Der orale Tyrosinkinaseinhibitor (TKI) Imatinib wurde 2002 zur Behandlung der chronischen myeloischen Leukämie (CML) zugelassen und ist als „targeted therapy“, die sich gegen das die Erkrankung in den meisten Fällen verursachende BCR/ABL1-Fusionsprotein richtet, als Meilenstein in der Therapie der CML zu sehen. Neben verschiedenen unerwünschten Arzneimittelwirkungen (UAW) stellt auch eine niedrige Rate der Adhärenz, also der Übereinstimmung des Patientenverhaltens mit den Empfehlungen der behandelnden Ärzte, ein entscheidendes Problemfeld im klinischen Einsatz von Imatinib dar. Zusätzlich zu persönlichen Eigenschaften des Patienten und speziellen Merkmalen der Erkrankung spielt hierbei unter anderem auch die Interaktion zwischen Arzt und Patient eine herausragende Rolle. Fälschlicherweise wird bei Patienten mit einer malignen Neoplasie prinzipiell von adhärentem Verhalten ausgegangen; mangelnde Patientenschulung oder Arzneimittelinteraktionen führen jedoch häufig zu Nonadhärenz mit zum Teil lebensbedrohlichen Folgen. So postuliert etwa die 2009 von Noens et al. veröffentlichte ADAGIO-Studie bei lediglich 14,2 % der Patienten unter TKI Therapie bei CML ein absolut adhärentes Verhalten. Die vorliegende Arbeit beschäftigt sich in diesem Kontext schwerpunktmäßig mit steuerbaren Einflussfaktoren wie Copingstrategien und dem Wissensstand der Patienten über die Therapie ihrer Erkrankung. Hierzu wurde bei 37 in einer universitären Spezialambulanz behandelten CML-Patienten (21 Männer und 16 Frauen mit einem mittleren Alter von 59 Jahren) zunächst mittels des „Basel Assessment of Adherence Scale with Immunosuppressive Medication“ (BAASIS) die Adhärenz unter Imatinib erhoben. Dabei ergab sich eine Adhärenzrate von 49 %, die niedrig, aber tendenziell höher als erwartet ausfiel. Bei einer moderateren Definition von adhärentem Verhalten zeigt sich sogar eine Adhärenzrate von 84 %. Eine Auswertung des „Freiburger Fragebogens zur Krankheitsverarbeitung“ im selben Patientenkollektiv verdeutlicht wie wichtig ein stabiles Arzt-Patienten-Verhältnis ist, auch wenn keine signifikante Korrelation zwischen positivem Coping und adhärentem Verhalten gezeigt werden konnte. Bisher in diesem Rahmen wenig erforscht ist die Angst vor einem Fortschreiten der Erkrankung, die mit dem Progredienzangst-Fragebogen von Herschbach erfasst werden kann. Von dieser Angst ist die Mehrheit der Studienteilnehmer betroffen (73 % mittleres Ausmaß, 16 % hohes Ausmaß an Progredienzangst). Vermutlich bedingt durch die kleine Stichprobengröße ließ sich auch hier keine signifkante Korrelation zur Adhärenz herstellen. Mit einem p-Wert von 0,003 zeigt sich jedoch ein statistisch signifikanter Zusammenhang zwischen maladaptiven Copingstrategien („Bagatellisierung und Wunschdenken“) und verstärkter Progredienzangst. Auch bei depressiven Verarbeitungsstrukturen lässt sich die Tendenz zu einer Korrelation erkennen (p-Wert 0,06). Neben einem Progress der Erkrankung ist die Angst vor unerwünschten Nebenwirkungen für Patienten von großer Bedeutung. Insbesondere bei den – selbst in der moderateren Auslegung des BAASIS – nonadhärenten Patienten zeigt sich eine signifikante Korrelation (p-Wert 0,023). Dadurch wird der Stellenwert einer guten Aufklärung und Schulung der Patienten deutlich, vor allem da Patienten ihr konkretes Wissen bezüglich Krankheit und Therapie oft zu überschätzen scheinen. Abschließend bleibt festzuhalten, dass eine Förderung adhärenten Verhaltens auch bei onkologischen Patienten von enormer Bedeutung ist. Besonders zu berücksichtigende Themen sind Verarbeitungsstrategien, der Umgang mit Ängsten sowie die Information und Schulung der Patienten. / The oral tyrosine kinase inhibitor imatinib was approved for the treatment of chronic myeloid leukemia (CML) in 2002 and is said to be a milestone in the treatment of CML, as it is a targeted therapy that addresses the BCR/ABL1 fusion protein which causes the disease in most cases. Besides unwanted side effects a low rate of adherence, i.e. the correspondence of a patient’s behaviour with recommendations of the attending physicians, are important themes in the clinical use of imatinib. In addition to personal traits of the patient and special characteristics of the disease, the interaction between physician and patient plays an outstanding role. Misleadingly one tends to assume adherent behaviour in patients with a malignant neoplasia; a lack of patients’ education or drug interactions often lead to nonadherence with to some extent