Background: Lithium augmentation is a first-line strategy for depressed patients resistant to antidepressive therapy, but little is known about patients’ subsequent long-term course or outcome predictors. We investigated long-term outcomes of unipolar depressed patients who had participated in a study on the effects of lithium augmentation on the hypothalamic-pituitary-adrenocortical system using the combined dexamethasone/corticotrophin-releasing hormone (DEX/CRH) test. Methods: Twelve to 28 months (mean 18.6 ± 4.6 months) after lithium augmentation, 23 patients were assessed with a standardized interview, of which 18 patients had complete DEX/CRH test results. Relapse was diagnosed by DSM-IV criteria (Structured Clinical Interview for DSM-IV; SCID I). Results: Only 11 patients (48%) had a favorable follow-up, defined as absence of major depressive episodes during the observation period. Patients with a favorable and an unfavorable course did not differ in clinical or sociodemographic parameters, endocrinological results or continuation of lithium. However, fewer previous depressive episodes tended to correlate (p = 0.09) with a favorable course. Conclusion: Results from studies using the DEX/CRH test to predict relapse in depressed patients treated with antidepressants were not replicated for lithium augmentation. Our finding could reflect the elevation of DEX/CRH results by lithium, independent of clinical course. Limitations of the study are its small sample size, the heterogeneous clinical baseline conditions and the lack of lithium serum levels. The fact that lithium continuation did not predict the course might be related to the difference between the efficacy of lithium in controlled studies and its effectiveness in naturalistic settings. / Dieser Beitrag ist mit Zustimmung des Rechteinhabers aufgrund einer (DFG-geförderten) Allianz- bzw. Nationallizenz frei zugänglich.

Im Rahmen dieser Dissertation wurde retrospektiv die Minimale Resterkrankung von Patienten mit akuter myeloischer Leukämie und Myelodysplastischen Syndrom nach allogener Stammzelltransplantation mit minimaler Konditionierung untersucht. Hierfür wurden vier unterschiedliche Methoden zur Detektion der Minimalen Resterkrankung analysiert. Nach Etablierung einer quantitativen Real-Time PCR für das Wilms Tumor Gen 1 (WT1) im peripheren Blut wurden diese Ergebnisse mit bereits routinemäßig erhobenen Daten des Chimärismus im Gesamtknochenmark und in CD34+ Zellen sowie der Fluoreszenz-in-situ-Hybridisierung (FISH) krankheitsspezifischer chromosomaler Aberrationen von insgesamt 88 Patienten verglichen und statistisch ausgewertet. Es konnte gezeigt werden, dass die Genexpressionanalysen des WT1 sowie die Chimärismusanalysen ein Rezidiv im Gegensatz zu den FISH Analysen vier Wochen im Voraus detektieren können. In Reiceiver Operating Curve Analysen wurden eine WT1 Expression von > 24 WT1/10.000 ABL1 Kopien und der Abfall des CD34+ Spenderchimärismus von ≥ 5% als diagnostisch stärkste Methoden identifiziert. In uni- und multivariaten Analysen von insgesamt 20 Parametern wurden die beiden Methoden als unabhängige Variablen für ein frühes Rezidiv, progressionsfreies Überleben und Gesamtüberleben bestätigt. Kombiniert man beide Methoden, so kann bei jeweiligem negativen Testergebnis ein Rezidiv innerhalb der nächsten vier Wochen nahezu ausgeschlossen werden.

Ziel der vorliegenden Arbeit ist die retrospektive Beurteilung der Sicherheit und Effektivität der Leberteilresektion bei der Behandlung von Lebermetastasen des kolorektalen Karzinoms sowie der Re-Resektion bei Patienten mit Rezidivlebermetastasen. Weiterhin soll das operative Vorgehen bei synchronen Lebermetastasen hinsichtlich simultaner Resektionsverfahren und zweizeitigen Vorgehens untersucht werden. Insgesamt wurden die Ergebnisse von 660 Patienten ausgewertet, die zwischen 1988 und 2004 mit 685 Leberteilresektionen behandelt wurden. Unter diesen waren 75 Patienten, die eine Re-Resektion erhielten sowie 202 Patienten, bei denen die Lebermetastasen synchron auftraten. Neben der Analyse der postoperativen Letalität und postoperativen Komplikationen sollen prognostische Faktoren für das Langzeitüberleben und das Auftreten von Tumorrezidiven nach Leberteilresektion identifiziert werden. Da sich die Studienpopulation aus einem Zeitraum von über 15 Jahren rekrutiert, sollen außerdem verschiedene Zeitabschnitte vergleichend analysiert werden. Die Leberteilresektion ist derzeit die einzige potentiell kurative Therapie bei kolorektalen Lebermetastasen. Als prognostisch günstige Parameter in der multivariaten Analyse zeigten sich die Radikalität des Eingriffes, die Anzahl der Metastasen, vorhandene ligamentäre Lymph-knotenmetastasen sowie das Jahr der Resektion. Auch bei Rezidiven kolorektaler Lebermetastasen ist das chirurgische Vorgehen derzeit die einzige kurative Intervention. Re-Resektionen weisen ein vergleichbares operatives Risiko und vergleichbare Langzeitüberlebensraten auf wie Erstresektionen. Als einziger prognostischer Parameter für das Langzeitüberleben erwies sich in der multivariaten Analyse die Radikalität des Eingriffes. Bei synchronen Lebermetastasen sind die wichtigsten Kriterien, um eine simultane Resektion durchzuführen, die Berücksichtigung des Alters sowie des Resektionsausmaßes. Simultane Resektionen sind bei synchronen kolorektalen Lebermetastasen dann so sicher und effizient durchführbar wie Resektionen im zweizeitigen Vorgehen.

