Am 9. November 2026 geht es an der Otto-von-Guericke-Universität Magdeburg um eine Frage, die Familien mit krebskranken Kindern unmittelbar betrifft: Wie lässt sich eine Leukämietherapie wirksamer planen, ohne den Körper stärker zu belasten als nötig? Forschende des Instituts für Mathematische Optimierung setzen dafür auf mathematische Modelle und digitale Zwillinge.

Beteiligt sind Prof. Sebastian Sager, Dr. Adrian Reimann und Anna Gebhard. Sie übertragen individuelle Blutwerte und Angaben zur Medikamentengabe in Modelle, die mögliche Verläufe der Blutbildung berechnen. Es geht dabei nicht um einen digitalen Klon des Menschen, sondern um ausgewählte biologische Vorgänge – ein wichtiger Unterschied, auch wenn der Begriff erst einmal ziemlich groß klingt.

Zwei Leukämien, viele mögliche Behandlungsverläufe

In zwei Studien prüfte das Team unterschiedliche Therapieabschnitte: eine Behandlungsphase der akuten myeloischen Leukämie (AML) und die längere Erhaltungstherapie bei akuter lymphoblastischer Leukämie (ALL). Die Arbeiten erschienen in PLOS One zur AML und in Quantitative Medicine zur ALL.

Bei der AML untersuchte die Forschungsgruppe eine Phase, die einen bereits erzielten Behandlungserfolg stabilisieren soll. Zum Einsatz kommt das Krebsmedikament Cytarabin. Zusätzlich kann der Wachstumsfaktor G-CSF die Bildung bestimmter weißer Blutkörperchen fördern. Für die Berechnungen nutzten die Forschenden anonymisierte Behandlungsdaten von 65 Patientinnen und Patienten aus Magdeburg und Ulm.

323 unterschiedliche Behandlungsabläufe wurden miteinander verglichen – vor allem mit Blick auf Zeitpunkt und Dauer der G-CSF-Gabe. In den Computersimulationen schnitten jene Varianten günstiger ab, bei denen die G-CSF-Behandlung bereits vor Beginn der Chemotherapie abgeschlossen war. Der entscheidende Punkt war also weniger ein komplizierter Zusatz als das Timing: G-CSF sollte vor dem Start des Chemotherapiezyklus enden.

Hier könnte Ihr Advertorial stehen
Ein Advertorial bietet Unternehmen die Möglichkeit, ihre Botschaft direkt im redaktionellen Umfeld zu platzieren

Üblicherweise wird G-CSF, wenn es eingesetzt wird, nach der Chemotherapie gegeben, damit sich die Blutbildung erholen kann. Niemand aus der zugrunde liegenden Patientengruppe hatte die untersuchte Vorabgabe erhalten. Der mögliche Vorteil ist deshalb bislang ausschließlich eine Modellvorhersage. Klinische Studien müssen erst zeigen, ob sich daraus tatsächlich eine bessere Behandlung ergibt.

Digitale Zwillinge machen virtuelle Studien möglich. Zahlreiche Therapievarianten lassen sich unter vergleichbaren Ausgangsbedingungen durchspielen, etwa mit verändertem Beginn oder unterschiedlicher Dauer einer Medikamentengabe. So können mögliche Auswirkungen auf die Blutbildung berechnet werden, ohne jede Variante sofort an Patientinnen und Patienten zu prüfen. Die Computersimulation ersetzt die klinische Prüfung aber nicht; sie kann sie vorbereiten.

Wenn Blutwerte nachhinken

Die zweite Studie widmete sich der Erhaltungstherapie bei Kindern mit ALL. Im Zentrum standen neutrophile Granulozyten, die für die Abwehr von Infektionen wichtig sind. Ihre Zahl kann während der Behandlung stark schwanken. Sinkt sie sehr weit ab, steigt das Infektionsrisiko – eine angespannte Phase für Kinder, Eltern und Behandlungsteams.

Die Simulationen deuten darauf hin, dass solche Schwankungen durch natürliche Rückkopplungsmechanismen der Blutbildung entstehen und durch bestimmte Behandlungsstrategien noch verstärkt werden können. Der Haken: Die Blutbildung reagiert verzögert. Wer die Dosis immer wieder an den gerade gemessenen Blutwert anpasst, kann dadurch unbeabsichtigt neue Ausschläge auslösen. Ein bisschen wie beim Nachregeln einer Dusche, die erst mit Verzögerung heiß wird.