life-threatening consequences. Noens and colleagues postulate perfectly adherent behaviour regarding the TKI therapy only for 14.2 % of CML patients in their 2009 published ADAGIO study. In this context the present work deals mainly with modifiable parameters like coping strategies and the patients’ knowledge about the treatment of their disease. For this the adherence to imatinib was measured with the “Basel Assessment of Adherence Scale with Immunosuppressive Medication” (BAASIS) in 37 outpatients (21 men and 16 women with a mean age of 59 years) treated for CML. The result was an adherence rate of 49 %, which was low but tended to be higher than expected. Applying a more moderate definition of adherent behaviour we even got an adherence rate of 84 %. The analysis of the “Freiburg Questionnaire on Coping with Illness” among these patients makes clear how important a stable relationship between patient and physician is, even though no significant correlation between positive coping and adherent behaviour could be demonstrated. So far there is little research about the fear of progression, which can be assessed with the “Fear of Progression Questionnaire” by Herschbach. This fear affects the majority of the study’s participants (73 % moderate level, 16 % high level of fear of progression). Probably because of the small sample size no significant correlation to adherence could be shown also in this case. However with a p-value of 0.003 there was a statistically significant correlation between maladaptive coping strategies (“extenuation and wishful thinking”) and increased fear of progression. Also for depressive coping a tendency to association can be seen (p-value 0.06). Besides the progress of the disease the fear of unwanted side effects is of big importance to the patients. Particularly for the – even with the moderate interpretation of the BAASIS – nonadherent patients a significant correlation is shown (p-value 0.023). Thereby the value of good education and instructions becomes apparent, especially as patients seem to overestimate their precise knowledge about the disease and the treatment. It remains to be noted that encouragement to adherent behaviour is of enormous relevance also with oncological patients. In particular to consider are coping strategies, dealing with fears as well as the information and education of the patients.

Das Ziel der Arbeit war, die Einflüsse verschiedener Zytokine bzw. Wachstumsfaktoren (unter anderem Stammzellfaktor (SCF), Thrombopoetin (TPO), Flt3-Ligand (FL-3), Interleukin-3 (IL-3), Tumornekrosefaktor-a (TNF-a) und Granulozyten-Makrophagen-Stimulierender-Faktor (GM-CSF)) auf humane hämatopoetische, CD34-positive Stammzellen (HSZ) zu evaluieren. Eine relativ hohe Zellamplifikation bei gleichzeitig geringer Differenzierungsinduktion ermöglichte eine Kombination der Zytokine TSF, SCF und FL-3. Eine gezielte Differenzierung von CD14-positiven, monozytären Zellen gelang am besten mit einer Kombination der Zytokine TSF, SCF, FL-3 und IL-3. Für die Generierung von dendritischen Zellen eignete sich eine Zytokinkombination aus IL-4, TNF-a und GM-CSF. Im zweiten Teil der Arbeit wurde das Verhalten von Philadelphiachromosom-positiven CML-Stammzellen (CML = chronisch myeloische Leukämie) im Vergleich zu benignen HSZ, analog zu den obigen Gesichtspunkten, evaluiert. Die CML-Stammzellen zeigten bei Inkubation mit Zwei- und Mehrfachzytokinkombinationen eine z.T. deutlich höhere Amplifikation als die Vergleichsansätze mit benignen Zellen. In den Mehrfachzytokinansätzen fand sich im zeitlichen Verlauf darüberhinaus eine größere, verbleibende CD34-positive Zell-Population als in den benignen Vergleichsansätzen. Bei der zielgerichteten dendritischen Zelldifferenzierung verhielten sich die CML-Stammzellen ähnlich wie die benigen Zellen, wobei die Differenzierung in den Kulturen zu einem späteren Zeitpunkt auftrat. Ein Unterschied gegenüber den benignen Ansätzen zeigte sich bei den CML-Stammzellen in einer nahezu fehlenden Differenzierungsfähigkeit in CD14-positive, monozytäre Zellen. Dieser Differenzierungsblock ließ sich jedoch durch eine Kombination der verwendeten Zytokine mit Vitamin D3 überwinden. / the intention of our studies was, to explore the cytokine-influence on humane hematopoetic stem cells (amongst others there were used stem-cell-factor (SCF), thrombopoetine (TPO), Flt3-Ligand (FL-3), Interleukine-3 (IL-3), Tumornecrosisfactor-a (TNF-a) und Granulocyte-Makrophage-stimulating-Factor (GM-CSF). A relatively high