Hippocratic Utility

Der Autor kritisiert, dass die Anwendbarkeit der vorgeschlagenen „hippokratischen Nutzenfunktion", die zwischen durch Unterlassung und durch Behandlung geretteten Leben unterschiedlich gewichtet, durch ein Gegenbeispiel eingeschränkt wird.

Das Wesentliche

Hier ist eine einfache Erklärung des Papers von Tomasz Strzalecki, verpackt in eine Geschichte mit Metaphern, damit das Konzept auch ohne mathematischen Hintergrund verständlich wird.

Die Geschichte vom „Hippokratischen Kompass"

Stellen Sie sich vor, Sie sind ein Arzt (oder ein Entscheidungsträger), der vor einer schwierigen Wahl steht. Es gibt zwei Medikamente:

1. Das alte Medikament (A): Es ist seit 1926 bekannt. Es rettet 10 % der Patienten.
2. Das neue Medikament (B): Es wurde gerade 2026 erfunden. Es rettet 20 % der Patienten.

Logisch betrachtet: Warum sollten Sie nicht das neue Medikament nehmen, das doppelt so viele Leben rettet?

Doch hier kommt ein spezieller ethischer Kompass ins Spiel, den der Autor „Hippokratische Nützlichkeit" nennt. Dieser Kompass basiert auf dem alten Schwur: „Zuerst nicht schaden."

Das Problem: Die Angst vor dem Schaden

Der Kompass sagt: „Es ist schlimmer, jemanden zu töten, weil du etwas neues getan hast, als jemanden sterben zu lassen, weil du nichts getan hast."

Stellen Sie sich das wie einen Waldspaziergang vor:

• Wenn Sie auf einem bekannten Pfad (das alte Medikament) laufen und jemand stürzt, ist das traurig, aber es war der bekannte Weg.
• Wenn Sie einen neuen, unbekannten Pfad (das neue Medikament) wählen und jemand stürzt, fühlen Sie sich schuldiger. Sie haben aktiv etwas verändert, das schiefging.

Der Autor erklärt, dass dieser Kompass so empfindlich eingestellt ist (mathematisch durch einen Faktor $\lambda > 1$), dass er den „Schaden durch das Neue" viel schwerer wiegt als den „Schaden durch das Alte".

Die drei Fallstricke des Kompasses

Der Autor zeigt nun drei Probleme auf, warum dieser Kompass in der echten Welt oft in die Irre führt:

1. Der „Verlierer gewinnt" (Dominanz-Verletzung)
Stellen Sie sich vor, das neue Medikament rettet 99 Menschen, tötet aber nur einen einzigen, der das alte Medikament überlebt hätte. Das alte Medikament rettet nur 10 Menschen.
Ein normaler Verstand würde sagen: „Nimm das Neue!"
Der Hippokratische Kompass sagt aber: „Nein! Wenn du das Neue nimmst und einen Menschen tötest, ist das eine Katastrophe. Wir bleiben beim Alten, auch wenn dadurch 89 Menschen weniger überleben."
Die Metapher: Es ist, als würde ein Feuerwehrmann das Haus nicht anzünden, um einen einzigen Brandherd zu löschen, weil er Angst hat, den Wasserschaden zu verursachen – auch wenn das Haus sonst komplett abbrennt.

2. Das Rätsel der unbekannten Daten (Entscheidungsschwierigkeit)
In der Medizin wissen wir oft nur die Durchschnittswerte (10 % vs. 20 %), aber nicht, wer genau überlebt und wer stirbt.
Der Autor zeigt, dass die Entscheidung mit diesem Kompass davon abhängt, wie die Daten zusammenhängen. Da wir das nicht wissen, ist die Entscheidung willkürlich.
Die Metapher: Es ist wie ein Wetten, bei dem Sie nicht wissen, ob die Münze fair ist. Je nachdem, wie Sie die Unsicherheit interpretieren, entscheiden Sie sich für Kopf oder Zahl. Der Kompass gibt Ihnen keine klare Antwort, sondern hängt von Ihrer Laune ab.

