Ist 'Try and Error' evidenzbasiert das beste diagnostische Vorgehen?

Stell dir vor, du gehst zum Arzt mit chronischen Schmerzen in mehreren Körperregionen, Erschöpfung, Schlafstörungen und kognitiven Einschränkungen. Nach einer langen Odyssee bekommst du die Diagnose: Fibromyalgie.

Was weißt du jetzt?

Du weißt, dass deine Symptome einen Namen haben. Du weißt, dass andere Menschen ähnliche Symptome haben. Aber du weißt nicht, warum du diese Symptome hast. Die Diagnose beschreibt ein Muster – sie identifiziert keine Ursache.

Das ist kein Einzelfall. Fibromyalgie, ME/CFS, funktionelle Störungen, Schlafstörungen, Depressionen, Angststörungen, Psychosen – all das sind deskriptive Diagnosen. Das DSM (Diagnostic and Statistical Manual of Mental Disorders) und das ICD (International Classification of Diseases) klassifizieren Symptommuster, nicht ätiologische Mechanismen. Clauw (2014) beschrieb in einem klinischen Review in JAMA, dass Fibromyalgie ein Zustand zentraler Schmerzverarbeitung ist – aber die Frage, warum diese zentrale Sensitivierung bei einer bestimmten Person entsteht, bleibt offen.

Der Unterschied ist fundamental:

Ätiologische Diagnose: Streptokokken-Pharyngitis. Der Erreger ist identifiziert. Die Behandlung folgt logisch: Antibiotikum gegen Streptokokken.

Deskriptive Diagnose: Fibromyalgie. Das Syndrom ist beschrieben. Aber es gibt keinen Test, der die Ursache identifiziert. Es gibt keinen einzelnen Mechanismus, der bei allen Betroffenen gleich ist. Die Behandlung kann nicht kausal ansetzen – weil die Kausalität unbekannt ist.

Die Konsequenz: Das Mantra „Erst diagnostizieren, dann behandeln" setzt voraus, dass die Diagnostik eine behandlungsrelevante Information liefert. Bei ätiologischen Diagnosen tut sie das. Bei deskriptiven Diagnosen tut sie es nicht – oder nur begrenzt. Die Diagnose „Fibromyalgie" sagt dir nicht, ob dein Problem primär immunologisch, neurologisch, metabolisch oder eine Kombination ist. Sie sagt dir nicht, welche Intervention bei dir wirken wird.

Und genau hier beginnt das Problem.

Evidenzbasierte Medizin (EBM) wird häufig gleichgesetzt mit: „Tu nur, wofür es einen RCT gibt." Das ist ein Missverständnis – und zwar ein folgenreiches.

Sackett et al. schrieben 1996 im British Medical Journal den Grundsatzartikel „Evidence based medicine: what it is and what it isn't". Darin definierten sie EBM als:

„The conscientious, explicit, and judicious use of current best evidence in making decisions about the care of individual patients. The practice of evidence based medicine means integrating individual clinical expertise with the best available external clinical evidence from systematic research."

Drei Säulen, nicht eine:

1. Beste verfügbare externe Evidenz – ja, dazu gehören RCTs und Meta-Analysen, aber auch Beobachtungsstudien, mechanistische Forschung und Fallserien.
2. Individuelle klinische Expertise – die Erfahrung, das Urteilsvermögen und die Mustererkennung des Behandlers.
3. Patientenpräferenzen und -werte – was der Patient will, braucht und bereit ist zu tun.

In der Praxis wird die zweite Säule – klinische Expertise – systematisch unterbewertet. Haynes (2002) warnte in „Clinical expertise in the era of evidence-based medicine and patient choice" explizit davor: Klinische Expertise sei „under siege" durch eine verengte Interpretation von EBM, die nur noch Studien gelten lasse und die Erfahrung des einzelnen Behandlers als „anekdotisch" abwerte.