cell-amplification combined with a low induction of cell-differentiation was found in a cytokine cocktail made up of SCF, TPO and FL-3. A selective differentiation of CD14-positive, monocytic cells was found in presence of TSF, SCF, FL-3 und IL-3. The generation of dendritic cells succeeded with a combination of IL-4, TNF-a and GM-CSF. The intention of the second part of the studies was, to analyze the characteristics of Philadelphia-chromosome-positive CML-Stem (cml = chronic myeloic leukemia) cells compared to benign stem cells. The CML-stem cells were featured by a very high cell-amplification. Furthermore we found a very high persistent CD34-positive Population in the Cytokine Cultures containing two or more cytokines (compared to benign stem cells). Looking at the selective differentiation of dendritic cells, the findings are assimilable with the results found with benign stem cells, though the cml-stem cells differentiated at a later date. A main difference between benign and cml-stem cells was found in the differentiation in CD14-positive, monocytic cells. We found a lack of monocytic differentiation in the cml stem cells. However, this effect could be overcome by a incubation of the CML cells with a combination of cytokines and vitamine D3.

Das Verständnis der molekularen Mechanismen, die einer malignen Erkrankung zugrunde liegen, ist der Schlüssel zur Entwicklung zielgerichteter und effektiver therapeutischer Möglichkeiten. Für das LIM und SH3 Domänen Protein 1, LASP1, konnte im Kontext zahl-reicher Tumorerkrankungen wie dem Mamma-Karzinom, dem Prostata-Karzinom oder dem Ovarial-Karzinom eine Überexpression ebenso wie eine Korrelation mit Aggressivität und Prognose der Tumorerkrankung gezeigt werden. Bisher war eine Relevanz von LASP1 jedoch nur für solide Tumorerkrankungen nachgewiesen worden. Kürzlich allerdings wurde lasp1 als eines von 6 Genen identifiziert, die eine exaktere Vorhersage von Krankheitsprogress und -rezidiv bei Patienten mit einer chronischen myeloischen Leukämie (CML) zulassen sollen. Zudem konnte, wie bereits bei zahlreichen anderen, soliden Tumorerkrankungen, eine signifikante Überexpression des lasp1-Gens in CML-Zellen nachgewiesen werden.Basierend auf diesen neuen Erkenntnissen beschäftigte ich mich im Rahmen dieser Arbeit mit der Frage, welche Funktion LASP1 im Netz der einer CML zugrunde liegenden, molekularen Mechanismen übernimmt. Mittels verschiedener Interaktionsassays konnte LASP1 als ein neuer, phosphorylierungs-abhängiger Bindungspartner von CrkL, dem wohl prominentesten Substrat der BCR-ABL-Kinase, identifiziert werden. Dabei impliziert das Attribut „phosphorylierungs-abhängig“ sowohl den Phosphorylierungsstatus von LASP1 als auch des Interaktionspartners CrkL. Wie in Vorarbeiten gezeigt, stellt das Tyrosin 171 in der Aminosäurensequenz von LASP1 eine Phosphorylierungsstelle für die BCR-ABL-Kinase dar; mit LASP1 wurde somit auch ein neues Substrat dieser konstitutiv aktiven Tyrosinkinase entdeckt. Phosphoryliert an Tyrosin 171 kann LASP1 an die SH2-Domäne von CrkL, genauer an das FLVR-Motif innerhalb dieser, binden. Jedoch selbst an Tyrosin 207 durch die BCR-ABL-Kinase phosphoryliert, blockiert CrkL die eigene SH2-Domäne durch intramolekulare Wechselwirkungen für andere Protein-Protein-Interaktionen in gewissem Umfang. Diese neu gewonnenen Erkenntnisse liefern ein weiteres Puzzlestück zum Verständnis des molekularen Netzwerks, das einer CML-Erkrankung zugrunde liegt und tragen so dazu bei, die Therapieoptionen dieser stetig zu verbessern. / Understanding the molecular mechanisms underlying a malignant disease makes it possible to develop targeted and effective therapeutic options. For numerous malignant disease such as breast cancer, prostata cancer or ovarial cancer it has been shown that the LIM and SH3 domain protein 1, LASP1, is overexpresssed and that there is a correlation with regard to aggressive growth and outcome of the tumour. So far relevance of LASP1 has only been proven for solid tumours. However recently lasp1 was identified as a component of six genes that may allow to predict more reliably disease´s progress and relapse in CML patients. In addition to that a significant overexpression of lasp1 in CML cells has been discov-ered, a phenomenon already known from a lot of solid malignant tumours. Based on these new findings, i dealt with the issue of the function of LASP1 in the network of molecular mechanisms underlying CML. Using different kinds of interaction assays, LASP1 was identified