Mithilfe der Mathematik die Behandlung von Schilddrüsenkrebs optimieren

Schilddrüsenkrebs ist eine der häufigsten endokrinen Krebsarten. Obwohl die Erfolgsquote hoch ist, stellt das Rückfallrisiko für die Patienten stets eine Sorge und eine Herausforderung für die Medizin dar. Die Arbeit „Anwendung der Mathematik in der Diagnose und Behandlung von Schilddrüsenkrebs“ der Studenten Tran Van Luat (K66 Mathematik – IT) und Nguyen Dinh Quang (K67 Mathematik-Talentprogramm) der University of Natural Sciences (Nationale Universität Hanoi) hat einen neuen und vielversprechenden Ansatz für die Verwendung mathematischer Modelle zur Optimierung von Behandlungsschemata für Schilddrüsenkrebs im Hinblick auf eine personalisierte Behandlung vorgestellt.

Schilddrüsenkrebs.jpg

Nguyen Dinh Quang (linkes Cover) und Tran Van Luat mit Postern über ihre Arbeit auf der Student Science Conference 2025 der University of Natural Sciences.

Von praktischen Anliegen zu bahnbrechenden mathematischen Lösungen

Nguyen Dinh Quang erklärte, das Forschungsteam habe durch praktische Forschung erkannt, dass die Behandlung von differenziertem Schilddrüsenkrebs derzeit hauptsächlich auf einer Schilddrüsenentfernung und anschließender adjuvanter Behandlung mit radioaktivem Jod (RAI) beruht. Die Bestimmung der optimalen RAI-Dosis für jeden Patienten ist jedoch nach wie vor subjektiv und basiert weitgehend auf der klinischen Erfahrung des Arztes und nicht auf präzisen Dosierungsmethoden. Dies kann dazu führen, dass manche Patienten nicht die erforderliche Dosis erhalten, was das Rückfallrisiko erhöht, während andere unter unerwünschten Nebenwirkungen einer zu hohen Strahlendosis leiden.

Derzeit folgt der Behandlungsprozess von Schilddrüsenkrebs in Vietnam, einschließlich der Bestimmung der Strahlendosis für Patienten, streng den Vorschriften des Gesundheitsministeriums . In der Realität müssen sich Ärzte jedoch immer noch weitgehend auf ihre klinische Erfahrung verlassen, um die optimale Strahlendosis zu bestimmen. Gleichzeitig verfügen sie nicht über ein wirksames Hilfsmittel, um einen umfassenden Überblick zu erhalten und den Krankheitsverlauf genau vorherzusagen.

„Ausgehend von diesen Bedenken haben wir unter der Anleitung von Dr. Nguyen Trong Hieu, außerordentlicher Professor, Dr. Tang Quoc Bao (Universität Graz, Österreich) und Assistenzärztin Nguyen Thi Phuong (Militärisches Zentralkrankenhaus 108) unsere mathematischen Fähigkeiten genutzt, um eine Lösung zu finden. Man kann sagen, dass dies eine der bahnbrechenden Studien in Vietnam zur Anwendung von Mathematik zur Unterstützung des Behandlungsprozesses ist“, sagte Quang.

Modellierungs- und Optimierungsprobleme: Schlüssel zur personalisierten Behandlung

Um das oben genannte Problem zu lösen, hat das Forschungsteam ein mathematisches Modell erstellt, das sich auf die Simulation wichtiger biologischer Größen bei der Behandlung von differenziertem Schilddrüsenkrebs konzentriert, darunter: die Anzahl der Krebszellen (N), die Konzentration von Thyreoglobulin (Tg) und Anti-Thyreoglobulin-Antikörpern (AbTg) – wichtige Biomarker zur Überwachung des Behandlungserfolgs – sowie die verwendete Dosis des radioaktiven Jods (A).

Schilddrüsenkrebs-2.jpg

Quang und sein Forschungsteam stellten ihr Thema auf der Plenarsitzung der Student Science Conference vor. Das Thema gewann den zweiten Preis.

Dieses Modell ist einfacher als einige der komplexeren Modelle, die es bisher gab, und spiegelt gleichzeitig die wichtigsten biologischen Interaktionen präzise wider. Ziel des Teams ist es, ein Modell zu entwickeln, das im klinischen Umfeld gut anwendbar, einfach zu integrieren und anzuwenden ist.

