Cookie Hinweis

Wir verwenden Cookies, um Ihnen ein optimales Webseiten-Erlebnis zu bieten. Dazu zählen Cookies, die für den Betrieb der Seite notwendig sind, sowie solche, die lediglich zu anonymen Statistikzwecken, für Komforteinstellungen oder zur Anzeige personalisierter Inhalte genutzt werden. Sie können selbst entscheiden, welche Kategorien Sie zulassen möchten. Bitte beachten Sie, dass auf Basis Ihrer Einstellungen womöglich nicht mehr alle Funktionalitäten der Seite zur Verfügung stehen. Weitere Informationen finden Sie in unseren Datenschutzhinweisen .

Essentiell

Diese Cookies sind für die Funktionalität unserer Website erforderlich und können nicht deaktiviert werden.

Name Webedition CMS
Zweck Dieses Cookie wird vom CMS (Content Management System) Webedition für die unverwechselbare Identifizierung eines Anwenders gesetzt. Es bietet dem Anwender bessere Bedienerführung, z.B. Speicherung von Sucheinstellungen oder Formulardaten. Typischerweise wird dieses Cookie beim Schließen des Browsers gelöscht.
Name econda
Zweck Session-Cookie für die Webanalyse Software econda. Diese läuft im Modus „Anonymisiertes Messen“.
Statistik

Diese Cookies helfen uns zu verstehen, wie Besucher mit unserer Webseite interagieren, indem Informationen anonym gesammelt und analysiert werden. Je nach Tool werden ein oder mehrere Cookies des Anbieters gesetzt.

Name econda
Zweck Measure with Visitor Cookie emos_jcvid
Externe Medien

Inhalte von externen Medienplattformen werden standardmäßig blockiert. Wenn Cookies von externen Medien akzeptiert werden, bedarf der Zugriff auf diese Inhalte keiner manuellen Zustimmung mehr.

Name YouTube
Zweck Zeige YouTube Inhalte
Name Twitter
Zweck Twitter Feeds aktivieren

Application of dynamic pathway modeling for personalized medicine

The generation of high-quality quantitative data and the development of dynamic pathway models allow us to unravel disease promoting mechanisms and opens novel possibilities for early detection of cancer and personalized optimization of treatment. Our pioneering work on mathematical modeling of the interaction of the hormone Epo with its cell surface receptor EpoR on erythroid progenitor cells (Becker et al. Science 2010) serves as a paradigm. Anemia is characterized by low hemoglobin levels in the blood due to reduced numbers of red blood cells (erythrocytes) and occurs frequently in the context of chronic diseases such as in the latest stages of lung cancer or chronic kidney disease. The main cofounders are inflammation and chemotherapy in lung cancer and the lack of Epo production in the kidney, inflammation and uremic toxins in the case of chronic kidney disease. Just in Germany this affects per year more than 100,000 chronic kidney patients and up to 40,000 lung cancer patients. Anemia impairs quality of life of these patients, compromises palliative treatments and can lead to events with lethal outcome such as lung embolism, thrombosis or cardiac adverse events. Although patients are very different the current treatment guidelines are generic for each disease. The lack of markers for the response of the patients to the different therapeutically employed Epo derivatives (Erythropoiesis Stimulating Agents; ESAs) frequently leads to sub-optimal dosing and sporadically overdosing. The resulting hemodynamic stress has been correlated with thrombovascular and cardiac adverse events. We developed a mechanism-based multiscale dynamic pathway model that was calibrated based on pharmacokinetic and pharmacodynamics data of individual patients to assist clinical decisions in the personalization of anemia treatment in lung cancer and chronic kidney disease (patents EP2957293 (2015), EP3355061 (2018)).
This mathematical model is capable to propose optimized personalized intervention strategies for anemia management employing a minimal effective dose of ESAs and/or blood transfusions. This approach leads to safer hemodynamic profiles, and eventually a reduction in the risk of adverse events and mortality.

Created with Biorender
© dkfz.de

to top
powered by webEdition CMS