as a new, phosphorylation-dependent ligand of CrkL, the most prominent substrate of the BCR-ABL-kinase. In this case the attribute "phosphorylation-dependent“ refers to the phosphorylation status of LASP1 as well as of its binding-partner CrkL. As shown in preliminary studies, tyrosine 171 is a phosphorylation site for BCR-ABL-kinase within the AS sequence of LASP1; therefore, with LASP1, a new substrate of this constitutive active tyrosine kinase has been discovered. When phosphorylated on tyrosine 171, LASP1 is able to bind to the SH2-domain of CrkL, more exactly to the FLVR-motive within this domain. But when CrkL is phos-phorylated on tyrosine 207 by BCR-ABL-kinase, there are intramolecular interactions that block the SH2-domain of CrkL for other protein-protein-interactions. These new findings help to understand the molecular network under-lying a CML disease and may contribute to continuous improvement of therapeutic options.

Hintergrund Die chronische myeloische Leukämie (CML) ist eine myeloproliferative Er- krankung, die aufgrund ihres Modellcharakters unter der Behandlung mit Tyrosin-Kinase- Inhibitoren (TKI) gut für eine Beschreibung mittels computerbasierter Modelle geeignet ist. Grundlage für die Entstehung einer CML ist die Bildung eines Philadelphia-Chromosoms durch eine Translokation der Chromosomen 9 und 22. Es resultiert das Onkogen BCR- ABL1, welches für eine konstitutiv aktive Tyrosinkinase codiert. Diese führt zu ungeregelter Proliferation der betroffen Zellen und zur Verdrängung der gesunden Blutbildung. Das überaktivierte Protein kann durch TKIs gezielt gehemmt werden. Damit ist es möglich, die Tumorlast erheblich zu senken und das Fortschreiten der Erkrankung aufzuhalten. Aktuell werden in der klinischen Anwendung außerhalb von Studien TKIs für die gesamte Lebensdauer der Patienten eingesetzt. Absetzstudien zeigten, dass circa 50% der Patienten nach einer über zwei Jahren nicht nachweisbaren BCR-ABL1-Last nach Behandlungsstopp kein erneutes Anwachsen der Tumorlast aufwiesen. Die Anwendung von computergestützten Modellsimulationen hilft, Zugriff auf die klinisch nur schwer zu messenden leukämischen Stammzellen zu bekommen und darüber Vorhersagen über den weiteren Therapieverlauf zu treffen. Aufgabenstellung Im Rahmen der vorliegenden Arbeit sollen Möglichkeiten der Übertragung von Patientendaten auf das etablierte Modell nach Roeder und Loeffler (2002) verbessert werden. Die vom Modell vorhergesagten Stammzellkinetiken sollen abschließend auf Praxistauglichkeit geprüft werden. Material und Methoden Aufgrund der Vergleichbarkeit zu früheren Untersuchungen erfolgte die Auswahl von 51 Patienten des deutsches Armes der IRIS-Studie. Deren Therapieverläufe wurden analysiert und können über eine biphasische exponentielle (biexponentielle) bzw. über eine stückweise lineare Funktion beschreiben werden. Als Erweiterung der Arbeiten von Horn et al. (2013) wurden alle Parameter der biexponentiellen Funktion in die Entwicklung neuer Methoden einbezogen. Zusätzlich wurde untersucht, ob die Einbeziehung von zensierten Messpunkte die Form der biexponentiellen Funktion verändert. Basierend auf den Therapiedaten der IRIS-Patienten erfolgte die Ermittlung eines Para meterraumes für Eingangsparameter der Modellsimulation (Modellparameter), welcher in 270.400 individuelle Paramterkombinationen unterteilt wurde. Es erfolgten anschließend die Simulation und Auswertung nach der biexponentiellen Beschreibung. Auf Basis dieser erheblich größeren Datengrundlage konnten zwei neue Verfahren der Modellparameteridentifikation für individuelle Patienten entwickelt werden. Einerseits wurde in Anlehnung an die Arbeit von Horn et al. (2013) ein Verfahren unter Nutzung der Regression vorgestellt. Andererseits konnte über den Vergleich der Abstände zwischen simulierten und realen Therapieverläufen eine Suche (lookup-table) etabliert werden. Die Berechnung des Abstandes zwischen Therapieverläufen ermöglicht gleichzeitig den Vergleich der verschiedenen Verfahren und damit eine Aussage über deren Anpassungsgüte. Zum Schluss wurde beispielhaft für einen Patienten das Verfahren der lookup-table angewendet und die resultierende Stammzellkinetik weiter analysiert. Ergebnisse Einführend erfolgte die Analyse der resultierenden biexponentiellen Funktion mit und ohne Einbeziehung von Messunsicherheiten. Es zeigte sich, dass der Verlauf dieser Funktion besonders in Bereichen, die von einbezogenen Messunsicherheiten betroffen sind, abweichend ist. Die Beschreibung