Fraktal-fraktionale Modellierung der Immun­dynamik bei chronischer myeloischer Leukämie mit der Laguerre-Wavelets-Methode

Warum das für Blutkrebs und das Immunsystem wichtig ist

Die chronische myeloische Leukämie (CML) ist ein Blutkrebs, der sich über Jahre entwickelt, während das Immunsystem fortwährend versucht, ihn in Schach zu halten. Ärztinnen und Ärzte verfügen heute über leistungsfähige Wirkstoffe, doch vorherzusagen, wie sich die Interaktion zwischen Krebs- und Immunzellen im Laufe der Zeit gestaltet, bleibt schwierig. Diese Arbeit stellt eine neue mathematische Modellklasse vor, die Tumor und Immunantwort als gekoppeltes dynamisches System mit „Gedächtnis“ und komplexer Struktur behandelt. Ziel ist es, realistischere Werkzeuge zu entwickeln, die langfristig helfen können, klügere Therapien und Behandlungspläne zu entwerfen.

Wie Krebs- und Immunzellen miteinander interagieren

Die Autorinnen und Autoren bauen auf einem bestehenden Modell auf, das drei zentrale Akteure in der CML nachverfolgt: naive T‑Zellen, Effektor‑T‑Zellen und Leukämiezellen. Naive T‑Zellen sind die unerfahrenen Rekruten; treffen sie auf Leukämie‑Signale, differenziert ein Teil zu Effektorzellen, den Kampftruppen, die Krebszellen angreifen. Die Krebszellen selbst wachsen nach einem sättigenden Gesetz: klein wachsen sie schnell, dann verlangsamt sich das Wachstum, wenn sie sich einer durch die Umgebung gesetzten Obergrenze nähern. Standardversionen dieses Modells benutzen gewöhnliche Differentialgleichungen, die annehmen, dass das Kommende nur vom aktuellen Zustand abhängt und nicht davon, wie das System dorthin gelangte.

Gedächtnis und raue Struktur in das Modell einfügen

Die reale Biologie ist weder gedächtnislos noch glatt. Immunantworten hängen von früheren Begegnungen ab, und Tumoren wachsen in unregelmäßigen, fleckigen Mustern statt als saubere Kugeln. Um beide Effekte gleichzeitig zu erfassen, rekonstruieren die Autorinnen und Autoren das CML‑Modell mit sogenannten fraktal–fraktionalen Operatoren. Ein Teil, gesteuert durch einen Parameter namens fraktionale Ordnung, kodiert das Gedächtnis: die Zukunft des Systems hängt von einer gewichteten Geschichte seiner Vergangenheit ab. Der andere Teil, gesteuert durch eine fraktale Dimension, erfasst, wie unregelmäßig oder „rau“ die Tumorumgebung ist. Wenn beide Parameter auf eins gesetzt werden, verhält sich das Modell wie die klassische Version; werden sie verringert, gewinnen die Historie und die geometrische Komplexität an Bedeutung.

Sicherstellen, dass die neuen Gleichungen sinnvoll reagieren

Bevor man einem derartigen Modell vertraut, muss gezeigt werden, dass seine Lösungen biologisch sinnvoll sind. Die Autorinnen und Autoren beweisen, dass unter vernünftigen Annahmen ihre Gleichungen eine eindeutige Lösung besitzen, die über die Zeit positiv und beschränkt bleibt — die Zellzahlen werden niemals negativ oder laufen nicht ins Unendliche. Anschließend analysieren sie die stationären Zustände des Systems. In diesem Rahmen ist ein völlig tumorfreier Zustand mathematisch instabil: jede kleine Einführung von Leukämiezellen wächst. Stattdessen wird das System zu einem „Tumor-präsenten“ Gleichgewicht gezogen, in dem Krebs- und Immunzellen koexistieren. Mit Werkzeugen der Stabilitätstheorie zeigen sie, dass dieser Koexistenzzustand nicht nur lokal stabil, sondern global attraktiv ist: alle realistischen Anfangsbedingungen entwickeln sich auf ihn zu.

Schnelle numerische Methoden für eine langsame Krankheit

Da die neuen Gleichungen Gedächtnis- und Fraktaleffekte beinhalten, sind sie auf dem Rechner schwieriger zu lösen als Standardgleichungen. Die Autorinnen und Autoren entwickeln eine numerische Technik auf Basis von Laguerre‑Wavelets, einer Familie von Basisfunktionen, die Verhaltensweisen über lange Zeiten effizient approximieren können. Diese Methode verwandelt das ursprüngliche Problem in ein kleineres System algebraischer Gleichungen, das schnell und genau gelöst werden kann. Im Vergleich zu vertrauteren Zeitschritt‑Schemata erreicht die Wavelet‑Methode dieselbe Genauigkeit mit deutlich weniger Rechenaufwand, was wichtig ist, um viele Simulationen durchzuführen oder das Modell an Patientendaten anzupassen.

Was die Simulationen über Krankheitskontrolle verraten

Mit diesen Werkzeugen untersuchen die Autorinnen und Autoren, wie die Variation der Gedächtnis‑ und Fraktalparameter die Krankheitsausgänge formt. Die Verringerung der fraktionalen Ordnung (stärkeres Gedächtnis) oder der fraktalen Dimension (unregelmäßigere Tumor‑Geometrie) treibt beide die Leukämiepopulation dazu, schneller zu schrumpfen und sich auf einem niedrigeren langfristigen Niveau einzupendeln. Anders gesagt: Ein System, das sich an seine Vergangenheit „erinnert“, und ein Tumor, der in einer komplexeren Umgebung wächst, lassen sich vom Immunsystem leichter in Schach halten. Eine Sensitivitätsanalyse zeigt, dass zwei biologische Größen die endgültige Tumorgröße dominieren: die eigene Wachstumsrate des Krebses und die Rate, mit der Effektorzellen Krebszellen töten. Das stimmt mit aktuellen Therapieansätzen überein, die gezielte Wirkstoffe zur Verlangsamung des Krebswachstums mit Immuntherapien kombinieren, die die Immunwirkung stärken.

Was das für Patientinnen, Patienten und zukünftige Arbeiten bedeutet

Einfach gesagt kommt die Studie zu dem Schluss, dass CML unwahrscheinlich von allein verschwindet; die natürliche Tendenz des Systems ist, sich in ein Gleichgewicht einzupendeln, in dem Krebs- und Immunzellen koexistieren. Durch ein Modell, das Gedächtnis und strukturelle Komplexität einbezieht, können die Autorinnen und Autoren jedoch Szenarien beschreiben, in denen dieses Gleichgewicht zugunsten der Patientin bzw. des Patienten ausfällt, mit einer geringeren langfristigen Tumorlast. Ihr fraktal–fraktionales Rahmenwerk in Verbindung mit effizienten numerischen Methoden legt das Fundament für künftige „digitale Experimente“ zur zeitlichen Planung und Kombination von Behandlungen. Mit klinischen Daten könnte derselbe Ansatz personalisiert werden, indem Gedächtnis‑ und Geometrieparameter für einzelne Patientinnen und Patienten angepasst werden, um Krankheitsverläufe vorherzusagen und Therapien zu optimieren.

Zitation: Khirsariya, S.R., Noori, N. Fractal-fractional modeling of chronic myelogenous leukemia immune dynamics using Laguerre wavelets method. Sci Rep 16, 14106 (2026). https://doi.org/10.1038/s41598-026-43767-3

Schlüsselwörter: chronische myeloische Leukämie, Tumor-Immun-Dynamik, fraktionale Infinitesimalrechnung, fraktale Tumormodellierung, numerische Wavelet-Methoden