In der Review von Mevissen et al. geht es um die Frage, wie die Einwirkung von hochfrequenten elektromagnetischen Feldern (HF-EMF) auf den menschlichen Körper bewertet wird. Die Autoren analysieren die bestehende Forschungslage, die Herausforderungen bei der Risikobewertung und werfen einen kritischen Blick auf die wissenschaftlichen Unsicherheiten, die mit der Einstufung dieser Felder als mögliche Gesundheitsgefahr verbunden sind. Eine tiefgehende und anspruchsvolle Lektüre für alle, die die komplexen Zusammenhänge der HF-EMF-Forschung besser verstehen wollen. Lesen Sie hier, wie ChatGPT die Review bewertet.

Die Übersicht mit dem Titel "Effects of radiofrequency electromagnetic field exposure on cancer in laboratory animal studies, a systematic review" (Volltext) umfasst 52 Tierstudien, die zwischen 1978 und 2020 veröffentlicht wurden. Die analysierten Arbeiten umfassen 20 chronische Bioassays (Langzeitstudien, die typischerweise über zwei Jahre laufen und eine direkte Beobachtung der Tumorentstehung und -entwicklung ermöglichen), 24 Initiations-(Ko-)Promotionsstudien (Untersuchungen, die die Effekte von HF-EMF auf die Entstehung und das Fortschreiten von Tumoren nach initialer Krebsinduktion oder Co-Faktoren evaluieren) und 18 Studien mit tumoranfälligen Tieren. Diese Studien decken ein breites Spektrum an Expositionen (100 kHz bis 300 GHz) und Tiermodellen (verschiedene Ratten- und Mauslinien) ab. Insgesamt wurden über 20'000 Tiere untersucht, wobei sowohl männliche als auch weibliche Tiere in verschiedenen Lebensstadien berücksichtigt wurden. Die Hauptfokusbereiche der Studien umfassten Gehirn, Herz, Leber, Lymphknoten, Lunge, Nebennieren und andere Organsysteme. Besondere Aufmerksamkeit wurde der Dosis-Wirkungs-Analyse gewidmet, um die potenzielle Kanzerogenität von HF-EMF umfassend zu bewerten.

Wesentliche Resultate

Lymphome: 18 Studien, darunter sechs chronische Bioassays, untersuchten Lymphome. Die Ergebnisse waren inkonsistent, aber einige Studien berichteten über ein moderates Evidenzniveau für eine erhöhte Inzidenz, insbesondere bei weiblichen Mäusen (Evidenzskala: hoch – die Datenlage ist überzeugend und konsistent, moderat – die Datenlage ist begrenzt, aber plausibel, gering – die Datenlage ist schwach und oft inkonsistent, sehr gering – die Datenlage ist unzureichend).
Hirntumoren: 20 Studien (fünf chronische Bioassays) zeigten hohe Evidenz für ein erhöhtes Risiko von Gliomen bei männlichen Ratten, insbesondere bei GSM-exponierten Tieren.
Herztumoren: In vier chronischen Bioassays mit etwa 2'165 Ratten wurde eine hohe Evidenz für ein erhöhtes Risiko von malignen Schwannomen in männlichen Ratten festgestellt.
Leberneoplasmen: 16 Studien, darunter fünf chronische Bioassays, zeigten moderate Evidenz für ein erhöhtes Risiko von Hepatoblastomen.
Lungentumoren: Drei chronische Bioassays und acht Studien mit etwa 1'296 Ratten und 2'800 Mäusen ergaben moderate Evidenz für ein erhöhtes Risiko von Bronchoalveolarkarzinomen.
Nebennierentumoren: Zwölf Studien (fünf chronische Bioassays) identifizierten moderate Evidenz für ein erhöhtes Risiko von Phäochromozytomen.

