Virtual control arms for paediatric myopia trials: external validation of axial-elongation models

Das menschliche Auge wächst während der Kindheit weiter, ganz so wie der Rest des Körpers. Bei vielen Kindern stoppt dieses Wachstum nicht rechtzeitig, was dazu führt, dass das Auge zu lang wird. Dieser Zustand, bekannt als Myopie oder Kurzsichtigkeit, lässt ferne Objekte verschwommen erscheinen. Jahrzehntelang war die Standardmethode, um zu testen, ob eine neue Behandlung das Wachstum verlangsamen kann, die Durchführung einer klinischen Studie. In einer solchen Studie erhielten einige Kinder die neue Behandlung, während andere eine Standardbrille ohne besondere Merkmale erhielten, die als Kontrollgruppe dienten, um zu zeigen, was ohne Intervention passieren würde. Da jedoch wirksame Behandlungen zur Verlangsamung des Augenwachstums immer häufiger werden, ist es zunehmend schwierig und ethisch fragwürdig geworden, Familien zu bitten, ihre Kinder für eine Studie anzumelden, bei der sie möglicherweise gar keine aktive Behandlung erhalten. Eltern sind zögerlich, ihre Kinder ohne Hilfe zu lassen, wenn es bessere Optionen gibt, und Kinder, deren Zustand sich schnell verschlechtert, brechen die Studie oft ab, was die Ergebnisse verzerrt. Dies schafft ein Dilemma für Forscher: Sie müssen wissen, was ohne Behandlung passiert, um zu beweisen, dass ein neues Medikament oder eine neue Linse wirkt, aber sie können nicht ohne Weiteres Kinder finden, die bereit sind, unbehandelt zu bleiben.

Um dies zu lösen, haben sich Forscher der Mathematik zugewandt. Anstatt sich auf eine Gruppe unbehandelter Kinder zu verlassen, können sie Computermodelle verwenden, um vorherzusagen, wie das Auge eines Kindes wachsen würde, wenn es keine Behandlung erhielte. Diese Modelle fungieren als „virtueller Kontrollarm“ und liefern eine statistische Schätzung des unbehandelten Pfades basierend auf Faktoren wie dem Alter des Kindes, der aktuellen Sehkraft und der ethnischen Herkunft. Die Herausforderung besteht jedoch darin, zu wissen, ob diese Vorhersagen tatsächlich genau sind. Wenn das Modell falsch liegt, könnte die gesamte Studie irreführend sein. Ein Forscherteam setzte sich zum Ziel, fünf verschiedene veröffentlichte Modelle zu testen, um zu sehen, ob sie das Augenwachstum realer Kinder, die keine spezielle Behandlung erhielten, korrekt vorhersagen konnten. Sie sammelten Daten von 242 Kindern chinesischer, vietnamesischer und indischer Abstammung, die Standardbrillen trugen. Die Forscher maßen die Länge der Augen dieser Kinder zu Beginn der Studie und erneut nach etwa sechs und zwölf Monaten. Sie verglichen dann das tatsächliche Wachstum dieser realen Augen mit dem durch die fünf verschiedenen mathematischen Modelle vorhergesagten Wachstum.

Die Studie ergab, dass die jüngsten Modelle, die die spezifische ethnische Herkunft eines Kindes berücksichtigen, für Kinder ostasiatischer Abstammung bemerkenswert genau waren. Für diese Kinder sagten die Modelle das durchschnittliche Ausmaß des Augenwachstums über sechs Monate mit einer winzigen Fehlermarge voraus, die von den realen Messungen um weniger als die Breite eines menschlichen Haares abwich. Dies deutet darauf hin, dass für diese spezifische Gruppe ein virtueller Kontrollarm eine Gruppe unbehandelter Kinder in einer klinischen Studie zuverlässig ersetzen könnte. Die Forscher entdeckten jedoch auch eine signifikante Einschränkung: Die Modelle waren nicht perfekt darin, vorherzusagen, wie viel Variation zwischen einzelnen Kindern existiert. Während die Modelle das durchschnittliche Wachstum korrekt wiedergaben, unterschätzten sie die Bandbreite der Unterschiede, die im realen Leben vorkommen. Die Modelle suggerierten, dass die meisten Kinder in einem sehr ähnlichen Tempo wachsen würden, aber in der Realität wuchsen einige Kinder viel schneller oder langsamer als der Durchschnitt. Das bedeutet, dass die Modelle exzellente Werkzeuge sind, um vorherzusagen, was bei einer großen Gruppe von Kindern passiert, aber sie können das zukünftige Wachstum eines einzelnen spezifischen Kindes nicht genau vorhersagen.

