Herstellung der CAR-T-Zellen soll beschleunigt werden
Die
CAR-T-Zell-Therapie ist eine personalisierte Krebsimmuntherapie, die aktuell vor allem zur Behandlung von bestimmten Leukämien und Lymphomen eingesetzt wird. Dabei werden patientenindividuelle Immunzellen in speziellen Laboren gentechnisch verändert und über eine Infusion verabreicht. Die Herstellung dieser CAR-T-Zellen dauert bis dato mehrere Wochen und ist äußerst kostenintensiv. Langfristiges Ziel ist daher die Entwicklung eines automatisierten Systems, das in der Lage ist, CAR-T-Zellen schneller und kostengünstiger herzustellen und so einen besseren Zugang zu dieser Therapiemethode zu ermöglichen.
Lesen Sie mehr zu diesem Thema:
CAR-T-Zell-Therapie: Selektion und Monitoring von r/r DLBCL-Patient:innen
Erschienen am 24.05.2023 • Neue Methoden zur Selektion und zum Monitoring von r/r DLBCL-Patienten können die CAR-T-Zell-Therapie verbessern. Mehr dazu lesen Sie hier!
Erschienen am 24.05.2023 • Neue Methoden zur Selektion und zum Monitoring von r/r DLBCL-Patienten können die CAR-T-Zell-Therapie...
© David A Litman - stock.adobe.com
iCARus soll Herstellung der CAR-T-Zellen automatisieren
Hierfür werden im Projekt iCARus am IPI – Institut für Produktion und Informatik selbstlernende Anlagen mit Pipettierrobotern entwickelt und als Hardware-Demonstrator aufgebaut, die die komplexen Arbeitsprozesse selbstständig regeln. Mithilfe von Reinforcement Learning (RL, bestärkendes Lernen) – einem „Trial-and-Error“-Prinzip des maschinellen Lernens – erlernt die Anlage, welche Aktionen durchgeführt werden müssen, um ein gewünschtes Zellwachstum der CAR-T-Zellen zu erzielen.
Reinforcement Learning in der CAR-T-Zelltherapie
„Der Vorteil von Reinforcement Learning liegt insbesondere in dessen Anpas-sungsfähigkeit, die bei biologischen Systemen mit nicht klar definierbaren Reak-tionen und Zuständen erforderlich ist“, erläutert Projektleiter Prof. Dr.-Ing. Frieder Heieck. Bisherige Anwendungsfälle von RL finden sich bspw. im Bereich der automatisierten Montage oder beim Gaming. Im Forschungsprojekt wird das Reinforcement Learning zunächst anhand einfacher Anwendungen erprobt und dann auf komplexere, biologische Systeme übertragen. Zukünftig lassen sich so automatisierte, selbstlernende Anlagen auch in anderen Produktionsbereichen einsetzen, bspw. zur selbstständigen Minimierung von Energie- und Mate-rialeinsätzen in der Fertigungstechnik.
