Vielleicht kennen Sie die Situation: Morgens zeigt die Smartwatch einen ungewöhnlich hohen Ruhepuls, die HRV ist abgesackt und der Ring meldet eine erhöhte Hauttemperatur. Eigentlich fühlen Sie sich noch ganz normal. Einen Tag später kratzt der Hals, am Abend kommt das Fieber. Zufall? Nicht unbedingt. Genau hier könnte eine der spannendsten Entwicklungen der Wearables beginnen. Apple Watch, Oura Ring, Garmin, Whoop & Co. müssen nämlich gar nicht wissen, welcher absolute Wert für alle Menschen „normal“ ist. Viel interessanter ist etwas anderes: Sie können lernen, was für einen einzelnen Menschen normal ist – und bemerken, wenn sich dieses Muster verändert.

Der wichtigste Vergleich sind vielleicht gar nicht die anderen Menschen

In unserem ersten Artikel über die Genauigkeit von Wearables zeigte sich ein scheinbarer Widerspruch. Manche Werte wie die Herzfrequenz lassen sich mit modernen Wearables erstaunlich brauchbar erfassen, andere Größen wie Energieverbrauch, VO₂max oder einzelne Schlafparameter sind teilweise erheblich ungenauer. Trotzdem besitzen Wearables einen Vorteil, den selbst eine perfekte Einzelmessung beim Arzt nicht bieten kann: Sie sind ständig dabei. Der Arzt sieht mich vielleicht einmal im Jahr. Meine Uhr kennt dagegen – je nach Gerät – meinen Ruhepuls von Hunderten Nächten, meine Aktivität, meine Schlafzeiten, meine Herzfrequenzvariabilität und möglicherweise Veränderungen der Hauttemperatur. Damit entsteht eine persönliche Baseline. Wenn mein nächtlicher Ruhepuls normalerweise in einem bestimmten Bereich liegt und plötzlich mehrere Nächte deutlich höher ist, muss die Uhr noch lange nicht wissen, warum das passiert. Sie kann aber erkennen: Hier ist etwas anders als sonst.

COVID zeigte, was eine persönliche Baseline leisten kann

Ein beeindruckendes Beispiel lieferte die TemPredict-Studie mit dem Oura Ring während der COVID-19-Pandemie. Insgesamt nahmen 63.153 Menschen an der Untersuchung teil. Der Ring erfasste kontinuierlich physiologische Daten, darunter Temperatur, Herzfrequenz, Herzfrequenzvariabilität und Atemfrequenz. Für die Entwicklung des eigentlichen Vorhersagemodells standen 73 PCR-bestätigte COVID-19-Fälle mit ausreichend hochwertigen Daten zur Verfügung. Das Modell erkannte eine COVID-19-Erkrankung im Durchschnitt 2,75 Tage bevor die Betroffenen einen diagnostischen Test aufsuchten. Die Sensitivität betrug 82 Prozent, die Spezifität 63 Prozent. Besonders die kontinuierlich erfasste Temperaturinformation verbesserte das Modell. Wichtig ist allerdings die Formulierung: Der Ring diagnostizierte COVID nicht zuverlässig zweieinhalb Tage vor einem Labortest. Vielmehr erkannte der Algorithmus Veränderungen in den physiologischen Daten, die mit einer später bestätigten Erkrankung zusammenhingen. Genau darin liegt der entscheidende Unterschied.

Die Uhr muss die Krankheit nicht kennen, um eine Veränderung zu erkennen

Das Prinzip lässt sich leicht verstehen. Bei einer beginnenden Infektion reagiert der Körper lange bevor wir uns möglicherweise richtig krank fühlen. Immunreaktionen verändern Stoffwechsel und Kreislauf, die Körpertemperatur kann steigen, Ruhepuls und Atemfrequenz können sich verändern und auch die HRV kann von ihrem gewohnten Verlauf abweichen. Keiner dieser Werte allein sagt: „Du hast Krankheit X.“ Ein erhöhter Ruhepuls kann schließlich genauso nach Alkohol, einer schlechten Nacht, psychischem Stress oder einer harten Trainingseinheit auftreten. Werden jedoch mehrere Parameter gleichzeitig betrachtet und mit der persönlichen Ausgangslage verglichen, entstehen Muster. Genau diese Mustererkennung ist eine der großen Chancen kontinuierlicher Gesundheitsdaten.

Und könnte meine Smartwatch eines Tages sogar Krebs erkennen?

Hier müssen wir eine sehr klare Grenze ziehen. Eine Apple Watch, ein Oura Ring oder eine Garmin-Uhr kann heute keinen Krebs diagnostizieren. Auch ein schlechter HRV-Wert, eine veränderte Temperatur oder ein steigender Ruhepuls sind keine versteckten Krebsmarker. Trotzdem wird die Forschung an dieser Stelle ausgesprochen interessant, weil sich unser Verständnis davon verändert, wie Krebs überhaupt entsteht. Früher konnte man sich normales Gewebe vereinfacht als gesund und einen Tumor als Ansammlung mutierter Zellen vorstellen. Heute wissen wir, dass die Wirklichkeit komplizierter ist. Mit zunehmendem Alter sammeln sich auch in äußerlich normalem Gewebe somatische Mutationen an. Manche mutierten Zellen bilden Klone, die sich im Gewebe ausbreiten können, ohne dass deshalb unmittelbar Krebs entsteht.

