Warum medizinische Forschung so schwierig ist – über Kausalität

Schauen Sie sich folgendes Video an und beantworten Sie die Frage, was darin passiert:

Wenn Sie wie die meisten Menschen sind, werden Sie etwas sagen wie: Der rote »Ball« versetzt den blauen in Bewegung. Oder: Der rote »Ball« folgt dem blauen.

Sie werden also automatisch davon ausgehen, die Bilder, die Sie sehen, seien Abbild einer kausalen Verknüpfung. Tatsächlich gibt es ja bei solchen Animationen keine physikalischen Ursachen und Wirkungen: Der rote Ball könnte durch den blauen durchlaufen, in ihm verschwinden etc.

Mit anderen Worten: Sie haben das Anstupsen und in Bewegung-Versetzen nicht gesehen, sondern angenommen. Das zeigt dieses Experiment zur Kausalitätsattribution (Zuschreibung von Kausalität) des belgischen Experimentalpsychologen Albert Michotte.

Schon David Hume hatte im 18. Jahrhundert festgehalten, dass Kausalität drei Voraussetzungen habe:

  1. Zwei Ereignisse folgen aufeinander.
  2. Sie stehen in Kontakt zueinander bzw. in einem Zusammenhang.
  3. Wenn das frühere Ereignis erfolgt ist, muss das spätere notwendigerweise erfolgen.

Die letzte Voraussetzung lässt sich nun nicht beobachten, weil die Notwendigkeit nicht aus einer beschränkten Zahl von Beobachtungen ableitbar ist. Wir haben aber im obigen Film alle angenommen, die Bewegung erfolge notwendig – ohne dass wir das Verhalten der roten und blauen Bälle genauer untersucht hätten.

Daraus resultieren zwei Probleme:

  1. Unsere Annahmen verhalten sich wie Wahrnehmungen: Wir »sehen« Kausalität, wie wir Farben sehen – obwohl es sie in diesem Sinne nicht gibt.
  2. Wir vereinfachen Zusammenhänge in Bezug auf Kausalität, weil wir uns auf das konzentrieren, was wir eben »sehen«.

Für diese Probleme gibt es ein wissenschaftliches Äquivalent: Das Verhältnis von Korrelation und Kausalität. Korrelation meint, dass zwei Ereignisse gemeinsam auftreten (also gewissermassen Punkte 1. und 2. von Hume), Kausalität aber, dass sie tatsächlich in Abhängigkeit zueinander stehen. Es gibt eine Reihe von Beispielen für die Verwechslung von Korrelation und Kausalität, das berühmteste ist wohl das von den Störchen und der Geburtenrate: Je mehr Störche es in einer Gegend in Deutschland gibt, desto mehr Kinder kommen dort auf die Welt (und umgekehrt). Das Problem ist dabei, dass sowohl die Anzahl der Störche wie auch die Geburtenrate in städtischen Regionen kleiner als in ländlichen ist, es ist also eine externe Ursache für den Zusammenhang verantwortlich.

WissenschaftlerInnen umgehen das Problem, indem sie Korrelationen statistisch testen. Korrelationen sind dann signifikant, wenn sie selten vorkommen. Dabei gibt es aber weitere Probleme: Je länger man diese Methode verwendet, desto unzuverlässiger werden Korrelationen. Dieses Problem betrifft inbesondere die Biochemie bzw. die medizinische Forschung.

Warum? Erstens hat man wohl die meisten einfach zu erkennenden Ursachen für Phänomene gefunden (z.B. Rauchen – Krebs), zweitens handelt es sich oft um so komplexe Prozesse, dass nicht alle Variablen bekannt sind, die einen Einfluss haben. In einem Aufsatz, der diese Zusammenhänge beleuchtet, hält Jonah Lehrer fest, dass die medizinische Forschung deshalb so teuer ist: 2015 wird jedes zugelassene Molekül in Medikamenten fast 4 Millarden Dollar kosten, obwohl bereits heute schätzungsweise 85% der neu zugelassenen Medikamente in Europa wirkungslos oder fast wirkungslos sind.

Lehrer zeigt in seinem Aufsatz die Auswirkungen dieser Zusammenhänge für die Medizin und erwähnt unter anderem folgende Beispiele:

  • Rückenschmerzen wurden lange Zeit durch Bettruhe behandelt. Mit der Erfindung des MRI konnte man »sehen«, dass Rückenschmerzen durch lädierte Bandscheiben ausgelöst werden. Aber: Man hatte sich getäuscht. Menschen ohne Rückenschmerzen haben ebenso häufig lädierte Bandscheiben. Ein Verfahren zur Visualisierung brachte die Illusion einer Kausalität mit sich.
  • Etwas Ähnliches gilt für Biomarker wie Cholesterol: Die meisten beobachteten Zusammenhänge zwischen Messwerten von Biomarkern und Krankheiten lassen sich statistisch nicht mehr erhärten; auch hier wurden kausale Verbindungen angenommen, die eine Täuschung waren.
Lehrer schließt daraus, dass unser Denken zu lange davon ausging, Kausalität sei eine Tatsache – und wir uns besinnen sollten, dass es sich nur um eine Annahme handelt. Er schreibt als Fazit (Übersetzung von mir unten):

And yet, we must never forget that our causal beliefs are defined by their limitations. For too long, we’ve pretended that the old problem of causality can be cured by our shiny new knowledge. If only we devote more resources to research or dissect the system at a more fundamental level or search for ever more subtle correlations, we can discover how it all works. But a cause is not a fact, and it never will be; the things we can see will always be bracketed by what we cannot. And this is why, even when we know everything about everything, we’ll still be telling stories about why it happened. It’s mystery all the way down.

