Nächstes Ziel: Unbekannt?

Wie Viren um die Welt reisen

Nicht nur Menschen reisen um die Welt: Ein Blick in die Geschichte zeigt, dass auch Viren sich schon immer über Kontinente hinweg verbreitet haben. Was heute aber anders ist: Die Simulationen zur Krankheitsausbreitung haben eine neue Qualität.

Die Corona-Pandemie hält uns in Atem. Covid-19 ist kein Gewitter, das vorüberzieht und uns dann in Ruhe lässt. Und auch wenn die Gefahr einer unkontrollierten Ausbreitung gebannt scheint, etwa weil es einen wirksamen Impfstoff gibt und wir mehr über die Evidenz von Schutzmaßnahmen wissen, werden wir uns fragen: Wann trifft uns die nächste Epidemie? Und wie können wir uns darauf vorbereiten?

Fragen, die die Zukunft betreffen, lassen sich am besten mit einem Blick in die Vergangenheit beantworten. Und der zeigt, dass weder die globale Verbreitung noch die Radikalität der Abwehrmaßnahmen ausschließlich Phänomene unserer Zeit sind. „Seuchen hat es in der Menschheitsgeschichte immer gegeben“, sagt Prof. Dr. Karl-Heinz Leven. „Und sie verbreiten seit Jahrtausenden Angst und Schrecken.“

Globalisierung ist kein Phänomen der Moderne

Leven ist Direktor des Instituts für Geschichte und Ethik der Medizin an der FAU. Er kennt sich bestens aus mit der Geschichte von Krankheiten und weiß, wo sie auftreten, wie sie sich verbreiten, wie die Menschen darauf reagieren. Dass Mikroben an der Globalisierung teilhaben, sei nicht so neu, wie wir häufig glauben, sagt er: „Die Justinianische Pest Mitte des 6. Jahrhunderts kam ebenso auf Handelswegen nach Europa wie der Schwarze Tod am Ende des Mittelalters – eine der schlimmsten Katastrophen, von denen Europa je betroffen war.“ Der Transport von Krankheiten hat aber auch in die andere Richtung stattgefunden: Die Pocken und Masern etwa – bis dahin in Europa endemische Seuchen – sind mit den Seefahrten von Kolumbus und anderen Eroberern nach Amerika gelangt und haben dort zu explosiven Epidemien geführt, von denen sich die Ureinwohner nie erholt haben.

In Europa wurden die gefährlichen Pocken durch die erfolgreiche Vakzination – die Schutzimpfung mit Kuhpocken – zu Beginn des 19. Jahrhunderts zunächst eingedämmt und schließlich beherrscht. Trotz aller Bemühungen sind sie bis heute die einzige ansteckende Krankheit, die durch Impfungen ausgerottet werden konnte. Doch es folgten neue Seuchen: Im 19. Jahrhundert wurde Europa von vier Cholera-Epidemien heimgesucht, 1918 forderte die Spanischen Grippe Schätzungen zufolge bis zu 50 Millionen Tote weltweit. „Innerhalb weniger Monate lag 1918/19 die durchschnittliche Mortalität zwischen 0,5 und 2,5 Prozent“, sagt der Medizinhistoriker. „Viele Menschen erkrankten, aber die meisten überlebten.“ Mitte des 20. Jahrhunderts gab es mit der Asiatischen Grippe und der Hongkong-Grippe Pandemien, die rückschauend an die Spanische Grippe erinnerten. Leven: „Covid-19 reiht sich epidemiologisch in diese Gruppe ein. Es ist nicht zu erwarten, dass virale Pandemien dieser Art damit ihr Ende gefunden hätten.“