Das Paradox: Klinische Expertise beinhaltet empirisches Vorgehen. Wenn ein erfahrener Kliniker bei einer Patientin mit Fibromyalgie eine Intervention versucht, die Reaktion beobachtet, die nächste Intervention anpasst und über Monate ein Bild davon entwickelt, welche Kombination bei dieser spezifischen Person wirkt – dann ist das nicht „unwissenschaftlich". Es ist die zweite Säule der EBM in Aktion.

Sackett selbst betonte: „Without clinical expertise, practice risks becoming tyrannised by evidence, for even excellent external evidence may be inapplicable to or inappropriate for an individual patient."

Die Tyrannei der Evidenz. Das hat der Begründer der EBM geschrieben. Nicht ein Kritiker, nicht ein Alternativmediziner – David Sackett.

Das Wort „empirisch" hat in der Medizin keinen schlechten Ruf – außer wenn es um chronische Erkrankungen geht.

In der Infektiologie ist empirische Antibiotikatherapie Standardvorgehen: Bevor das Antibiogramm vorliegt, wird auf Basis klinischer Einschätzung, lokaler Resistenzlage und Erfahrung behandelt. Niemand nennt das „unwissenschaftlich". Es ist ein evidenzbasiertes Vorgehen unter Unsicherheit.

Das Prinzip dahinter ist alt und anerkannt: Therapia ex juvantibus – die Behandlung, die hilft, bestätigt die Hypothese. Wenn ein Patient auf ein Antihistaminikum anspricht, stützt das die Hypothese einer Mastzellbeteiligung. Wenn eine Patientin auf Vagusnerv-Stimulation reagiert, stützt das die Hypothese einer autonomen Dysregulation. Die therapeutische Antwort wird zum diagnostischen Signal.

Das ist nicht Raten. Das ist hypothesengeleitetes Vorgehen unter Unsicherheit – und es ist genau das, was Ärzte täglich tun, wenn die Diagnostik keine eindeutige Antwort liefert.

Tonelli (2006) argumentierte im Journal of Evaluation in Clinical Practice, dass die Integration von Evidenz in die klinische Praxis nicht bedeuten kann, nur nach Algorithmen zu handeln. Bei komplexen, multifaktoriellen Fällen erfordere klinische Entscheidungsfindung eine „integration of multiple warrants for clinical action" – Evidenz ist einer dieser Gründe, aber nicht der einzige. Pathophysiologische Plausibilität, klinische Erfahrung und die individuelle Reaktion des Patienten sind weitere.

Der entscheidende Punkt: Bei deskriptiven Diagnosen, wo die Ursache unbekannt ist und die Standarddiagnostik keine behandlungsleitende Information liefert, wird die therapeutische Erprobung selbst zum diagnostischen Instrument. Die Frage ist nicht „Soll ich ausprobieren oder diagnostizieren?" – die Frage ist: „Was liefert mir in dieser Situation die meiste diagnostisch relevante Information?" Und bei Fibromyalgie, CFS, funktionellen Störungen lautet die Antwort oft: die Reaktion auf eine gezielte Intervention.

Es gibt Ärzte und Therapeuten, die mit den „einfachen" Fällen arbeiten: Eine klare Diagnose, eine Leitlinie, eine Behandlung. Das ist wichtig und gut. Aber es ist auch – methodisch gesehen – die Komfortzone der Medizin.

Und dann gibt es die anderen Fälle. Die Patienten, die seit Jahren von Arzt zu Arzt wandern. Die Befunde, die „unauffällig" sind, obwohl die Patientin kaum funktionsfähig ist. Die Diagnosen, die sich überlappen: Fibromyalgie und CFS und Reizdarm und Schlafstörung und Depression. Die Fälle, in denen nichts linear ist, nichts monokausal, nichts einfach.