3. Der „Status-Quo-Bias" (Die Geschichte entscheidet)
Das ist der wichtigste und lustigste Punkt des Papers.
Stellen Sie sich vor, wir tauschen die Namen um.

• Szenario A: Das alte Medikament ist A, das neue ist B. Der Kompass sagt: „Nimm A (das Alte), weil B zu gefährlich ist."
• Szenario B: Was wäre, wenn das Medikament B schon 1926 erfunden wurde und A erst 2026?
  Jetzt ist B das „alte" Medikament und A das „neue". Der Kompass sagt plötzlich: „Nimm B!"

Die Metapher:
Stellen Sie sich vor, Sie stehen vor zwei Türen. Eine ist aus Holz (A), die andere aus Stein (B).

• Wenn das Holz zuerst da war, sagen Sie: „Ich gehe durch das Holz, das ist sicher. Stein ist zu neu und könnte einstürzen."
• Wenn der Stein aber schon immer da war und das Holz neu ist, sagen Sie: „Ich gehe durch den Stein, das ist sicher. Holz ist zu neu und könnte brennen."

Der Autor sagt: Das ist absurd! Die Entscheidung, welche Tür sicherer ist, sollte nicht davon abhängen, welche Tür zufällig zuerst gebaut wurde. Es ist wie ein Kompass, der sich nach dem Wind richtet, statt nach Norden. Wenn Sie wirklich „nicht schaden" wollen, sollten Sie nicht auf historische Zufälle (welches Medikament war zuerst da?) achten, sondern darauf, was objektiv besser ist.

Das Fazit: Wann funktioniert der Kompass?

Der Autor ist nicht gegen die Idee, „nicht zu schaden". Er sagt nur:

• Der Kompass funktioniert gut, wenn die Wahl zwischen „Behandeln" (Neu) und „Nichts tun" (Alt/Status Quo) liegt. Hier ist die Angst vor dem aktiven Schaden verständlich.
• Der Kompass funktioniert nicht, wenn Sie zwischen zwei aktiven Behandeln wählen müssen (z. B. Medikament A vs. Medikament B). Hier führt die Angst vor dem „Neuen" dazu, dass wir bessere Optionen ignorieren, nur weil sie neu sind.

Zusammenfassend:
Der Hippokratische Kompass ist wie ein sehr vorsichtiger Navigator. Er ist super, wenn Sie entscheiden müssen, ob Sie überhaupt segeln sollen. Aber wenn Sie zwischen zwei Schiffen wählen müssen, die beide segeln können, verweigert er Ihnen die Fahrt, nur weil eines der Schiffe gestern gebaut wurde und das andere vorgestern. Das führt dazu, dass wir Menschenleben riskieren, nur weil wir Angst vor dem Neuen haben – und das ist, wie der Autor sagt, keine gute Strategie für einen Arzt.

Technische Zusammenfassung

Hier ist eine detaillierte technische Zusammenfassung des vorliegenden Papiers von Tomasz Strzalecki auf Deutsch:

Titel: Hippokratische Nutzenfunktion (Hippocratic Utility)

Autor: Tomasz Strzalecki (Harvard University)
Datum: März 2026

---

1. Problemstellung

Das Papier untersucht die Anwendung einer spezifischen Nutzenfunktion in der medizinischen Entscheidungsfindung, die als „Hippokratische Nutzenfunktion" bezeichnet wird. Diese Funktion basiert auf dem ethischen Prinzip des Hippokratischen Eids („Primum non nocere" – zuerst nicht schaden).