Introduction: Allogeneic hematopoietic cell transplantation (HCT) during chemotherapy-induced aplasia may offer long-term survival in acute myeloid leukemia (AML) with otherwise poor prognosis including ELN adverse risk, relapsed or refractory disease. However, the value of residual morphologic disease prior HCT in this context has not been conclusively settled until yet. Therefore, we aimed to investigate variables predicting outcome in this unique setting of sequential conditioning therapy, with a focus on pretreatment morphologic blast count. In contrast to the most popular FLAMSA-RIC protocol, we used a melphalan-based conditioning regimen during aplasia. Methods: We retrospectively analyzed data from 173 AML patients who underwent a sequential melphalan-based conditioning therapy between 2003 and 2015 at our centre. All patients participated either in the prospective Phase 2 BRIDGE trial (NCT01295307), the Phase 3 AML2003 study (NCT00180102) or were treated according to this protocol and underwent allogeneic HCT after melphalan-based conditioning in treatment-induced aplasia. Results: Median bone marrow blast count prior to conditioning was 10% (range, 0–96%). Four year probabilities of EFS and OS were 34% (95% CI, 28–43%) and 43% (95% CI, 36–52%), respectively. In multivariate analysis, blast count >20% was associated with worse EFS (HR = 1.93; p = 0.009) and OS (HR = 1.80; p = 0.026). This effect was not significant anymore for HCT during 1st line therapy. Conclusion: Allogeneic HCT in aplasia with a melphalan-based conditioning regimen has the potential to cure a subset of adverse risk AML patients, even with persistent morphological disease prior HCT. However, a high pre-transplant blast count still indicates patients with a dismal prognosis, especially in the relapsed patient group, for whom post-transplant strategies should be considered to further optimize post HCT outcome.

At the forefront of cancer treatment development and evaluation, three-dimensional Tumour Spheroid Control Experiments play a pivotal role in the battle against cancer. Conducting and evaluating in vitro experiments are time-consuming processes. This thesis details the development, implementation, and validation of an algorithmic model that classifies spheroids as either controlled or relapsed by assessing the success of their treatments based on criteria rooted in biological insights. The introduction of this model is crucial for biologists to accurately and efficiently predict treatment efficacy in 3D in vitro experiments. The motivation for this research is driven by the need to improve the objectivity and efficiency of treatment outcome evaluations, which have traditionally depended on manual and subjective assessments by biologists. The research involved creating a comprehensive dataset from multiple 60-day in vitro experiments by combining data from various sources, focusing on the growth dynamics of tumour spheroids subjected to different treatment regimens. Through preprocessing and analysis, growth characteristics were extracted and utilized as input features for the model. A feature selection and optimization technique was applied to refine the software model and improve its predictive accuracy. The model is based on a handful of comprehensive criteria, calibrated by employing a grid search mechanism for hyperparameter tuning to optimize accuracy. The validation process, conducted via independent test sets, confirmed the model’s capability to predict treatment outcomes with a high degree of reliability and an accuracy of about 99%. The findings reveal that algorithmic classification models can make a significant contribution to the standardization and automation of treatment efficacy assessment in tumour spheroid experiments. Not only does this approach reduce the potential for human error and variability, but it also provides a scalable and objective means of evaluating treatment outcomes.:1 Introduction 1.1 Background and Motivation 1.2 Biological Background 1.3 Iteration Methodology 1.4 Objective of the Thesis 2 Definition of basic Notation and Concepts 2.1 Time Series Analysis 2.2 Linear Interpolation 2.3 Simple Exponential Smoothing 2.4 Volume of a Spheroid 2.5 Heavyside Function 2.6 Least Squares Method 2.7 Linear Regression 2.8 Exponential Approximation 2.9 Grid Search 2.10 Binary Regression 2.11 Pearson Correlation Coefficient 3 Observation Data 3.1 General Overview 3.1.1 Structure of the Data 3.1.2 Procedure of Data Processing using 3D-Analysis 3.2 Data Engineering 3.2.1 Data Consolidation and Sanitization 3.2.2 