Das ist die Realität chronischer, multifaktorieller Erkrankungen. Und die Therapeuten, die sich diesen Fällen stellen, arbeiten in den Schützengräben der chronischen Gesundung. Dort wird es „messy" – nicht weil die Therapeuten unsauber arbeiten, sondern weil die Erkrankung komplex ist.

Die Versorgungsrealität sieht so aus: Selbst dort, wo Leitlinien existieren – wie die S3-Leitlinie „Fibromyalgiesyndrom" – empfehlen sie multimodale Ansätze (Bewegung, Psychoedukation, Stressmanagement), liefern aber keine Anleitung für die individuelle Kombination und Reihenfolge. Welche Patientin zuerst Schlaf braucht, bevor Bewegung wirken kann. Welcher Patient zuerst Nervensystem-Regulation braucht, bevor Ernährungsinterventionen greifen. Welche Dosierung, welches Timing, welche Abfolge – das steht in keiner Leitlinie, weil es für diese Fragen keine Studien gibt und geben kann. Jede Konstellation ist individuell.

Craig et al. (2008) beschrieben im MRC-Framework für komplexe Interventionen genau dieses Problem: Komplexe Interventionen haben „multiple interacting components", adressieren „multiple levels" und sind „context-dependent". Sie lassen sich nicht auf eine einzelne Variable reduzieren. Das gilt für die Intervention – und es gilt erst recht für den diagnostisch-therapeutischen Prozess bei deskriptiven Diagnosen.

Was in diesen Schützengräben passiert, sieht von außen chaotisch aus: Ein Therapeut versucht eine Ernährungsumstellung, beobachtet die Reaktion über vier Wochen, ergänzt Atemarbeit, passt die Schlafroutine an, reduziert die Ernährungsumstellung, weil sie nicht vertragen wird, versucht stattdessen eine Eliminationsdiät, dokumentiert die Reaktion, stellt fest, dass das Nervensystem zuerst beruhigt werden muss, bevor der Darm reagiert, ändert die Reihenfolge.

Das ist nicht „Herumprobieren". Das ist systematisches, reflektiertes, dokumentiertes empirisches Arbeiten mit einem komplexen adaptiven System – dem menschlichen Körper. Es ist die zweite Säule der EBM (klinische Expertise) in ihrer anspruchsvollsten Form.

Aber – und das ist entscheidend – „systematisch" heißt nicht „beliebig mit dem Label Wissenschaft versehen". Systematisch heißt: Jede Intervention basiert auf einer Hypothese, die falsifizierbar ist. Wenn die Atemarbeit nach sechs Wochen keine messbare Veränderung in der HRV oder im Symptomtagebuch zeigt, dann ist die Hypothese „autonome Dysregulation als Primärtreiber" nicht bestätigt – und muss revidiert werden. Wer seine Hypothesen nicht aufgibt, wenn die Daten dagegen sprechen, arbeitet nicht empirisch. Der arbeitet dogmatisch.

Der Vorwurf des „Herumprobierens" kommt meist von denen, die nie in diesen Schützengräben waren. Die nie mit einem Patienten gearbeitet haben, dessen Laborwerte alle „normal" sind und der trotzdem sein Leben nicht mehr führen kann. Es ist leicht, von der Tribüne aus „evidenzbasiert" zu rufen, wenn man nie in der Arena stand.

Die Evidenzpyramide – mit dem systematischen Review an der Spitze und der Expertenmeinung am Boden – hat einen strukturellen blinden Fleck: Sie bewertet die interne Validität eines Studiendesigns, aber sie sagt nichts über die Verfügbarkeit von Studien.

Wenn für eine nicht-patentierbare Intervention kein RCT existiert, liegt das in der Regel nicht daran, dass die Intervention unwirksam ist – sondern daran, dass niemand sie finanziert. Altman und Bland formulierten 1995 im BMJ das vielleicht wichtigste Prinzip der modernen Medizinepistemologie: „Absence of evidence is not evidence of absence."

