QuaLiPerF - Quantifizierung von Leber Perfusion-Funktion Zusammenhängen in komplexen Resektionen
Als Doktorand in der DFG Forschungsgruppe QuaLiPerF, arbeite ich an einem besseren, ganzheitlichen Verständnis der Leberfunktion im Kontext der Leberresektion. Die Leber ist dabei das wichtigste metabolische Organ des Körpers. Sie ist für die Entgiftung und für die Speicherung von Vitaminen, Glykogen und Eisen zuständig. Gifte wie Medikamente, Hormone oder Ammoniak werden dabei durch den Darm mit der Gallenflüssigkeit oder durch die Nieren über den Urin ausgeschieden.
Der Bedarf an erweiterten Leberresektionen durch Tumore nimmt in unserer alternden Gesellschaft ständig zu. Gleichzeitig ist das Risiko für Leberversagen nach einer Resektion, für Patienten mit hepatischen Vorerkrankungen wie Fibrose, Hepatitis oder Steatose immer noch hoch. Heutzutage erlauben zwei-Stufen partielle Leberresektionsansätze eine Resektion von 70 % der Lebermasse, wobei der verbleibende Teil der Leber seine Originalgröße komplett regenerieren kann.
Die Leber ist ein komplexes Organ, wobei die funktionale Kapazität nicht gleichmäßig verteilt ist. Daher ist die ausschließliche Betrachtung der Größe des verbleibenden Leber-Reststücks nicht ausreichend, um seine Funktionalität verlässlich beurteilen zu können (Sparrelid et al. 2017). Eine verlässliche Einschätzung der Funktionalität des Leber-Reststücks ist jedoch essenziell, um postoperatives Leberversagen zu verhindern, speziell in erweiterten Leberresektionen. Dabei müssen Chirurgen einen guten Kompromiss finden, um eine Rückkehr des Tumors zu verhindern und damit genügend Gewebe zu entfernen und gleichzeitig darauf zu achten, dass das Leber-Reststück noch ausreichend funktionale Kapazität hat, damit es nicht zum Leberversagen kommt (Christ et al. 2017). Um die funktionale Kapazität der Leber im Zusammenhang der Resektion beurteilen zu können, kombinieren wir in QuaLiPerF Metabolic Profiling und Lebermetabolismus auf Zellulärer Ebene mit Leberperfusion und funktioneller Verteilung auf Leberlappen Ebene. Dies ermöglichen wir durch die Kombination von Experimentellen und Modellierungsansätzen.
Mein Fokus liegt dabei in der Anwendung von statistischen Methoden zur Datenintegration in Multiskalen-Modellen und Unsicherheitsanalyse (P5). Dieses Projekt umrahmt die anderen Projekte der Forschungsgruppe, indem es einen stochastischen Weg zur Unsicherheitsanalyse auf zellulärer, lobulärer und ganz-Körper-Ebene liefert und am Ende zu gekoppelten Modellen auf verscheidenen Skalen führen soll.
Um dies zu erreichen werden stochastische Methoden wie Markov chain Monte Carlo (MCMC) Sampling, Maximum Likelihood (ML) Parameterschätzung und Machine Learning angewandt. Zum Beispiel durch die Definierung von Fehlerfunktionen auf ODE-basierten Modellen, die eine Übertragung der Unsicherheiten in den Daten auf die Modellausgabe durch die Likelihood optimierung ermöglichen.
Literatur:
Christ, Bruno; Dahmen, Uta; Herrmann, Karl-Heinz; König, Matthias; Reichenbach, Jürgen R.; Ricken, Tim et al. (2017): Computational Modeling in Liver Surgery. In: Frontiers in physiology 8, S. 906. DOI: 10.3389/fphys.2017.00906.
Sparrelid, Ernesto; Jonas, Eduard; Tzortzakakis, Antonios; Dahlén, Ulrika; Murquist, Gustav; Brismar, Torkel et al. (2017): Dynamic Evaluation of Liver Volume and Function in Associating Liver Partition and Portal Vein Ligation for Staged Hepatectomy. In: Journal of gastrointestinal surgery : official journal of the Society for Surgery of the Alimentary Tract 21 (6), S. 967–974. DOI: 10.1007/s11605-017-3389-y.