***
Und doch dürfen wir nicht vergessen, dass unser Glaube an Kausalität durch seine Beschränkungen definiert ist. Zu lange haben wir vorgegeben, das alte Problem der Kausalität könne durch unser glänzendes neues Wissen gelöst werden. Wenn wir nur genug Ressourcen in die Forschung stecken oder das System genauer durchleuchten, könnten wir entdecken, wie alles funktioniert. Aber eine Ursache ist keine Tatsache und wird nie eine sein. Was wir sehen ist immer eingeklammert durch das, was wir nicht sehen. Und deshalb werden wir – auch wenn wir alles über alles wissen – immer Geschichten darüber erzählen, warum es passiert ist. Es ist ein großes Geheimnis.

4 thoughts on “Warum medizinische Forschung so schwierig ist – über Kausalität

  1. eine etwas ausführlichere antwort. twitter ist halt doch sehr kurz.

    aus der einsicht, dass keine kausalitäten mehr entdeckt werden können, und den immer grösser werdenden nötigen investitionen in medizinsche forschung, um allfällige kausliäten aufzudecken, abzuleiten, medizinische forschung könnte überflüssig werden, halte ich für einen kurzschluss.

    medizinsche fortschritte beruhten immer schon auf „scheinkausalitäten“. ich würde sogar so weit gehen, dass jegliche vermeintliche kausalitäten „nur“ scheinkausalitäten sind. theorien sind immer nur so lange gültig, bis sie widerlegt werden. und trotzdem stellen wir theorien auf und können mit ihnen arbeiten. eine theorie kann nie bewiesen werden, genauso kann eine kausalität nicht als wahr betrachtet werden. sie sind nützliche modelle, die versuchen unser beobachtungen („was wir eben »sehen«“) zu erklären und sind solange gültig, bis wir genügend beobachtungen machen, die durch die bestehenden modelle/bekannten kausalzusammenhänge nicht abgedeckt werden können. können neue modelle beobachtungen umfassender erklären, kommt es zu einem paradigmenwechsel (nach kuhn).

    der nutzen von medizinischem fortschritt beruht also schon immer auf „scheinkausalitäten“ und trotzdem würde ich der medizinischen forschung grosse fortschritte attestieren. lehner beschreibt lediglich wie schwierig/teuer medizinische forschung (geworden) ist und dass sie auch misslingen kann. dies ist jedoch kein neues phänomen und hat nichts mit kausalzusammenhängen zu tun. ähnliches können wir in andere forschungsbereiche beobachten. forschung wird generell teurer (komplizierte geräte, grosse forschernetzwerke, wachsende interdependenz/interdisziplinarität etc.), damit einher geht aber auch ein noch nie da gewesenes verständnis der welt.

    • dcbrigens kann man dank der fleidfigen OSM-Community in Braunschweig auf der Karte sehen, dass mit Gaudfpark der Inselwallpark gemeint ist. Andererseits sind Indirektionen eben das Brot der Informatiker.Viel Spadf beim Grillen.

  2. Ich schliesse mich weitgehend Adrian an. Wesentlich finde ich dass viele WissenschafterInnen, und Medien und Öffentlichkeit fast noch mehr, Kausalitäten sehen wollen wo es keine gibt, sondern eben nur „Scheinkausalitäten“, angenommen Kausalitäten oder sogar schlicht Korrelationen oder Zufälle. Dieses Nicht-Akzeptieren von Kontingenz ist m.E. höchst problematisch, denn die Konstruktion von Kausalitäten, deren Einfachheit man nur zu gern erliegt, führt oft (durchaus nicht immer! eine a priori unzulässige Vereinfachung kann auch ein wichtiges Hilfsmittel fürs Denken sein) zu falschen Schlussfolgerungen im praktischen Handeln.
    Hier, und das war mit meinem Tweet gemeint, müsste man ansetzen – dieses Denken der vorschnellen Vereinfachung und damit einhergehend der Konstruktion von Kausalitäten „dekonstruieren“ (Derrida ist eben noch nicht in den Naturwissenschaften angekommen…). Ursache scheint mir neben einer fehlenden Reflexion des eigenen Denkens und der Mechanismen des Diskurssystems Wissenschaft ein schon fast blinder Rationalismus zu sein. Dazu kommt noch ein für mich eigenartiger Umgang mit dem Begriff Wahrheit: Wahrheit scheint oft als absoluter, erratischer Block gesehen zu werden, als etwas dass einmal „richtig“ erfasst sich nicht mehr verschiebt. Nur zu nahe liegt es dann, sich einfache, starre, „aus A folgt B“-Kausalität zurechtzulegen.

  3. Zum Thema Korrelation und Kausalität in der Medizin gibt es ein (relativ) neues Forschungsfeld: GWAS (Genome Wide Association Studies) – mit einem Blumenstrauss an Möglichkeiten und Gefahren (dazu vom CCC auf Englisch mit stark deutschem Akzent ein Video http://www.youtube.com/watch?v=C6ktYLuL4pY&feature=related).

    GWAS liefern trotz blossem korrelativen Ansatz ganz erstaunliche Resultate und bringt Gene aus völlig fremden Systemen in Verbindung mit gewissen Phänotypen/Krankheiten – die in der Folge auf den kausalen Zusammenhang hin erforscht werden können.

Schreibe einen Kommentar

Trage deine Daten unten ein oder klicke ein Icon um dich einzuloggen:

WordPress.com-Logo

Du kommentierst mit Deinem WordPress.com-Konto. Abmelden / Ändern )

Twitter-Bild

Du kommentierst mit Deinem Twitter-Konto. Abmelden / Ändern )

Facebook-Foto

Du kommentierst mit Deinem Facebook-Konto. Abmelden / Ändern )

Google+ Foto

Du kommentierst mit Deinem Google+-Konto. Abmelden / Ändern )

Verbinde mit %s