WIE PATIENTEN GEHEN, VERRÄT ETWAS ÜBER DEN VERLAUF EINES HIRNTUMORS

Das Glioblastom, der häufigste Hirntumor bei Erwachsenen, hat selbst mit Operation, Strahlentherapie und Chemotherapie eine mediane Überlebenszeit von etwa 15 Monaten. Wie andere hochgradige Gliome führt es zu einem fortschreitenden Funktionsverlust, und die Erkrankung schreitet typischerweise vier bis sechs Monate nach der Diagnose fort. Bestätigt wird das Fortschreiten durch eine kontrastmittelverstärkte MRT – eine teure, beengende Untersuchung, für Menschen mit Herzschrittmacher oft unmöglich, die nur alle zwei bis drei Monate durchgeführt wird und die Erkrankung erst zeigen kann, wenn sie bereits fortgeschritten ist.

Tragbare Sensoren könnten die Lücken zwischen den Untersuchungen füllen. Doch jeder Patient bewegt sich anders, und die Veränderungen hängen davon ab, wo der Tumor sitzt und wie er sich ausbreitet. Die einfachste Zusammenfassung, die Zahl der Schritte, könnte das Wesentliche übersehen: wie ein Mensch geht, nicht nur wie viel.

Ein Sensor, jeden Tag getragen

Rishit Das, Barbora Barancikova und Matt Williams vom Imperial College London nutzten Daten der BrainWear-Studie, in der Patienten mit hochgradigem Gliom einen Beschleunigungssensor am Handgelenk trugen und jeder Klinikbesuch als stabil oder progredient eingestuft wurde. Der vollständige Datensatz umfasst 78 Patienten und 114 eingestufte Besuche.

Aus dem Rohsignal wählte ein für die UK Biobank entwickeltes Klassifikationswerkzeug die Abschnitte heraus, in denen die Patienten gingen. Diese wurden gefiltert, in 15-Sekunden-Abschnitte zerlegt und auf eine einzige Kurve der Bewegungsintensität über die Zeit reduziert.

Die Form eines Gangs lesen

Um Gangmuster zu vergleichen, entlehnte das Team ein Werkzeug aus einem Zweig der Mathematik namens Theorie der rauen Pfade (rough path theory): Pfadsignaturen. Eine Signatur fasst die „Form“ eines Signals, das sich über die Zeit entfaltet, durch eine Folge verschachtelter Integrale zusammen, ohne dass zuvor ein Modell trainiert werden muss. Signaturen haben bereits dazu gedient, handgeschriebene chinesische Schriftzeichen und menschliche Handlungen zu erkennen. Ein verwandtes Maß, SigMMD, quantifiziert, wie verschieden zwei Sammlungen von Signalen sind: Je größer es ist, desto stärker unterscheiden sie sich.

Als Plausibilitätsprüfung unterschieden die Signaturen das Gehen deutlich vom Schlafen, Sitzen, Stehen oder Fahren in einem Fahrzeug.

Jeder Patient als eigene Referenz

Für jeden Zeitraum zwischen zwei Klinikbesuchen diente das Gehen in den ersten rund zwei Wochen als Ausgangswert des Patienten. Jeder spätere Tag wurde mithilfe von SigMMD damit verglichen, und die täglichen Werte wurden zu einer Zahl pro Besuch gemittelt.

Für sich genommen trennten diese Zahlen stabile kaum von progredienten Besuchen: Die Patienten gehen einfach zu unterschiedlich. Deshalb teilten die Autoren jeden Wert durch den Durchschnitt desselben Patienten bei stabilen Besuchen. Ein Verhältnis über 1 bedeutet, dass sich das Gehen des Patienten diesmal weiter von seinem Ausgangswert entfernt hat, als es das bei stabiler Erkrankung gewöhnlich tut.

Was die Zahlen sagen

Genügend Daten und mindestens ein stabiler Besuch lagen für 11 Patienten und 26 Besuche vor – 11 progrediente, 15 stabile –, insgesamt 3.030 Stunden Gehen. Das personalisierte Verhältnis war bei progredienten Besuchen höher (p = 0,016 in einem Test, der die Einstufungen innerhalb jedes Patienten zufällig vertauscht: etwa 1,6 % Wahrscheinlichkeit für einen so großen Unterschied, wenn die Einstufungen nichts bedeuteten).

Als einzelne Warnschwelle verwendet und jedes Mal an einem Patienten getestet, der bei der Feinabstimmung ausgelassen worden war, erreichte das Verhältnis eine Fläche unter der Kurve – ein Wert dafür, wie gut es progrediente Besuche höher einstuft als stabile, von 0,5 (Zufall) bis 1 (perfekt) – von 0,85 (95-%-Bereich 0,66 bis 0,99). Es meldete 8 der 11 progredienten Besuche und stufte 80 % der stabilen Besuche korrekt als stabil ein. Die Schrittzahlen schnitten dagegen nicht besser ab als der Zufall: 0,44 beim gleichen personalisierten Ansatz, 0,42 bei einem herkömmlichen Modell, das die 60 Tage vor jedem Besuch nutzte.

Ein erster Schritt, noch kein Test

Die Autoren betonen die Grenzen. Die Kohorte ist winzig. Und die stabile Referenz jedes Patienten kann stabile Besuche enthalten, die nach einem Fortschreiten stattfanden, sodass sich das Verhältnis noch nicht in Echtzeit berechnen lässt. Die Studie zeigt, dass sich das Gehen zwischen stabilen und progredienten Phasen unterscheidet; sie zeigt noch nicht, dass ein Handgelenksensor ein Fortschreiten vor der Bildgebung erkennen kann. Dafür müsste sich die Referenz ausschließlich auf frühere stabile Besuche stützen, in einer viel größeren, über die Zeit begleiteten Gruppe.

Als nächsten Schritt schlagen sie vor, die täglichen Werte fortlaufend zu verfolgen statt nur einen pro Besuch, um zu sehen, ob eine Veränderung in der Art, wie Patienten gehen, den allerersten Beginn ihres Abbaus anzeigen könnte. Bis dahin bleibt das Armband eine Forschungsidee, die eines Tages die Bildgebung und die klinischen Kontrollen ergänzen, nicht ersetzen soll.