Bei Seuchen schlägt die Stunde der Exekutive

Der Kampf gegen Seuchen ist so alt wie die Krankheiten selbst und folgte zumeist den herrschenden Erklärungsmustern: In der Vormoderne galten Seuchen als göttliche Strafen oder Prüfungen. Die Menschen versuchten, die Gefahr durch Riten, Buße und Bittprozessionen abzuwenden. Erste naturkundliche Ansätze bot die Miasma-Lehre, die Unreinheiten der Luft als Krankheitsursache ansah. Allerdings konnte das Verbrennen von Aromata wenig gegen die Erreger ausrichten. Wirklich durchgreifende Maßnahmen begannen im Zuge der Pestepidemien im Mittelalter: Städte wurden von Fäkalien und Tierabfällen gereinigt, hinzu kam die Quarantäne, eine vierzigtägige Isolierung von Schiffen, Mannschaften und Waren aus fremden Häfen. Infizierte in den Städten selbst wurden in ihren Häusern isoliert und bewacht oder in spezielle Pesthäuser eingeliefert. Es bildeten sich regelrechte Pestordnungen heraus, die mit Zwangsmitteln und Strafen durchgesetzt wurden.

Treten Epidemien und Pandemien auf, schlägt die Stunde der Exekutive. Das zeigt auch Corona sehr eindrucksvoll: „Verglichen mit historischen Seuchenausbrüchen, aber auch mit aktuellen epi- und pandemischen Infektionskrankheiten, bewegt sich die Infektions- und Sterberate von Corona in einem niedrigen Bereich“, sagt Karl-Heinz Leven. „Gleichwohl sind die Reaktionsweisen auf die Corona-Bedrohung heftig, geradezu historisch singulär.“ Zu erklären sei das unter anderem damit, dass die Wahrnehmung bestimmter Infektionskrankheiten hoch emotionalisiert sei und medial verstärkt werde. Dennoch sei es auch historisch als Erfolg zu werten, dass die Epidemie zur Jahresmitte 2020 durch radikale Absperrmaßnahmen vielerorts effektiv eingedämmt werden konnte. Schließlich gebe es, ähnlich wie in der Geschichte anderer Seuchen, kein spezifisches Therapeutikum gegen die Corona-Erkrankung. „Die zuweilen verbreitete Vorstellung, dass eine Impfung demnächst die Rückkehr zum Normalzustand ermöglichen werde, dürfte eine Illusion sein“, sagt Leven. „Wir werden mit einer neuen Normalität leben müssen.“

Das Wissen um Erreger begründet mathematische Epidemiologie

Durch die neuen Erkenntnisse vor allem der Mikrobiologie und Bakteriologie Ende des 19. Jahrhunderts war die Übertragung von Krankheiten nicht länger ein Mysterium. Die Möglichkeit, Infektionswege zu identifizieren, begründete zugleich die mathematische Epidemiologie: 1927 entwickelten die Briten Anderson Gray McKendrick und William Ogilvy Kermack ein Modell, mit dem sie eine 20 Jahre zurückliegende Pestepidemie im indischen Bombay erstaunlich präzise rekonstruieren konnten. Herzstück ihrer Theorie war die Einteilung der Population in verschiedene Gruppen: Suszeptible (S), das heißt für eine Ansteckung empfängliche Gesunde, ansteckende Infizierte (I) und aus dem Infektionsgeschehen ausgeschiedene Personen (R, für engl. Removed), die entweder eine Immunität erworben haben oder aber gestorben sind.

Dieses SIR-Modell ist bis heute die Basis epidemiologischer Modellierungen, zumeist erweitert um die Gruppe der Exponierten, die sich angesteckt haben, aber noch nicht infektiös sind. Mittels verknüpfter Differenzialgleichungen kann zum Beispiel berechnet werden, wie viele gleichzeitig Infizierte es maximal geben wird, wann dieser Peak erreicht wird und wie viele Menschen sich insgesamt anstecken. „Gerade bei Krankheiten, über die zum Zeitpunkt des Ausbruchs noch sehr wenig bekannt ist, sind Simulationen aus SIR-Modellen mit variierenden Parametern zur Infektiosität das erste Werkzeug“, sagt Dr. Sebastian Meyer vom Institut für Medizininformatik, Biometrie und Epidemiologie (IMBE) der FAU.