Dafür entwickelte das Forschungsteam STEADY – „Stabilizing Treatment prEdicting Anc DYnamics“. Das Verfahren berücksichtigt neben den aktuellen Blutwerten auch die individuelle Entwicklungszeit neuer Blutzellen. Es prognostiziert, ob die Zellzahl in den kommenden zwei bis drei Wochen voraussichtlich steigt oder fällt. Anschließend soll die Dosierung so angepasst werden, dass starke Schwankungen abklingen.

Als Grundlage dienten 452 anonymisierte Patientenverläufe aus einem Krankenhaus in Kopenhagen. Im Modell führte STEADY zu geringeren Schwankungen und seltener zu sehr niedrigen Zellzahlen als die nachgebildeten Vergleichsstrategien. Eine höhere Gesamtdosis der Medikamente war dafür ebenso wenig nötig wie häufigere Dosisänderungen.

In Deutschland erkranken laut Kinderkrebsinfo jährlich etwa 550 bis 600 Menschen unter 18 Jahren an ALL. Besonders häufig betroffen sind Kinder zwischen ein und fünf Jahren. Die langfristige Heilungsrate liegt über alle Risikogruppen hinweg bei etwa 90 Prozent, variiert aber je nach Risikogruppe. Die Behandlung dauert meist ungefähr zwei Jahre.

Ein Modell ist noch keine Behandlung

Ob die simulierten Strategien tatsächlich schwere Infektionen oder Krankenhausaufenthalte verhindern, ist bislang nicht nachgewiesen. Als nächster Schritt sind klinische Studien erforderlich. Vor einem regulären Einsatz in Krankenhäusern müssen außerdem technische und regulatorische Fragen geklärt werden.

Die mathematischen Modelle und die Forschungssoftware können bereits individuelle Blutwerte auswerten und daraus Vorhersagen für unterschiedliche Behandlungsabläufe ableiten. Mehr leisten sie derzeit nicht – und genau diese Grenze gehört zur Nachricht dazu. Ein Modell bildet nur bestimmte biologische Vorgänge ab, keinen vollständigen Menschen mit all seinen Wechselwirkungen.

Der größere Rahmen reicht über die Leukämieforschung hinaus. Die Digitalisierung in medizinischer Praxis und Forschung erzeugt umfangreiche, komplexe Datensätze zu einzelnen biologischen Individuen oder biologischen Systemen. Jede Messung und jede Datenmodalität liefert dabei ergänzende, aber unvollständige Informationen. Die Forschungsgruppe entwickelt Methoden, um solche Informationen in digitalen Zwillingen zusammenzuführen.

Mithilfe maschinellen Lernens sollen hochpräzise phänomenologische Modelle komplexer, nichtlinearer biologischer Prozesse aus Daten entstehen. Damit könnten personalisierte Untersuchungen in-silico – also am Computer – möglich werden und neue Hypothesen entstehen. Der Ansatz ist nicht völlig neu: Eingesetzt wurde er bereits in den Neurowissenschaften und in den Ingenieurwissenschaften.

Auch für die Wirkstoffentwicklung wird Potenzial gesehen. Der Suchraum könnte gegenüber Hochdurchsatz-Screenings deutlich kleiner werden. Statt Tausende Substanzen zunächst an Zellkulturen zu testen, ließen sich gezielt Kandidaten auswählen, die im digitalen Zwilling vielversprechende Ergebnisse zeigen. Bis dahin bleibt allerdings einiges zu tun: Verschiedene Messungen müssen integriert, zusätzliche Datenquellen und vorhandenes Vorwissen optimal genutzt werden. Außerdem sollen aus den begrenzten Daten einzelner Individuen möglichst gute personalisierte Modelle entstehen – unter anderem mit Transfer Learning und Meta-Learning.

Am Ende zählt zudem, ob sich aus den Modellen effiziente, überprüfbare und kausale Vorhersagen ableiten lassen. Gerade bei Kindern mit Leukämie darf aus einer eleganten Simulation nicht vorschnell eine Therapieentscheidung werden. Der nächste Schritt führt deshalb nicht nur durch weitere Rechenläufe, sondern in klinische Studien – mit echten Blutwerten, langen Behandlungstagen und der nötigen Geduld.