des Langzeitverlaufs erfolgt jedoch annähernd gleich. Anschließend erfolgte die Validierung der Größe des vorsimulierten Datenpool anhand eines Vergleichs der statistischen Parameter von Patienten und Simulationen. Dieser zeigte sich dabei für die weiteren Untersuchungen geeignet. Die Nutzung der lookup-table zur Identifikation der am besten zu einem Patienten passenden Therapiesimulation ist überlegen sowohl gegenüber von der Horn et al. (2013) beschriebenen als auch in dieser Arbeit neu entwickelten Regressionsverfahren. Diese ergeben deutliche Abweichungen zwischen Patientendaten und Simulation. Eine Analyse des vorhergesagten Therapieverlaufes im Stammzellkompartiment ergibt jedoch, dass ähnliche Therapieverläufe im peripheren Blut durch stark unterschiedliche Stammzellkonfigurationen beschrieben werden können. Es resultiert eine starke Streuung der vorhergesagten Zeitpunkte eines möglichen Therapieendes. Schlussfolgerungen Die Nutzung der lookup-table zu Identifikation einer passenden Therapiesimulation ist hoch effektiv und anderen Verfahren, die auf Regression basieren, überlegen. Die etablierte Computersimulation nach Roeder und Loeffler (2002) bietet Zugriff auf die Therapie in der Ebene der Stammzellen. Die in weiteren Analysen gezeigten Streuungen der vorhergesagten Therapieverläufe im Stammzellkompartiment lassen den Schluss zu, dass Methoden zur Eingrenzung der Stammzellverläufe entwickelt werden müssen, um die Vorhersagen klinisch nutzbar zu machen. Weiterhin muss anhand von Messungen an Knochenmarkproben von realen Patienten geprüft werden, ob die von der Simulation postulierten Verläufe der Tumorlast im Stammzellkompartiment der realen Behandlung entsprechen. Ausblick Die in aktuellen Arbeiten beschriebene Rolle des Immunsystems im Therapieverlauf der CML (Saussele et al. 2016; Clapp et al. 2016) sollte in eine Verbesserung des Stammzellmodells nach Roeder und Loeffler (2002) einfließen. Weiterhin kann die Validierung der im Rahmen der Individualmedizin zu treffenden Absetzvorhersagen letztendlich nur über klinische Absetzuntersuchungen ermöglicht werden. / Background Chronic myeloic leukaemia (CML) is a myeloproliferative disease, which is well suited for modelling approaches. It is characterized by the oncogenic BCR-ABL1 fusion gene originating from an inverse translocation of the chromosomes 9 and 22 leading to the Philadelphia chromosome. The result is a constitutively activated tyrosine-kinase. This is followed by an extensive proliferation of leukaemic stem cells leading to a displacement of normal haematopoesis. The molecular specificity of CML forms the basis of a highly efficient, targeted therapy by tyrosine kinase inhibitors (TKIs). TKIs can decrease the tumour burden and slow down or eventually stop progressing of the disease. Currently, in clinical applications drugs are administered for the remaining life span. Interestingly, in recent treatment cessation trials patients were stopped after two years of non-detectable tumour burden and about 50% remained without relapse. The application of computer-based modelling helps to gain access to stem cell counts being difficult to measure clinically. This forms the basis for predictions of long-term therapy outcomes. Aim of this work This work aims on identifying a suitable algorithm to efficiently identify model simulations that optimally decribe individual patient kinetics. Furthermore, the clinical usability of the new methods was investigated. Material and methods The analysed group of patients was chosen out of the German cohort of the IRIS trial to ensure comparability to former investigations. It consists of 51 individuals. The course of leukaemic burden , i. e. leukaemic vs. non-leukaemic cells on a single patient level can be described as a biphasic exponential (bi-exponential) or a piecewise linear function. As an extension to former methods described by Horn et al. (2013) all parameters are included into further method development. Additionally, an investigation was conducted whether censored data points change the functional behaviour of a bi-exponential fit based on patients’ data. According to therapy data of all patients an input parameter space for the model simulation was delimited, such that all observed patient kinetics can be mimicked by the model. This parameter space was uniformly divided into 270.400 discrete parameter combinations. The therapy simulation of each combination was conducted and described by a bi-exponential function likewise to the