制定能够预测治疗下肿瘤生长的肿瘤模型对于改进患者特定的治疗计划至关重要。在这个背景下，我们提出了我们最近针对两名接受免疫治疗的不同患者中，用简单、确定性的方法模拟非小细胞肺癌(NSCLC)的研究成果。
在核心部分，我们的模型采用Cahn-Hilliard相场模型描述增殖性和坏死性肿瘤细胞的演化。这些细胞与简化的营养模型相耦合，驱动增殖细胞的生长和其衰变为坏死细胞。应用免疫治疗可降低增殖细胞的浓度。在这里，我们通过常微分方程(ODE)模拟免疫治疗剂量随时间在整个肺中的变化情况。最后，反应项提供了所有这些方程的耦合。通过假设球形、对称的肿瘤生长和恒定的营养流入，我们将完整的三维癌症模拟模型简化为减少的一维模型。
然后，我们可以使用从多年计算机断层扫描(CT)收集的患者数据来校准我们的模型。对于减少的一维模型，我们展示了通过将模型参数拟合到现有的患者数据来描述免疫治疗期间观察到的现象。我们的模型涵盖了免疫治疗成功并限制肿瘤大小的案例，以及预测突然复发导致指数级肿瘤增长的案例。
最后，我们从减少的模型回到肺组织中的完整三维癌症模拟。通过这种方式，我们展示了更详细的患者特异性模拟(包括空间信息)未来可能带来的预测性好处。
论文链接：http://arxiv.org/pdf/2303.09378v1
更多计算机论文：http://cspaper.cn/