Das Einzelprojekt ReinfChemo beschäftigt sich mit der Art und Weise der Chemotherapeutika-Gabe bei Krebspatientinnen und -patienten. Nach etablierten Therapieprotokollen zur Einzel- oder Kombinationstherapie werden Krebsmedikamente üblicherweise mit konstanter Infusionsrate verabreicht, ohne weitere individuelle Besonderheiten zu berücksichtigen.

Hier setzt ReinfChemo an: Im Rahmen des Projekts soll ein selbstlernendes Steuerungssystem entwickelt werden, das in der Lage ist, die optimalen Konzentrationszeitverläufe chemotherapeutischer Medikamente zu ermitteln. Ziel ist es, so die Effektivität der Medikamente zu maximieren und Nebenwirkungen zu reduzieren. Zur Entwicklung und Erprobung des geplanten Systems soll ein selbstentwickeltes automatisiertes Mikroskop für die Lebendzellmikroskopie namens „CytoScanner“ eingesetzt werden. Durch die im CytoScanner verwendete Software-Komponente lassen sich Zellzustände mithilfe des sogenannten Convolutional Neural Networks (CNN) erkennen. CNN gehören zur Gruppe der künstlichen neuronalen Netzwerke, die äußere Reize – beispielsweise visuelle Bilder – ähnlich wie das menschliche Nervensystem mithilfe von Computeralgorithmen maschinell filtern und verarbeiten können. Es ist geplant, mathematische Modelle damit so zu kalibrieren, dass die optimale Chemotherapeutika-Gabe während des Experiments vorhergesagt und über gesteuerte Perfusoren verabreicht werden kann. Es ist geplant, das System an drei verschiedenen Krebszellkulturen zu testen und zu optimieren.

Im Erfolgsfall ließen sich die Ergebnisse in die klinische Anwendung übertragen, um eine individuell optimierte Chemotherapie bei Krebspatientinnen und -patienten zu ermöglichen, die mit weniger Nebenwirkungen bei gleichzeitig verbesserter Therapie verbunden wäre.