patients’ fit. With the help of these huge variety of in silico therapies two new methods of model parameter identification for individual patients were developed. The first one is an advanced approach based on a regression model proposed by Horn et al. (2013). The second one by comparing distances between the patients’ and the models’ bi-exponential functions (lookup table). The comparison of the distances between different therapy courses (either simulated or patients’ data) was also used to compare the quality of different methods. As an example, for one patient the stem cell kinetics from the model were analysed in more detail and checked for robustness. Such a strategy, which might build the basis for clinical applications. Results A comparison between the different bi-exponential functions with and without censored data points revealed differences especially in the area in which censoring was performed. However, for the long-term tumour burden censored data had no influence. Secondly, an investigation was performed showing the sufficiency of the pre-simulated therapy courses for the new methods, i. e. lookup-table and regression models. The lookup- table turns out to be superior to identify a therapy simulation for a unique patient, since the complexity of linear regression models lead to increased deviations between patients’ therapy courses and the simulations. Unfortunately, distinct stem cell configurations lead to similar therapy descriptions in peripheral blood, assuming the correctness of the model. As a result, the prediction of a safe treatment cessation is often widely spread. Conclusions The new developed lookup-table to identify model simulations suitable for an individual patient is highly effective and superior to other methods using regression models. The simulation of the TKI treatment using the agent-based model of Roeder und Loeffler (2002) gives easy access to therapy courses on the level of leukaemic stem cells. Unfortunately, the finding of a well fitting simulation within the peripheral blood is not enough to provide a point of safe treatment cessation, since different stem cell configurations can lead to similar therapy courses. Additionally, it is necessary to check which of the assumed therapy courses on the stem cell level is appropriate. This could be done by gathering more information from bone-marrow punctures during the course of treatment. Outlook Investigations of new data showed the important role of the immune system in CML treatment (Saussele et al. 2016; Clapp et al. 2016). This should be taken into account by improving the model of Roeder und Loeffler (2002). Additionally, data from cessation trials can be used to validate the model assumptions.

Hintergrund Die chronische myeloische Leukämie (CML) ist eine myeloproliferative Er- krankung, die aufgrund ihres Modellcharakters unter der Behandlung mit Tyrosin-Kinase- Inhibitoren (TKI) gut für eine Beschreibung mittels computerbasierter Modelle geeignet ist. Grundlage für die Entstehung einer CML ist die Bildung eines Philadelphia-Chromosoms durch eine Translokation der Chromosomen 9 und 22. Es resultiert das Onkogen BCR- ABL1, welches für eine konstitutiv aktive Tyrosinkinase codiert. Diese führt zu ungeregelter Proliferation der betroffen Zellen und zur Verdrängung der gesunden Blutbildung. Das überaktivierte Protein kann durch TKIs gezielt gehemmt werden. Damit ist es möglich, die Tumorlast erheblich zu senken und das Fortschreiten der Erkrankung aufzuhalten. Aktuell werden in der klinischen Anwendung außerhalb von Studien TKIs für die gesamte Lebensdauer der Patienten eingesetzt. Absetzstudien zeigten, dass circa 50% der Patienten nach einer über zwei Jahren nicht nachweisbaren BCR-ABL1-Last nach Behandlungsstopp kein erneutes Anwachsen der Tumorlast aufwiesen. Die Anwendung von computergestützten Modellsimulationen hilft, Zugriff auf die klinisch nur schwer zu messenden leukämischen Stammzellen zu bekommen und darüber Vorhersagen über den weiteren Therapieverlauf zu treffen. Aufgabenstellung Im Rahmen der vorliegenden Arbeit sollen Möglichkeiten der Übertragung von Patientendaten auf das etablierte Modell nach Roeder und Loeffler (2002) verbessert werden. Die vom Modell vorhergesagten Stammzellkinetiken sollen abschließend auf Praxistauglichkeit geprüft werden. Material und Methoden Aufgrund der Vergleichbarkeit zu früheren Untersuchungen erfolgte die Auswahl von 51 Patienten des deutsches Armes der IRIS-Studie. Deren Therapieverläufe wurden