Auch gesund aussehendes Gewebe kann bereits mutierte Zellklone enthalten

Besonders eindrucksvoll wurde dies unter anderem in der menschlichen Speiseröhre untersucht. Eine 2024 in Nature Genetics veröffentlichte Arbeit beschäftigte sich mit mutierten Zellklonen des Gens PIK3CA in normalem Speiseröhrengewebe. Aktivierende PIK3CA-Mutationen kommen auch bei Tumorerkrankungen vor. Die Forscher zeigten jedoch etwas, das für unser Verständnis von Krebsentstehung besonders spannend ist: Nicht allein die Mutation entscheidet darüber, wie erfolgreich sich ein mutierter Zellklon gegenüber seinen normalen Nachbarn ausbreitet. Auch die Umgebung, in der diese Zellen leben, spielt eine Rolle.

Der Stoffwechsel beeinflusst den Wettbewerb zwischen Zellen

In Mausmodellen erhöhte sowohl Typ-1-Diabetes als auch eine ernährungsbedingte Adipositas den Wettbewerbsvorteil von Zellen mit einer bestimmten aktivierenden Pik3ca-Mutation. Umgekehrt reduzierte Metformin in den untersuchten Modellen den Vorteil der mutierten Zellen. Auch beim Menschen fanden die Forscher einen Zusammenhang: In Speiseröhrengewebe von Menschen mit hohem BMI war die Dichte bestimmter PIK3CA-Gain-of-function-Mutationen höher als bei Menschen mit normalem Gewicht. Die Autoren kommen deshalb zu dem Schluss, dass das metabolische Umfeld die Entwicklung der Mutationslandschaft in normalem Epithelgewebe selektiv beeinflussen kann. Das ist ein faszinierender Befund – aber noch kein Beweis dafür, dass Abnehmen, Metformin oder irgendeine andere einzelne Maßnahme Krebs verhindern könnte. Und schon gar nicht bedeutet er, dass eine Smartwatch solche mutierten Zellklone erkennen kann. 

Was hat das dann überhaupt mit Wearables zu tun?

Genau an diesem Punkt müssen wir zwischen Studienergebnis und Zukunftshypothese unterscheiden. Die Nature-Genetics-Studie hat keine Smartwatches untersucht. Sie zeigt aber, dass der Zustand des gesamten Organismus Einfluss auf die Konkurrenz bestimmter mutierter Zellen haben kann. Wearables wiederum beobachten einige Faktoren, die mit unserem physiologischen und metabolischen Zustand zusammenhängen: körperliche Aktivität, Ruhepuls, Schlaf, Herzfrequenzvariabilität und je nach Gerät weitere Parameter. Daraus folgt nicht, dass ein bestimmter Wearable-Wert das Wachstum eines mutierten Zellklons anzeigen würde. Interessant wird es erst, wenn kontinuierliche physiologische Daten eines Tages mit völlig anderen Informationsquellen kombiniert werden.

Wearable plus Liquid Biopsy: Hier beginnt die Zukunftsmusik

Eine dieser Informationsquellen könnte die Liquid Biopsy sein. Statt operativ Gewebe aus einem verdächtigen Bereich zu entnehmen, werden dabei Bestandteile in Körperflüssigkeiten untersucht. Besonders intensiv erforscht werden beispielsweise zellfreie beziehungsweise zirkulierende Tumor-DNA, zirkulierende Tumorzellen, extrazelluläre Vesikel und epigenetische Signaturen. Die Technik entwickelt sich schnell und spielt in Teilen der Präzisionsonkologie bereits eine Rolle. Für eine allgemeine Früherkennung von Krebs bei gesunden Menschen bestehen allerdings weiterhin erhebliche Herausforderungen. Gerade frühe Tumoren geben möglicherweise nur extrem geringe Mengen nachweisbarer Signale in das Blut ab. Außerdem muss ein Test nicht nur etwas Auffälliges finden, sondern mit hoher Sicherheit unterscheiden können, was tatsächlich auf eine behandlungsbedürftige Krebserkrankung hinweist. Aktuelle Reviews beschreiben deshalb großes Potenzial, gleichzeitig aber weiterhin Grenzen bei Sensitivität, Validierung und breiter klinischer Anwendung.