Statistische Modelle brauchen gute Daten

Meyer zählt zu den führenden deutschen Experten, wenn es um statistische Modelle der zeitlich-räumlichen Ausbreitung infektiöser Krankheiten geht. Er hat Methoden entwickelt, die dabei helfen sollen, die Ausbreitungsdynamik und die Auswirkungen von Kontrollmaßnahmen datenbasiert abzuschätzen. Dabei greift er auch auf dynamische räumliche Punktprozesse zurück, die beispielsweise verwendet werden, um tektonische Nachbeben vorherzusagen. Seine statistischen Methoden stellt Meyer der epidemiologischen Forschung als „R-Paket surveillance“ zur Verfügung. Er ist maßgeblich an der Weiterentwicklung dieser quelloffenen Statistik-Software beteiligt, die auch vom Robert-Koch-Institut genutzt wird.

Im Vergleich zur Wettervorhersage steckt die Prognose von Epidemien noch in den Kinderschuhen.

Statistische Modelle sind jedoch nur so gut wie die Daten, mit denen sie gefüttert werden. Das sind in erster Linie Fallzahlen aus der epidemiologischen Überwachung meldepflichtiger Infektionskrankheiten. Informationen zur Krankheit selbst, also zur Infektiosität, zur Inkubationszeit, zur Dauer und Schwere des Krankheitsverlaufs oder zur Abhängigkeit der Viren von Jahreszeiten und Witterungsbedingungen spielen eine wichtige Rolle bei der Modellbildung. Zum anderen müssen soziodemografische Variablen berücksichtigt werden: Wie ist das Mobilitätsverhalten in verschiedenen Regionen? Wie sind die Altersgruppen verteilt? Wie ist der Impfstatus, sofern es sich nicht um eine neu auftretende Krankheit handelt? Wie ist das Kontaktverhalten der Menschen ausgeprägt – sind sie eher gesellig oder distanziert? Und schließlich müssen die Effekte administrativer Maßnahmen in die Berechnungen einfließen, zum Beispiel Schulschließungen, das Verbot von Großveranstaltungen oder das Tragen von Mund-Nasen-Bedeckungen in Verkehrsmitteln und Geschäften.

An der Verfügbarkeit solcher Daten für die Simulation dynamischer Infektionsprozesse aber mangelt es häufig: „Im Vergleich zur Wettervorhersage steckt die Prognose von Epidemien noch in den Kinderschuhen“, sagt Meyer. Elektronische Meldesysteme könnten dabei helfen, die Datenlücken zu schließen: In den USA beispielsweise startete die staatliche Gesundheitsbehörde bereits vor Jahren eine Initiative zur besseren Vorhersage von Epidemien. Durch diese systematische Kooperation zwischen Gesundheitsbehörde und Forschungsinstituten kann die Ausbreitung der Grippe immer besser vorhergesagt werden. Seit wenigen Jahren werden für diese Berechnungen auch Google-Suchen, Wikipedia-Aufrufe oder Twitter-Nachrichten ausgewertet. Meyer: „Hier ist ein regelrechter Wettbewerb von Forschungsgruppen um das zuverlässigste Modell entbrannt.“

SIQRD-Modell berücksichtigt Quarantäne

Die Dynamik der Corona-Pandemie hat mittlerweile auch in Deutschland einen Wettbewerb um zuverlässige Simulationsmodelle ausgelöst. Viele Arbeitsgruppen haben sich zusammengetan, auch an der FAU – und auch in Disziplinen, die man mit epidemiologischen Problemen zunächst nicht in Verbindung bringen würde. So haben Forschende am Lehrstuhl für Technische Mechanik (LTM) begonnen, die Ausbreitung von Covid-19 auf kleinere räumliche Dimensionen – zum Teil bis auf die Ebene von Landkreisen und Städten – zu simulieren. Normalerweise versuchen die Wissenschaftlerinnen und Wissenschaftler herauszufinden, wie sich Metalle, Polymere oder Biomaterialien unter dem Einfluss mechanischer Kräfte verhalten. „Bei solchen Arbeiten untersuchen wir, wie die Änderung eines Parameters sich auf einen anderen auswirkt“, erklärt Prof. Dr. Paul Steinmann, der den LTM leitet. „Die Simulation einer Virusausbreitung unterscheidet sich davon nicht grundsätzlich.“