analysiert und können über eine biphasische exponentielle (biexponentielle) bzw. über eine stückweise lineare Funktion beschreiben werden. Als Erweiterung der Arbeiten von Horn et al. (2013) wurden alle Parameter der biexponentiellen Funktion in die Entwicklung neuer Methoden einbezogen. Zusätzlich wurde untersucht, ob die Einbeziehung von zensierten Messpunkte die Form der biexponentiellen Funktion verändert. Basierend auf den Therapiedaten der IRIS-Patienten erfolgte die Ermittlung eines Para meterraumes für Eingangsparameter der Modellsimulation (Modellparameter), welcher in 270.400 individuelle Paramterkombinationen unterteilt wurde. Es erfolgten anschließend die Simulation und Auswertung nach der biexponentiellen Beschreibung. Auf Basis dieser erheblich größeren Datengrundlage konnten zwei neue Verfahren der Modellparameteridentifikation für individuelle Patienten entwickelt werden. Einerseits wurde in Anlehnung an die Arbeit von Horn et al. (2013) ein Verfahren unter Nutzung der Regression vorgestellt. Andererseits konnte über den Vergleich der Abstände zwischen simulierten und realen Therapieverläufen eine Suche (lookup-table) etabliert werden. Die Berechnung des Abstandes zwischen Therapieverläufen ermöglicht gleichzeitig den Vergleich der verschiedenen Verfahren und damit eine Aussage über deren Anpassungsgüte. Zum Schluss wurde beispielhaft für einen Patienten das Verfahren der lookup-table angewendet und die resultierende Stammzellkinetik weiter analysiert. Ergebnisse Einführend erfolgte die Analyse der resultierenden biexponentiellen Funktion mit und ohne Einbeziehung von Messunsicherheiten. Es zeigte sich, dass der Verlauf dieser Funktion besonders in Bereichen, die von einbezogenen Messunsicherheiten betroffen sind, abweichend ist. Die Beschreibung des Langzeitverlaufs erfolgt jedoch annähernd gleich. Anschließend erfolgte die Validierung der Größe des vorsimulierten Datenpool anhand eines Vergleichs der statistischen Parameter von Patienten und Simulationen. Dieser zeigte sich dabei für die weiteren Untersuchungen geeignet. Die Nutzung der lookup-table zur Identifikation der am besten zu einem Patienten passenden Therapiesimulation ist überlegen sowohl gegenüber von der Horn et al. (2013) beschriebenen als auch in dieser Arbeit neu entwickelten Regressionsverfahren. Diese ergeben deutliche Abweichungen zwischen Patientendaten und Simulation. Eine Analyse des vorhergesagten Therapieverlaufes im Stammzellkompartiment ergibt jedoch, dass ähnliche Therapieverläufe im peripheren Blut durch stark unterschiedliche Stammzellkonfigurationen beschrieben werden können. Es resultiert eine starke Streuung der vorhergesagten Zeitpunkte eines möglichen Therapieendes. Schlussfolgerungen Die Nutzung der lookup-table zu Identifikation einer passenden Therapiesimulation ist hoch effektiv und anderen Verfahren, die auf Regression basieren, überlegen. Die etablierte Computersimulation nach Roeder und Loeffler (2002) bietet Zugriff auf die Therapie in der Ebene der Stammzellen. Die in weiteren Analysen gezeigten Streuungen der vorhergesagten Therapieverläufe im Stammzellkompartiment lassen den Schluss zu, dass Methoden zur Eingrenzung der Stammzellverläufe entwickelt werden müssen, um die Vorhersagen klinisch nutzbar zu machen. Weiterhin muss anhand von Messungen an Knochenmarkproben von realen Patienten geprüft werden, ob die von der Simulation postulierten Verläufe der Tumorlast im Stammzellkompartiment der realen Behandlung entsprechen. Ausblick Die in aktuellen Arbeiten beschriebene Rolle des Immunsystems im Therapieverlauf der CML (Saussele et al. 2016; Clapp et al. 2016) sollte in eine Verbesserung des Stammzellmodells nach Roeder und Loeffler (2002) einfließen. Weiterhin kann die Validierung der im Rahmen der Individualmedizin zu treffenden Absetzvorhersagen letztendlich nur über klinische Absetzuntersuchungen ermöglicht werden. / Background Chronic myeloic leukaemia (CML) is a myeloproliferative disease, which is well suited for modelling approaches. It is characterized by the oncogenic BCR-ABL1 fusion gene originating from an inverse translocation of the chromosomes 9 and 22 leading to the Philadelphia chromosome. The result is a constitutively activated tyrosine-kinase. This is followed by an extensive proliferation of leukaemic stem cells leading to a displacement of normal haematopoesis. The molecular specificity of CML forms the basis of a highly efficient, targeted therapy by tyrosine kinase inhibitors (TKIs). TKIs can decrease the tumour