Ein einzelner Messwert könnte einem persönlichen Risikomuster weichen

Die wirklich spannende Zukunft könnte deshalb nicht darin bestehen, dass die Apple Watch eines Morgens „Krebs erkannt“ auf das Display schreibt. Denkbarer sind wesentlich komplexere Systeme. Stellen wir uns vor, ein Algorithmus kennt über Jahre die physiologische Baseline eines Menschen. Gleichzeitig stehen molekulare Informationen aus Bluttests, genetische Risikofaktoren, Alter, medizinische Vorgeschichte und möglicherweise weitere Biomarker zur Verfügung. Statt eines einzigen Krebsmarkers könnte ein Modell nach Veränderungen in mehreren voneinander unabhängigen Datenebenen suchen. Genau in diese Richtung entwickelt sich auch die Liquid-Biopsy-Forschung: Aktuelle Arbeiten untersuchen zunehmend multimodale und Multi-Omics-Ansätze, bei denen verschiedene zirkulierende Signale kombiniert werden. Gleichzeitig wird an miniaturisierten Verfahren gearbeitet, die häufigere und perspektivisch sogar dezentrale Messungen ermöglichen könnten.

Mehr Daten bedeuten allerdings nicht automatisch bessere Medizin

Hier lauert ein Problem, über das bei der Begeisterung für Gesundheitsdaten erstaunlich selten gesprochen wird. Wenn wir Millionen gesunder Menschen permanent überwachen, werden wir zwangsläufig Auffälligkeiten finden. Die entscheidende Frage lautet dann: Welche davon sind gefährlich? Ein Algorithmus, der möglichst früh jede denkbare Abweichung meldet, könnte zwar Krankheiten entdecken, gleichzeitig aber eine gewaltige Zahl falscher Alarme produzieren. Das hätte Folgen: zusätzliche Bluttests, Bildgebung, Biopsien, Kosten und vor allem Angst. Bei der Krebsfrüherkennung ist deshalb nicht nur entscheidend, ob ein Test molekulare Signale findet. Er muss nachweisen, dass daraus für die untersuchten Menschen tatsächlich ein klinischer Nutzen entsteht. Auch bei modernen cfDNA-Verfahren bestehen gerade bei geringer Tumorlast weiterhin Sensitivitätsprobleme; hinzu kommen mögliche falsch-positive Signale etwa durch klonale Hämatopoese.

Aus dem Fitnesstracker könnte ein Frühwarnsystem werden – aber noch ist er keines

Damit schließt sich der Kreis zur Smartwatch am Handgelenk. Heute ist sie vor allem ein hervorragender Langzeitbeobachter. Sie kann Aktivität dokumentieren, Trends beim Ruhepuls sichtbar machen, Schlafzeiten beobachten und bei bestimmten Geräten auf mögliche Herzrhythmusstörungen hinweisen. Die COVID-Forschung hat gezeigt, dass Abweichungen von der persönlichen physiologischen Baseline sogar auftreten können, bevor ein Mensch seine Erkrankung eindeutig wahrnimmt. Das ist bereits bemerkenswert. Der nächste Schritt – die Kombination solcher kontinuierlichen Daten mit molekularen Biomarkern, Genomik und modernen Risikomodellen – befindet sich dagegen noch weitgehend im Forschungsbereich. Wearable Biosensoren werden inzwischen ausdrücklich auch für Krebsdiagnostik und Therapiemonitoring erforscht, etwa indem nicht nur Bewegung und Puls, sondern biochemische Marker in Schweiß, Speichel, Tränen oder interstitieller Flüssigkeit erfasst werden sollen.

Vielleicht kennt die Uhr eines Tages nicht nur unseren Puls

Vor wenigen Jahren war eine Uhr noch eine Uhr. Dann wurde sie Schrittzähler, Pulsmesser, Trainingscomputer und Schlaftracker. Heute können bestimmte Modelle bereits EKGs aufzeichnen oder vor möglichen Rhythmusstörungen warnen. Es wäre deshalb leicht, den nächsten großen Sprung einfach fortzuschreiben und aus dem Wearable einen digitalen Arzt zu machen. Genau das wäre jedoch voreilig. Die Forschung liefert momentan einzelne Bausteine: kontinuierliche physiologische Daten, immer empfindlichere molekulare Analysen, ein neues Verständnis mutierter Zellklone in scheinbar gesundem Gewebe und leistungsfähigere Algorithmen zur Mustererkennung. Ob daraus eines Tages tatsächlich ein zuverlässiges persönliches Frühwarnsystem für komplexe Erkrankungen entsteht, muss erst gezeigt werden. Die spannendste Entwicklung hat möglicherweise trotzdem längst begonnen. Wir sammeln nicht mehr nur einzelne Gesundheitswerte. Wir beginnen, über Jahre die individuelle Geschichte unseres Körpers in Daten abzubilden. Die entscheidende Frage wird deshalb künftig weniger sein, wie viele Daten unsere Uhr sammeln kann. Entscheidend wird sein, ob die Medizin lernt, darin die richtigen Veränderungen zu erkennen – ohne aus jedem ungewöhnlichen Wert gleich eine Krankheit zu machen.