Extension and Interpolation 3.2.3 Variance Reduction 4 Model Development 4.1 Modeling of Various Classification-Relevant Aspects 4.1.1 Primary Criteria 4.1.2 Secondary Criteria 4.1.3 Statistical Learning Approaches 4.2 Day of Relapse Estimation 4.3 Model Implementation 4.3.1 Combination of Approaches 4.3.2 Implementation in Python 4.4 Model Calibration 4.4.1 Consecutive Growth 4.4.2 Quintupling 4.4.3 Secondary Criteria 4.4.4 Combined Approach 5 Model Testing 5.1 Evaluation Methods 5.1.1 Applying the Model to New Data 5.1.2 Spheroid Control Probability 5.1.3 Kaplan-Meier Survival Analysis 5.1.4 Analysis of Classification Mismatches 5.2 Model Benchmark 5.2.1 Comparison to Human Raters 5.2.2 Comparison to Binary Regression Model 5.3 Robustness 5.3.1 Test using different Segmentation 5.3.2 Feature Reduction 5.3.3 Sensitivity 5.3.4 Calibration Templates 6 Discussion 6.1 Practical Application Opportunities 6.2 Evaluation of the Algorithmic Model 6.3 Limitations 7 Conclusion 7.1 Summary 7.2 Future Research Directions / Dreidimensionale Experimente zur Kontrolle von Tumorsphäroiden sind zentral für die Entwicklung und Evaluierung von Krebstherapien. Die Durchführung und Auswertung von In-vitro-Experimenten ist jedoch zeitaufwendig. Diese Arbeit beschreibt die Entwicklung, Implementierung und Validierung eines algorithmischen Modells zur Einstufung von Sphäroiden als kontrolliert oder rezidivierend. Das Modell bewertet den Behandlungserfolg anhand biologisch fundierter Kriterien. Diese Innovation ist entscheidend für die präzise und effiziente Vorhersage der Wirksamkeit von Behandlungen in 3D-In-vitro-Experimenten und zielt darauf ab, die Objektivität und Effizienz der Beurteilung von Behandlungsergebnissen zu verbessern, die traditionell von manuellen, subjektiven Einschätzungen der Biologen abhängen. Die Forschung umfasste die Erstellung eines umfassenden Datensatzes aus mehreren 60-tägigen In-vitro-Experimenten, bei denen die Wachstumsdynamik von Tumorsphäroiden unter verschiedenen Behandlungsschemata untersucht wurde. Durch Vorverarbeitung und Analyse wurden Wachstumscharakteristika extrahiert und als Eingangsmerkmale für das Modell verwendet. Das Modell basiert auf wenigen umfassenden Kriterien, die mithilfe eines Gittersuchmechanismus zur Abstimmung der Hyperparameter kalibriert wurden, um die Genauigkeit zu optimieren. Der Validierungsprozess bestätigte die Fähigkeit des Modells, Behandlungsergebnisse mit hoher Zuverlässigkeit und einer Genauigkeit von etwa 99 % vorherzusagen. Die Ergebnisse zeigen, dass algorithmische Klassifizierungsmodelle einen wesentlichen Beitrag zur Standardisierung und Automatisierung der Bewertung der Behandlungseffektivität in Tumorsphäroid-Experimenten leisten können. Dieser Ansatz verringert nicht nur das Potenzial für menschliche Fehler und Schwankungen, sondern bietet auch ein skalierbares und objektives Mittel zur Bewertung von Behandlungsergebnissen.:1 Introduction 1.1 Background and Motivation 1.2 Biological Background 1.3 Iteration Methodology 1.4 Objective of the Thesis 2 Definition of basic Notation and Concepts 2.1 Time Series Analysis 2.2 Linear Interpolation 2.3 Simple Exponential Smoothing 2.4 Volume of a Spheroid 2.5 Heavyside Function 2.6 Least Squares Method 2.7 Linear Regression 2.8 Exponential Approximation 2.9 Grid Search 2.10 Binary Regression 2.11 Pearson Correlation Coefficient 3 Observation Data 3.1 General Overview 3.1.1 Structure of the Data 3.1.2 Procedure of Data Processing using 3D-Analysis 3.2 Data Engineering 3.2.1 Data Consolidation and Sanitization 3.2.2 Extension and Interpolation 3.2.3 Variance Reduction 4 Model Development 4.1 Modeling of Various Classification-Relevant Aspects 4.1.1 Primary Criteria 4.1.2 Secondary Criteria 4.1.3 Statistical Learning Approaches 4.2 Day of Relapse Estimation 4.3 Model Implementation 4.3.1 Combination of Approaches 4.3.2 Implementation in Python 4.4 Model Calibration 4.4.1 Consecutive Growth 4.4.2 Quintupling 4.4.3 Secondary Criteria 4.4.4 Combined Approach 5 Model Testing 5.1 Evaluation Methods 5.1.1 Applying the Model to New Data 5.1.2 Spheroid Control Probability 5.1.3 Kaplan-Meier Survival Analysis 5.1.4 Analysis of Classification Mismatches 5.2 Model Benchmark 5.2.1 Comparison to Human Raters 5.2.2 Comparison to Binary Regression Model 5.3 Robustness 5.3.1 Test using different Segmentation 5.3.2 Feature Reduction 5.3.3 Sensitivity 5.3.4 Calibration Templates 6 Discussion 6.1 Practical Application Opportunities 6.2 Evaluation of the Algorithmic Model 6.3 Limitations 7 Conclusion 7.1 Summary 7.2 Future Research Directions