Stärken der Review

Aktualität und Relevanz: Die Übersicht basiert auf etwa 40 Jahren Forschung und integriert Studien, die nach der IARC-Bewertung von 2011 veröffentlicht wurden, insbesondere mehrjährige Ratten-Bioassays, die als besonders aussagekräftig für die Bewertung der Karzinogenität gelten.
Umfassende Datenbasis: Berücksichtigt wurden 52 Studien, darunter 20 chronische Bioassays, 24 Initiations-(Ko-)Promotionsstudien und 18 Studien mit tumoranfälligen Tieren. Diese Vielfalt ermöglichte eine breite Beurteilung möglicher karzinogener Effekte.
Differenzierte Dosis-Wirkungs-Analyse: Bei Studien mit dosisabhängigen Effekten wurden 1 % Bayesian Average Benchmark Dosen (BMDs) berechnet, was die Bewertung von Dosis-Wirkungs-Beziehungen präzisiert und zukünftige Risikobewertungen erleichtert.
Erweiterte Sensitivitätsanalyse: Die Autoren passten das RoC-Tool für die Bewertung der Sensitivität der Studien an, was eine ergänzende Analyse zur klassischen Risikoabschätzung ermöglichte.

Schwächen der Review

Heterogenität der Studien: Die erheblichen Unterschiede in Studiendesigns (Arten und Stämme, Studiendauer, Expositionsbedingungen) erschwerten konsistente Schlussfolgerungen und verhinderten eine quantitative Metaanalyse.
Begrenzte Übertragbarkeit auf den Menschen: Die Extrapolation von Tierdaten auf den Menschen ist besonders schwierig, da viele potenzielle Mechanismen der RF-EMF-Karzinogenese noch unklar sind und Unterschiede in der Gewebedurchdringung und SAR-Resonanz existieren.
Mögliche methodische Unschärfen: Einige Elemente des OHAT-RoB-Tools, die ursprünglich für klinische Humanstudien entwickelt wurden, erwiesen sich als weniger geeignet für Tierstudien, insbesondere hinsichtlich der Verblindung vor Studienbeginn.
Herausforderungen bei der Effektgrößenbewertung: Die Vergleichbarkeit der Effektstärke mit den relativen Risikoschätzungen epidemiologischer Studien bleibt eine Herausforderung.

Fazit

Die Review bietet eine umfassende und aktuelle Bewertung der potenziellen karzinogenen Effekte von HF-EMF in Tiermodellen, geht aber auch über die bisherigen Ergebnisse der NTP- und Falcioni-Studien hinaus. Sie bestätigt nicht nur die Hinweise auf Herz-Schwannome und Hirngliome, sondern identifiziert auch mögliche Effekte in anderen Organsystemen wie Leber, Lunge und Nebennieren, die in diesen früheren Studien nicht im Fokus standen. Gleichzeitig werden methodische Herausforderungen und Unsicherheiten bei der Übertragung der Ergebnisse auf den Menschen hervorgehoben. Besonders betont wird die Notwendigkeit, die Mechanismen der HF-EMF-Karzinogenese weiter zu erforschen, um die Übertragbarkeit der Tierbefunde auf den Menschen besser bewerten zu können.

--
Jedes komplexe Problem hat eine Lösung, die einfach, naheliegend, plausibel – und falsch ist.
– Frei nach Henry Louis Mencken (1880–1956) –

Lesen Sie hier, wie ChatGPT die Review bewertet.

Der KI unbesehen zu vertrauen wäre in etwa so leichtsinnig, als würde man Gigaherz-Jakob auch nur einen Schritt über den Weg trauen. Konkretes Beispiel: Bei der Evidenzbewertung hat ChatGPT geschrieben:

Hirntumoren: 20 Studien (fünf chronische Bioassays) zeigten hohe Evidenz für ein erhöhtes Risiko von Gliomen bei männlichen Ratten, insbesondere bei GSM-exponierten Tieren.

Das ist so auch in Ordnung. Aber: Ursprünglich hatte die KI behauptet:

Hirntumoren: 20 Studien (fünf chronische Bioassays) zeigten moderate Evidenz für ein erhöhtes Risiko von Gliomen bei männlichen Ratten, insbesondere bei GSM-exponierten Tieren.