Das ist kein Slogan. Das ist ein statistisches Faktum. Wenn eine Studie keinen Effekt findet (oder gar nicht erst durchgeführt wird), beweist das nicht, dass kein Effekt existiert.

Gleichzeitig zeigte Ioannidis (2005) in „Why Most Published Research Findings Are False", dass auch existierende Studien – inklusive RCTs – unter bestimmten Bedingungen nicht replizierbar sind. Kleine Effektgrößen, viele getestete Hypothesen, flexible Studiendesigns und Interessenkonflikte können dazu führen, dass publizierte Ergebnisse falsch positiv sind.

Das Paradox: Wer in den Schützengräben mit undifferenzierbaren chronischen Fällen arbeitet, generiert genau die klinische Erfahrung, die Sackett als zweite Säule der EBM definierte. Diese Erfahrung wird dann von denjenigen abgewertet, die in der Komfortzone klarer Diagnosen und verfügbarer Leitlinien arbeiten – mit dem Argument, sie sei „nicht evidenzbasiert".

Aber das Argument ist inkonsistent: Wenn du die zweite Säule der EBM (klinische Expertise) abwertest, um die erste Säule (externe Evidenz) zu priorisieren, dann bist du nicht „evidenzbasierter" als der Kliniker in den Schützengräben. Du wendest EBM selektiv an.

Das heißt nicht, dass fehlende RCTs eine Einladung zur Beliebigkeit sind. Im Gegenteil: Gerade weil die Evidenzlage dünn ist, wird Evidenz-Triangulation zur Pflicht – das Zusammenführen aller verfügbaren Erkenntnisquellen: mechanistische Forschung (was ist pathophysiologisch plausibel?), Beobachtungsstudien (was zeigen Kohorten und Fallserien?), klinische Erfahrung (was funktioniert bei ähnlichen Patienten?), und die individuelle Patientenreaktion. Wer sich nur auf eine dieser Quellen verlässt – sei es der RCT oder die eigene Erfahrung allein –, trianguliert nicht. Und wer nicht trianguliert, arbeitet unter dem Niveau, das die Situation verlangt.

Es gibt ein Phänomen, das man „RCT-Arroganz" nennen könnte: Die Haltung, dass nur diejenigen „wissenschaftlich" arbeiten, deren Interventionen durch große randomisierte Studien gedeckt sind. Und dass alle anderen – die Therapeuten in der Praxis, die mit Trial and Error arbeiten, die Heilpraktiker, die multimodale Ansätze verfolgen, die Ärzte, die sich den komplexen Fällen stellen – irgendwie „weniger" sind.

Diese Haltung hat mehrere Probleme.

Problem 1: Sackett hat explizit davor gewarnt. In seinem Grundsatzpapier schrieb er, dass EBM „is not restricted to randomised trials and meta-analyses" und dass die Praxis „without clinical expertise risks becoming tyrannised by evidence". Wer klinische Expertise abwertet, hat den Begründer der EBM nicht gelesen – oder nicht verstanden.

Problem 2: Die Asymmetrie ist unfair. Wer mit gut diagnostizierbaren, gut studierten Erkrankungen arbeitet – Diabetes Typ 2, Hypertonie, bakterielle Infektionen –, hat den Luxus klarer Leitlinien und großer RCTs. Wer mit Fibromyalgie, ME/CFS, MCAS oder funktionellen Störungen arbeitet, hat diesen Luxus nicht. Die Abwesenheit von RCTs in diesem Bereich ist kein Zeichen mangelnder Wissenschaftlichkeit der Therapeuten – es ist ein Zeichen mangelnder Forschungsfinanzierung.

