计算反应-扩散建模用于分层和预后确定接受Olaparib乳腺癌患者的乳腺癌

科学领域:

• 在瘤学瘤学.
• 数学生物学 数学生物学
• 医疗成像医学成像

背景情况:

• 部分微分方程 (PDEs) 为分析时空临床数据提供了一个框架,例如在新辅助疗法下瘤生长动态.
• 在早期三阴性乳腺癌 (TNBC) 中预测患者对像olaparib这样的向疗法的反应仍然是一个挑战.

研究的目的:

• 开发和验证基于PDE的反应-扩散模型,用于预测早期TNBC患者的olaparib治疗反应.
• 识别来自瘤恶性和药理学效率的新型预后指标.

主要方法:

• 分析了17名早期TNBC患者的队列,这些患者接受了为期3周的新辅助olaparib.
• 一个基于PDEs的模型结合了瘤扩散和扩散参数来预测18FDG-PET/CT SUVmax反应.
• 模型参数,包括药物效率 (εPD) 和瘤恶性 (rc),被计算评估并与基线生物标志物 (TILs, Ki67) 相对相关.

主要成果:

• 该模型准确地预测了olaparib后的SUVmax值,显示了强烈的正相关性 (r=0.9,rho=0.9) 与患者子组 (p>0.05) 的实际测量.
• 药物效率 (εPD) 与瘤透淋巴细胞 (TILs) 和Ki67%正相关,而瘤恶性 (rc) 由Ki67-TILs比率表示.
• 预测的SUVmax与观察到的SUVmax在总体,gBRCA突变体和gBRCA野生型种群中没有显著差异.

结论:

• 一个简化的瘤动态模型有效地预测了基于SUVmax的新辅助药olaparib在早期TNBC的前期疗效.
• 该模型的参数,ePD和rc,为治疗反应和瘤特征提供了新的见解.
• 为了完善治疗策略,需要在独立队列中进行进一步的前性验证,并与已确定的终点相关.