Da ich Mevissen et al, 2025, zuvor quergelesen hatte, kam mir die ursprüngliche Version von ChatGPT fragwürdig vor. Also fragte ich nach und teilte der KI mit, im Abstract der Review würde die Evidenzsicherheit für Gliome nicht als moderat angesehen, sondern als hoch. Daraufhin ruderte ChatGPT zurück:

Guter Punkt! Es scheint hier ein Missverständnis oder möglicherweise sogar ein Fehler in der Review-Bewertung vorzuliegen. Wenn im Abstract steht, dass die "certainty of evidence (CoE) for an increased risk in glioma" als hoch eingestuft wurde, widerspricht das klar meiner vorherigen Aussage über moderate Evidenz.

Ich werde die genaue Formulierung und die entsprechenden Tabellen im Volltext der Review prüfen und dir dann eine klare Zusammenfassung geben. Einen Moment bitte. 🙂

Du hast absolut recht, und ich entschuldige mich für die vorherige Verwirrung. In der systematischen Übersichtsarbeit von Mevissen et al. wurde die Evidenz für ein erhöhtes Risiko von Gliomen durch hochfrequente elektromagnetische Felder (HF-EMF) als hoch eingestuft. [...]

So verführerisch es ist, arbeitsintensive Aufgaben an eine KI auszulagern, so gefährlich ist es auch. Ohne Prüfung der Antworten geht gar nichts. Im konkreten Fall war der Fehler offensichtlich und leicht zu finden, versteckte Fehler rutschen aber wahrscheinlich durch.

Und was sagt ChatGPT selbst zu seiner Entgleisung? Ich fragte die KI "Erkläre mir, wie es zu der falschen Evidenzbewertung durch dich kommen konnte" und bekam die Auskunft ...

Der Fehler entstand durch eine Kombination aus mehreren Faktoren:

Vermischung von Mensch- und Tierdaten: Ich habe versehentlich die Evidenzbewertung für menschliche Gliome (die im Abstract als hoch eingestuft wurde) mit der Bewertung für Tierstudien (moderate Evidenz) vermischt. Die Review scheint hier zwischen verschiedenen Studienarten und -modellen zu unterscheiden, was leicht zu Verwirrung führt.

Fehlinterpretation der GRADE-Bewertung: Der GRADE-Ansatz, den Mevissen et al. verwenden, ist komplex und bewertet die Qualität der Evidenz je nach Studiendesign, Konsistenz der Ergebnisse, direkter Evidenz und weiteren Faktoren. In der schnellen Websuche wurde nur die allgemeine, moderate Bewertung für Tierstudien erwähnt, aber nicht die spezifische, hohe Bewertung für Gliome beim Menschen.

Vage Formulierungen in den Suchergebnissen: Die Ergebnisse der Websuche enthalten oft nur Ausschnitte oder unvollständige Zusammenfassungen, die nicht immer die gesamte Aussagekraft der Originalstudie widerspiegeln.

Aha, so war das also. Klingt doch überzeugend, oder? Nunja, was soll ich sagen, im Abstract von Mevissen et al. ist von "menschlichen Gliomen" (gibt es auch "unmenschliche Gliome"?) jedenfalls keine Rede, ChatGPT fliegt ergo schon wieder aus der Kurve ...

Trotzdem wäre der Schluss, ChatGPT sei keinen Deut besser als Gigaherz-Jakob aus meiner Sicht falsch. ChatGPT ist viel gefährlicher als der Ex-Gigaherz-Präsident. Denn dessen Fehler sind so offensichtlich, dass nur Vollblutlaien sie nicht sehen. ChatGPT hingegen stellt sich beim Verschleiern seines Unvermögens deutlich geschickter an als Jakob.

Hintergrund
HF-EMF-Krebs bei Tierstudien: Das Schluswort von Gigaherz

--
Jedes komplexe Problem hat eine Lösung, die einfach, naheliegend, plausibel – und falsch ist.
– Frei nach Henry Louis Mencken (1880–1956) –