Basierend auf dem mathematischen Modell entwickelte die Gruppe von Studierenden ein Optimalkontrollproblem. Ziel dieses Problems ist es, die optimale RAI-Dosis und den optimalen Zeitplan für jeden einzelnen Patienten zu finden, um mehrere Ziele gleichzeitig zu erreichen: die Anzahl der Krebszellen möglichst effektiv zu reduzieren, die Konzentrationen der Tg- und AbTg-Biomarker zu stabilisieren und – ebenso wichtig – unnötige Nebenwirkungen der Strahlendosis zu minimieren.

Bei der Simulation von Behandlungsergebnissen erweisen sich die Berechnungen als plausibel, können dazu beitragen, die Behandlungsdauer für Patienten zu verkürzen und unterstützen gleichzeitig Ärzte bei der Prüfung einer Reduzierung der Behandlungsdosis.

Simulationen an drei typischen Patientengruppen – Patienten mit gutem Ansprechen auf die Behandlung, Patienten mit mäßiger RAI-Resistenz und Patienten mit hoher RAI-Resistenz – zeigten, dass das Modell den Krankheitsverlauf anhand der Basistestdaten gut vorhersagen konnte. Dadurch konnte das Modell einen geeigneteren RAI-Plan und eine geeignetere RAI-Dosis bereitstellen als die tatsächlich angewandten Behandlungsschemata.

Beim Vergleich der „tatsächlichen Dosis“ und der „vom Modell empfohlenen Dosis“ zeigten die Ergebnisse, dass die vom Modell vorgeschlagene optimale Behandlungsstrategie die Rate der Krebszellkontrolle signifikant verbesserte und wichtige biologische Konzentrationen wieder auf ein normales Niveau brachte.

Mögliche Anwendungen in der personalisierten Medizin

Die Umsetzung eines solch interdisziplinären Projekts, insbesondere der Kombination von Mathematik und Medizin, erfordert von den Mitgliedern große Anstrengungen. Quang berichtete, dass der Wechsel in ein medizinnahes Fach für ihn als Mathematikstudent zunächst mit vielen Schwierigkeiten verbunden war. In den ersten zwei bis drei Monaten musste die Gruppe große Anstrengungen unternehmen, um medizinische Mechanismen zu erlernen und zu verstehen. Es gab Nächte, in denen wir aufbleiben mussten, um Dokumente zu lesen.

Glücklicherweise erhielt die Gruppe begeisterte Unterstützung von medizinischen Experten und Ärzten. Unklare Fragen wurden direkt oder online diskutiert. Ein unvergessliches Erlebnis war der erste Besuch des 108. Militärkrankenhauses, wo die Gruppe direkt mit dem medizinischen Team Kontakt aufnahm, Daten sammelte und die medizinischen Untersuchungen und Behandlungen beobachtete.

„Wir saßen etwa drei Stunden mit Ärzten zusammen, um Daten zu sammeln und Fachwissen auszutauschen. Darüber hinaus hatten wir die Möglichkeit, einen Teil des medizinischen Untersuchungs- und Behandlungsprozesses sowie den Behandlungsprozess der Patienten zu beobachten. Das waren wirklich interessante und nützliche Erfahrungen“, erzählte Quang.

Quang sagte, wenn man dieser Forschung Aufmerksamkeit schenke, in sie investiere und sie weiterentwickelte, werde sie ein wirksames Hilfsmittel für Ärzte sein. Sie werde nicht nur helfen, den Krankheitsverlauf in den nächsten vier bis fünf Jahren vorherzusagen, sondern auch Vorschläge für die für jeden Patienten am besten geeignete nächste Behandlungsdosis liefern.

Das Team testet das Modell derzeit aktiv mit weiteren Patientendatensätzen und konzentriert sich dabei insbesondere auf Patienten mit hohen AbTg-Werten – eine Population, die in anderen Studien bisher wenig Beachtung fand.

Darüber hinaus entwickelt das Team eine Softwareanwendung, die auf Basis der eingegebenen Daten automatisch die passende RAI-Behandlungsdosis für jeden Einzelnen empfehlen kann. Bei erfolgreichem Projektverlauf ist das weitere Ziel die Entwicklung einer spezifischen Anwendung (App).

Insbesondere bereitet die Gruppe ein wissenschaftliches Manuskript vor, das zur Veröffentlichung in renommierten internationalen Fachzeitschriften eingereicht werden soll. „Wir hoffen, dass die Arbeit zum Trend der personalisierten Behandlung beiträgt, der sich in der modernen Medizin immer stärker entwickelt“, erklärte Quang.

Kommentar (0)