对高度质瘤对化学辐射反应的模型的识别性和模型选择框架
Khushi C Hiremath1, Kenan Atakishi1, Ernesto A B F Lima2,3
1Department of Biomedical Engineering, The University of Texas at Austin, Austin, TX 78712, USA.
概括
这项研究引入了一个可靠的数学框架,以准确识别高度质瘤 (HGG) 的瘤生长模型,并预测治疗反应,即使有噪音的临床数据.
科学领域:
- 计算生物学和数学建模的数学模型.
- 瘤学和癌症研究.
- 医学成像和诊断 医学成像和诊断
背景情况:
- 高度质瘤 (HGG) 呈现出复杂的瘤生长动态和治疗反应.
- 准确的数学模型对于理解HGG进展和预测治疗结果至关重要.
- 在临床环境中,区分不同的HGG模型和估计其参数是具有挑战性的.
研究的目的:
- 量化HGG的基于生物学的数学模型中的参数估计的准确性.
- 开发和验证使用虚拟患者数据从HGG模型家族中选择正确模型的框架.
- 评估所选模型在化学辐射后对HGG瘤生长的预测准确度.
主要方法:
- 开发一系列基于生物学的数学模型,用于高度质瘤 (HGG) 的生长和对化学辐射的反应.
- 来自不同模型的虚拟患者队列的生成,具有独特的增长参数.
- 对参数和模型可识别性的系统测试,其次是模型选择和预测准确性的评估,在voxel和全球层面.
主要成果:
- 参数估计中位数误差在0.04%至72.96%之间.
- 在82%的案例中,模型选择框架成功识别了生成数据的模型.
- 使用所选模型预测瘤生长的结果显示高准确度 (CCC 0.660.99 voxel级, -12.35%至0.07%的细胞性误差全球级).
结论:
- 开发的框架可靠地确定了在噪音条件下最合适的HGG数学模型.
- 准确的参数估计和模型选择是可行的,支持临床应用.
- 这项研究表明了计算建模对于个性化HGG治疗策略的潜力.