burden and slow down or eventually stop progressing of the disease. Currently, in clinical applications drugs are administered for the remaining life span. Interestingly, in recent treatment cessation trials patients were stopped after two years of non-detectable tumour burden and about 50% remained without relapse. The application of computer-based modelling helps to gain access to stem cell counts being difficult to measure clinically. This forms the basis for predictions of long-term therapy outcomes. Aim of this work This work aims on identifying a suitable algorithm to efficiently identify model simulations that optimally decribe individual patient kinetics. Furthermore, the clinical usability of the new methods was investigated. Material and methods The analysed group of patients was chosen out of the German cohort of the IRIS trial to ensure comparability to former investigations. It consists of 51 individuals. The course of leukaemic burden , i. e. leukaemic vs. non-leukaemic cells on a single patient level can be described as a biphasic exponential (bi-exponential) or a piecewise linear function. As an extension to former methods described by Horn et al. (2013) all parameters are included into further method development. Additionally, an investigation was conducted whether censored data points change the functional behaviour of a bi-exponential fit based on patients’ data. According to therapy data of all patients an input parameter space for the model simulation was delimited, such that all observed patient kinetics can be mimicked by the model. This parameter space was uniformly divided into 270.400 discrete parameter combinations. The therapy simulation of each combination was conducted and described by a bi-exponential function likewise to the patients’ fit. With the help of these huge variety of in silico therapies two new methods of model parameter identification for individual patients were developed. The first one is an advanced approach based on a regression model proposed by Horn et al. (2013). The second one by comparing distances between the patients’ and the models’ bi-exponential functions (lookup table). The comparison of the distances between different therapy courses (either simulated or patients’ data) was also used to compare the quality of different methods. As an example, for one patient the stem cell kinetics from the model were analysed in more detail and checked for robustness. Such a strategy, which might build the basis for clinical applications. Results A comparison between the different bi-exponential functions with and without censored data points revealed differences especially in the area in which censoring was performed. However, for the long-term tumour burden censored data had no influence. Secondly, an investigation was performed showing the sufficiency of the pre-simulated therapy courses for the new methods, i. e. lookup-table and regression models. The lookup- table turns out to be superior to identify a therapy simulation for a unique patient, since the complexity of linear regression models lead to increased deviations between patients’ therapy courses and the simulations. Unfortunately, distinct stem cell configurations lead to similar therapy descriptions in peripheral blood, assuming the correctness of the model. As a result, the prediction of a safe treatment cessation is often widely spread. Conclusions The new developed lookup-table to identify model simulations suitable for an individual patient is highly effective and superior to other methods using regression models. The simulation of the TKI treatment using the agent-based model of Roeder und Loeffler (2002) gives easy access to therapy courses on the level of leukaemic stem cells. Unfortunately, the finding of a well fitting simulation within the peripheral blood is not enough to provide a point of safe treatment cessation, since different stem cell configurations can lead to similar therapy courses. Additionally, it is necessary to check which of the assumed therapy courses on the stem cell level is appropriate. This could be done by gathering more information from bone-marrow punctures during the course of treatment. Outlook Investigations of new data showed the important role of the immune system in CML treatment (Saussele et al. 2016; Clapp et al. 2016). This should be taken into account by improving the model of Roeder und Loeffler (2002). Additionally, data from cessation trials can be used to validate the model assumptions.