• Das Dilemma: Die Funktion bewertet Leben, die durch das Unterlassen einer schädlichen Behandlung gerettet werden, höher als Leben, die durch eine aktive Behandlung gerettet werden könnten. Sie führt zu einer Asymmetrie: Der Verlust eines Lebens durch eine neue Behandlung wird stärker gewichtet als der Verlust durch eine alte (oder keine) Behandlung.
• Der Kontext: Der Autor stellt ein Szenario vor, in dem ein Entscheidungsträger zwischen einem „alten" Standardmedikament (1926, 10 % Überlebensrate) und einem „neuen" Medikament (2026, 20 % Überlebensrate) wählen muss.
• Das methodische Problem: Die Daten stammen aus randomisierten kontrollierten Studien (RCTs), die nur die Randverteilungen (Marginals) der potenziellen Ergebnisse liefern ($P(y_0=1)=10\%$, $P(y_1=1)=20\%$), aber nicht die gemeinsame Verteilung der potenziellen Ergebnisse für einzelne Patienten. Die Art des Patienten (z. B. ob er auf beide Medikamente reagiert oder nur auf eines) ist unbekannt.

2. Methodik

Der Autor verwendet das Modell potenzieller Ergebnisse (Potential Outcomes Model nach Neyman und Rubin), um die Entscheidungsprobleme formal zu modellieren.

• Modellierung: Die Population wird in vier Hauptstrata unterteilt, basierend auf den deterministischen Reaktionen $y_d$ (0 = Tod, 1 = Überleben) für die Behandlung $d \in \{0, 1\}$.
  • $P_{00}$: Stirbt bei beiden.
  • $P_{01}$: Stirbt bei $d=0$, überlebt bei $d=1$.
  • $P_{10}$: Überlebt bei $d=0$, stirbt bei $d=1$.
  • $P_{11}$: Überlebt bei beiden.
• Die Hippokratische Nutzenfunktion: Die Differenz im Nutzen zwischen der neuen ($d=1$) und der alten Behandlung ($d=0$) wird wie folgt definiert:
  $$u(1) - u(0) = \begin{cases} 0 & \text{wenn } y_0 = y_1 \\ 1 & \text{wenn } y_0 < y_1 \text{ (Rettung durch neue Behandlung)} \\ -\lambda & \text{wenn } y_0 > y_1 \text{ (Tod durch neue Behandlung)} \end{cases}$$
  Dabei ist $\lambda > 1$ ein Parameter, der die Asymmetrie (Verlustaversion) misst.
• Analyseansatz: Der Autor analysiert die erwarteten Nutzenmaximierung unter verschiedenen Annahmen über die unbekannte gemeinsame Verteilung $P$ und untersucht die Eigenschaften dieses Kriteriums im Vergleich zu anderen Entscheidungstheorien (z. B. stochastische Dominanz).

3. Wichtige Beiträge und Ergebnisse

Strzalecki identifiziert drei kritische Eigenschaften der Hippokratischen Nutzenfunktion, wobei der dritte Punkt den Kern seiner Argumentation bildet:

A. Wahl dominierter Optionen (Choosing the Dominated Option)

• Ergebnis: Wenn $\lambda$ groß genug ist, kann die Hippokratische Nutzenfunktion dazu führen, dass das Medikament gewählt wird, das statistisch gesehen weniger Leben rettet (hier das alte Medikament mit 10 % statt des neuen mit 20 %).
• Begründung: Die erwartete Nutzen Differenz beträgt $P_{01} - \lambda P_{10}$. Da $P_{01} + P_{11} = 20\%$ und $P_{10} + P_{11} = 10\%$, lässt sich dies umformen zu $10% + (1-\lambda)P_{10}$. Für hinreichend großes$\lambda$und$P_{10} > 0$ wird dieser Wert negativ.
• Implikation: Dies verletzt das Prinzip der stochastischen Dominanz. Befürworter argumentieren zwar ethisch, dass manche Leben „mehr zählen", doch technisch führt dies zu suboptimalen Entscheidungen, wenn man die Gesamtzahl der Geretteten maximieren möchte.