Problem 3: Die Konsequenz wäre ethisch inakzeptabel. Wenn nur „evidenzbasiert" wäre, wofür ein RCT existiert, dann dürften Therapeuten bei deskriptiven Diagnosen – strenggenommen – fast nichts tun. Keine Ernährungsintervention bei Fibromyalgie (kein Multi-Center-RCT). Keine Atemtherapie bei CFS (kein Multi-Center-RCT). Keine multimodale Rehabilitation bei funktionellen Störungen (fast unmöglich als klassischer RCT). Die Alternative wäre: Patienten sagen, sie sollen warten, bis die Forschung aufholt. Das ist keine Medizin. Das ist Unterlassung.

Greenhalgh et al. (2014) beschrieben im BMJ unter dem Titel „Evidence based medicine: a movement in crisis?" genau dieses Problem: EBM sei zu einem „industry-backed enterprise" geworden, das durch inflexible Algorithmen und Leitlinien die klinische Realität aus dem Blick verloren habe. Ihr Appell: Zurück zu einer EBM, die „individualised evidence" ernst nimmt und die „patient's predicament" in den Mittelpunkt stellt – nicht den Studienkatalog.

Wenn das zentrale Argument gegen Try and Error lautet, es sei „anekdotisch" und „nicht systematisch" – dann gibt es eine Antwort, die dieses Argument vollständig entkräftet: den N-of-1 Trial.

Ein N-of-1 Trial ist ein formalisiertes, systematisches Einzelfallexperiment. Der Patient dient als seine eigene Kontrollgruppe. Interventionen und Placebos werden in randomisierter Reihenfolge gewechselt, die Ergebnisse werden systematisch dokumentiert und statistisch ausgewertet.

Lillie et al. (2011) beschrieben in Personalized Medicine den N-of-1 Trial als „the ultimate strategy for individualizing medicine". Ihr Argument: Bei heterogenen Erkrankungen – also genau bei deskriptiven Diagnosen – ist der Durchschnittseffekt einer Gruppe (wie ihn der RCT misst) für den einzelnen Patienten oft irrelevant. Responder und Non-Responder heben sich gegenseitig auf. Der N-of-1 Trial dagegen liefert die Antwort für genau diesen einen Menschen.

Gabler et al. (2011) untersuchten in Medical Care die Verbreitung von N-of-1 Trials in der medizinischen Literatur und fanden, dass sie in vielen Bereichen – insbesondere bei chronischen Schmerzsyndromen und funktionellen Störungen – praktikabel und valide sind.

Der N-of-1 Trial formalisiert das, was gute Kliniker in der Praxis ohnehin tun: Eine Intervention versuchen, die Reaktion systematisch beobachten, die Intervention anpassen, erneut beobachten. Der Unterschied zwischen „Herumprobieren" und „N-of-1 Trial" ist nicht die Handlung – es ist die Dokumentation, die Reflexion und die Systematik.

Precision Medicine – eines der großen Versprechen der modernen Medizin – lebt von genau diesem Prinzip: Die Behandlung an den individuellen Patienten anpassen, nicht an den Gruppendurchschnitt. Bei genetisch definierten Erkrankungen geschieht das über Biomarker und Genomics. Bei deskriptiven Diagnosen geschieht es über empirische Erprobung. Beides ist individualisierte Medizin. Beides ist wissenschaftlich.

Es gibt eine ethische Dimension, die in akademischen Diskussionen über Evidenz oft vergessen wird: Der Patient wartet nicht.

Eine Patientin mit Fibromyalgie, die seit Jahren chronische Schmerzen hat, kann nicht warten, bis ein Multi-Center-RCT zu multimodalen Lebensstil-Interventionen bei Fibromyalgie publiziert wird. Ein Patient mit ME/CFS, der sein Bett kaum verlassen kann, kann nicht warten, bis die Forschungsfinanzierung aufholt. Die Evidenz, die es noch nicht gibt, hilft dem Patienten von heute nicht.