Die Situation war komplizierter für Kinder südasiatischer Abstammung, speziell jene indischer Herkunft. Keines der bestehenden Modelle hatte eine spezifische Kategorie für diese Gruppe. Als die Forscher die Modelle anwandten, die für ostasiatische oder europäische Kinder bestimmt waren, auf die indischen Kinder in der Studie, waren die Vorhersagen ungenau. Die Augen der indischen Kinder wuchsen in einer Rate, die irgendwo zwischen den Raten der anderen beiden Gruppen lag, näher an der ostasiatischen Rate, aber nicht exakt mit ihr übereinstimmte. Dies deutet darauf hin, dass die aktuellen Werkzeuge zwar nützlich, aber unvollständig sind. Sie funktionieren gut für ostasiatische Populationen, lassen aber südasiatische Kinder ohne eine zuverlässige Vorhersagemethode zurück. Die Forscher kamen zu dem Schluss, dass die Modelle erst dann wirklich für alle nützlich sind, wenn neue, spezifisch für südasiatische Kinder gesammelte Daten in das System aufgenommen werden.

Ein weiterer wichtiger Befund war, dass der Zeitpunkt der Messungen wichtiger ist als bisher angenommen. Die Modelle sind darauf ausgelegt, das Wachstum über einen bestimmten Zeitraum vorherzusagen, beispielsweise exakt sechs Monate. In der realen Welt finden die Untersuchungstermine der Kinder selten am exakten Kalenderdatum statt. Die Studie zeigte, dass die Vorhersage leicht falsch wäre, wenn Forscher einfach annahmen, ein Besuch fände nach sechs Monaten statt, er aber tatsächlich nach sechs und einem halben Monat stattfand. Durch die Verwendung der exakten Anzahl der Tage, die zwischen den Besuchen vergangen waren, konnten die Forscher ihre Vergleiche viel präziser gestalten. Diese Liebe zum Detail ist entscheidend, da der Unterschied zwischen einer erfolgreichen Behandlung und einer gescheiterten oft sehr gering ist, oft nur ein Bruchteil eines Millimeters in der Augenlänge.

Die Forscher entwickelten auch ein kostenloses Open-Source-Softwaretool, das all diese verschiedenen Modelle an einem Ort zusammenführt. Dieses Tool ermöglicht es anderen Wissenschaftlern, dieselben Berechnungen mit ihren eigenen Daten durchzuführen, ohne komplexen Code schreiben oder sensible Patientendaten mit einem zentralen Server teilen zu müssen. Die Software läuft vollständig auf dem eigenen Computer des Nutzers, was die Privatsphäre gewährleistet. Sie erhebt nicht den Anspruch, die Zukunft der Augen eines einzelnen Kindes mit Sicherheit vorherzusagen. Stattdessen liefert sie eine wissenschaftlich vertretbare Schätzung dessen, wie eine Gruppe unbehandelter Kinder aussehen würde, was als Referenzpunkt für neue Behandlungen dienen kann. Die Studie bestätigt, dass diese virtuellen Kontrollen für ostasiatische Kinder eine praktikable Alternative zu traditionellen unbehandelten Gruppen darstellen, was klinische Studien einfacher durchführbar und ethisch vertretbarer macht. Für andere Gruppen, insbesondere für südasiatische Kinder, verdeutlicht ihre Arbeit eine Wissenslücke, die geschlossen werden muss. Das ultimative Ziel ist es, den Einsatz von unbehandelten Kontrollgruppen bei Kindern zur Ausnahme zu machen und stattdessen auf validierte, transparente mathematische Modelle zu setzen, um das Wohlergehen junger Patienten zu schützen und gleichzeitig die Augenheilkunde voranzubringen.