber verlässlicheren Referenzsignalen fusioniert und sein Modell nicht neu trainiert wurde, als sich das Suchverhalten verschob. Eine warnende Geschichte für genau das oben beschriebene Fehlalarmrisiko. Moderne Systeme folgen im Allgemeinen dem hier demonstrierten Multi-Signal-Fusionsansatz: Vertrauen Sie nie allein einem verrauschten Frühindikator, ignorieren Sie ihn aber auch nicht.