Die ärztliche Maxime „Primum non nocere" (zuerst nicht schaden) wird oft als Argument gegen empirisches Vorgehen verwendet: Wenn wir nicht sicher wissen, dass etwas hilft, sollten wir es nicht versuchen. Aber es gibt eine zweite Maxime, die genauso alt und genauso gültig ist: „Primum succurrere" – zuerst helfen. Untätigkeit ist nicht neutral. Einem Patienten mit chronischem Leid keine Intervention anzubieten, weil kein RCT existiert, ist eine aktive Entscheidung mit Konsequenzen.

Die Lösung ist nicht blindes Ausprobieren. Die Lösung ist systematisches empirisches Vorgehen: hypothesengeleitet, dokumentiert, reflektiert, anpassungsfähig – und vor allem: falsifikationsbereit. Konkret:

1. Hypothese formulieren – und zwar so, dass sie scheitern kann: Auf Basis des klinischen Bildes, der Pathophysiologie und der individuellen Anamnese eine Arbeitshypothese bilden. Beispiel: „Die zentrale Schmerzverarbeitung ist wahrscheinlich durch autonome Dysregulation mitgetrieben." Entscheidend: Die Hypothese muss widerlegbar formuliert sein. Wenn die Vagusnerv-Aktivierung nach sechs Wochen keine Veränderung in Herzratenvariabilität oder Symptomintensität zeigt, ist die Hypothese nicht bestätigt – und darf nicht durch Rationalisierungen gerettet werden.

2. Verfügbare Evidenz triangulieren – vor dem Handeln: Bevor die Intervention gewählt wird: Was sagt die mechanistische Forschung? Was zeigen Beobachtungsstudien? Was berichten andere Kliniker bei ähnlicher Konstellation? Triangulation heißt: alle verfügbaren Erkenntnisquellen zusammenführen – nicht nur die eigene Erfahrung oder nur die eine Studie, die zur Hypothese passt.

3. Intervention wählen: Eine Intervention wählen, die zur Hypothese passt, durch die triangulierte Evidenzlage gestützt wird und ein günstiges Risiko-Nutzen-Profil hat. Beispiel: Vagusnerv-Aktivierung durch Atemarbeit.

4. Monitoring definieren: Klare Parameter festlegen, anhand derer die Reaktion beurteilt wird – und anhand derer die Hypothese falsifiziert werden kann. Beispiel: Symptomtagebuch, HRV-Messung, Schlafqualität. Was müsste sich verändern, damit die Hypothese bestätigt wird? Was wäre ein klares Signal, dass sie falsch ist?

5. Zeitraum festlegen: Einen Beobachtungszeitraum definieren, der der Intervention Zeit gibt zu wirken, aber nicht zu lang ist. Beispiel: 4–6 Wochen. Nicht verlängern, „weil es sicher noch wirkt" – das wäre Confirmation Bias in Aktion.

6. Auswerten – ehrlich: Reaktion beurteilen. Wenn positiv: beibehalten und nächste Ebene adressieren. Wenn negativ: Hypothese revidieren, nicht rationalisieren. Die Bereitschaft, die eigene Hypothese aufzugeben, ist das Kennzeichen, das wissenschaftliches Arbeiten von Wunschdenken trennt. Karl Popper nannte das „Falsifikation" – und es gilt für den Kliniker in der Praxis genauso wie für den Forscher im Labor.

Das ist kein „Herumprobieren". Das ist klinische Wissenschaft. Es ist der Prozess, den gute Ärzte seit Jahrhunderten praktizieren – jetzt beschrieben in einem Framework, das Einzelfallevidenz ernst nimmt.

Die Abgrenzung ist klar: Unsystematisches Rumprobieren hat keine Hypothese, keine Dokumentation, keine Reflexion, keine Falsifikationsbereitschaft und keine Anpassung. Systematisches empirisches Arbeiten hat all das. Der Unterschied ist nicht, ob man ausprobiert – sondern ob man bereit ist, sich von der Realität korrigieren zu lassen.