Gemeinsam mit Dr. Silvia Budday hat Steinmann einen neuen Ansatz für die Modellierung der Covid-19-Ausbreitung gewählt. Er baut zwar ebenfalls auf dem SIR-Modell auf, berücksichtigt jedoch einen zusätzlichen Aspekt des Infektionsgeschehens: „Wir unterscheiden zwischen asymptomatischen oder leicht symptomatischen Fällen, die den Hauptanteil von Neuinfektionen ausmachen, und Menschen mit spürbaren Symptomen“, erklärt Steinmann. „Grund für diese Differenzierung ist die Annahme, dass bekannte Fälle unter Quarantäne gestellt werden und andere nicht mehr anstecken können.“ Ihr SIQRD-Modell, das die Gruppen der Suszeptiblen (S), Infizierten (I), in Quarantäne Befindlichen (Q), Gesundeten (R) und Gestorbenen (D) erfasst, haben Steinmann und Budday in Zusammenarbeit mit Dr. Lukas Pflug vom Lehrstuhl für Angewandte Mathematik der FAU um einen sogenannten Integro-Differential-Ansatz erweitert. Er ermöglicht es, medizinische Daten zum Krankheitsverlauf direkt einzubeziehen – etwa neue Erkenntnisse über Inkubationszeit und Krankheitsdauer, Übertragungswege oder die Bewertung von Risikogruppen.

Modell zoomt auf lokale Ebene

Ein Anspruch der Forschenden war es, mit ihrem Modell die Ausbruchsdynamik von Covid-19 für möglichst kleine geografische Einheiten vorherzusagen – etwa um Krankentransporte oder die Auslastung von Intensivbetten besser koordinieren zu können. Dafür war es beispielsweise notwendig, die regional unterschiedlichen Maßnahmen zur Kontaktbeschränkung zu erfassen und auch soziodemografische Daten zu integrieren. „Es scheint einen nicht zu vernachlässigenden Einfluss von Gewohnheiten und Mentalitäten auf die unterschiedlichen Infektionsraten zu geben“, erklärt Silvia Budday. „Das ist ja auch im Vergleich der europäischen Länder, etwa zwischen Deutschland und Italien, diskutiert worden.“ Beim „Zoom“ in die Ebene von Landkreisen war zudem auffällig, dass größere Städte eine erheblich wichtigere Rolle bei der Verbreitung von Covid-19 spielen als Übertritte zwischen den Kreisgrenzen.

Der rückblickende Vergleich mit den vom Robert-Koch-Institut veröffentlichten Zahlen zeigt, dass das SIQRD-Modell die Entwicklung von Infektionen auf Kreisebene mit überzeugender Genauigkeit vorhersagen kann. Doch es gab auch Abweichungen – einige eher ländliche Kreise, zum Beispiel Tirschenreuth in der Oberpfalz, wiesen in der Realität ein wesentlich größeres Infektionsgeschehen auf, als im Modell simuliert wurde. „Solche lokal überproportionalen Fallzahlen führen wir auf eher zufällige Super-Spreading-Ereignisse zurück, die jederzeit auftreten können, aber nur schwer vorherzusagen sind“, erklärt Steinmann. Dennoch, davon sind die Erlanger Forschenden überzeugt, könne das Modell politische Entscheidungsträger dabei unterstützen, wirksame Strategien zur Eindämmung der Krankheit zu entwickeln, die Kapazitäten im Gesundheitswesen zu planen und so weitere Lockdowns zu vermeiden.

FAU-Forschungsmagazin friedrich

Dies ist ein Beitrag aus unserem Forschungsmagazin friedrich. Die aktuelle Ausgabe nimmt Sie mit auf ganz verschiedene Wege – alltägliche, aber auch ungewöhnliche, auf berühmte Handelsstraßen, auf Entdeckungsreisen, Umwege und Pilgerpfade.

Ein Print-Exemplar können Sie sich direkt an einer der vielen Auslagen der FAU mitnehmen oder kostenfrei bestellen – einmalig oder als Abo.