B. Entscheidungs-Unbestimmtheit (Choice Indeterminacy)

• Ergebnis: Wenn nur die Randverteilungen bekannt sind (wie in RCTs üblich), liefert das Kriterium keine eindeutige Empfehlung.
• Begründung: Der optimale Entscheid hängt von der unbekannten Korrelationsstruktur (der gemeinsamen Verteilung $P$) ab. Je nach Annahme über $P$ (z. B. $P_{01}=0$ vs. andere Verteilungen) kann die optimale Entscheidung zwischen $d=0$ und $d=1$ wechseln.
• Implikation: Um eine Entscheidung zu treffen, müssten zusätzliche, nicht datengetriebene Annahmen getroffen werden (z. B. Minimax-Regret, Produktmaße), was die Objektivität des Kriteriums untergräbt.

C. Status-Quo-Verzerrung (Status Quo Bias) – Der Hauptbeitrag

• Kernargument: Die Anwendung der Hippokratischen Nutzenfunktion führt zu einer willkürlichen Abhängigkeit vom historischen Zufall, welcher Zustand als „Status Quo" (Referenzpunkt $d=0$) definiert wird.
• Beispiel:
  • Szenario 1: Medikament A (alt) vs. Medikament B (neu). Wenn B neu ist, wird A gewählt (wegen $\lambda > 1$).
  • Szenario 3: Medikament B (alt) vs. Medikament A (neu). Hier wird B gewählt.
• Ergebnis: Die Entscheidung hängt nicht von den chemischen Eigenschaften oder der Wirksamkeit der Medikamente ab, sondern davon, welches zuerst entdeckt wurde. Dies stellt eine Status-Quo-Verzerrung dar.
• Kritik: Ein Entscheidungsträger, der „nicht schaden" will, sollte nicht auf zufällige historische Fakten basieren. Eine konsistente Anwendung würde bedeuten, die Nutzenfunktion direkt auf die Objekte (Medikamente) zu legen, was jedoch immer noch zu Verletzungen der stochastischen Dominanz führt, nur eben ohne den historischen Bias.

4. Diskussion und Signifikanz

Der Autor räumt ein, dass die ethische Motivation hinter der Asymmetrie ($\lambda > 1$) nachvollziehbar ist, warnt jedoch vor der begrenzten Anwendbarkeit:

1. Definition des Status Quo: Die Hippokratische Nutzenfunktion ist nur dann sinnvoll anwendbar, wenn der Status Quo eindeutig „keine Intervention" ist (z. B. Entscheidung zwischen Behandlung und Nicht-Behandlung). Sobald der Status Quo ein alternatives Medikament ist, wird die Entscheidung durch historische Zufälligkeiten verzerrt.
2. Rechtliche vs. Ethische Motivation: Der Autor unterscheidet zwischen ethischen Gründen und rechtlichen Risiken (Klagen). Rechtlich ist es einfacher, gegen eine aktive Behandlung zu klagen als gegen Untätigkeit. In diesem Fall wäre $\lambda$ proportional zum Klagerisiko. Dies führt jedoch dazu, dass in Szenarien, in denen Patienten sich selbst behandeln (z. B. rezeptfreie Medikamente), die Entscheidung trotzdem bei der Untätigkeit liegen könnte, was ethisch fragwürdig ist.
3. Fazit: Die Hippokratische Nutzenfunktion ist kein universelles Entscheidungskriterium. Ihre Anwendung erfordert eine strenge, prinzipielle Begründung dessen, was als „Status Quo" gilt. Ohne diese Klarheit führt sie zu inkonsistenten und potenziell lebensgefährlichen Entscheidungen, die nicht auf medizinischer Evidenz, sondern auf willkürlichen Referenzpunkten basieren.

Zusammenfassende Bewertung

Das Papier liefert einen wichtigen formalen Gegenentwurf zur wachsenden Literatur, die asymmetrische Nutzenfunktionen in der medizinischen Ökonomie befürwortet. Es zeigt auf, dass die Einführung von Verlustaversion in normative Entscheidungstheorien zu Verletzungen der stochastischen Dominanz und zu einer gefährlichen Abhängigkeit von willkürlichen Referenzpunkten (Status-Quo-Bias) führen kann. Die Arbeit fordert eine kritische Reflexion darüber, wann und wie ethische Prinzipien in mathematische Entscheidungsmodelle übersetzt werden dürfen.