前列腺癌的in-silico患者特定建模:预测PSA动态和治疗反应

科学领域:

• 在瘤学中的计算建模.
• 在癌症治疗中,个性化医疗是癌症的治疗方法.
• 生物标志物驱动的预测分析.

背景情况:

• 前列腺癌的治疗反应在患者之间有很大的差异.
• 预测放射治疗和激素治疗的个体结果是具有挑战性的.
• 计算模型提供了一个模拟瘤行为和优化治疗的工具.

研究的目的:

• 开发和验证一种针对患者的计算模型,用于预测前列腺癌治疗反应.
• 将前列腺特异性抗原 (PSA) 动态与治疗中的瘤生物行为联系起来.
• 利用成像生物标志物提高预测准确度.

主要方法:

• 综合患者特异性临床数据和成像生物标志物 (ADC, perfusion 参数).
• 在六名患者中开发了一个使用PSA动态进行校准和验证的模型.
• 使用模拟和观察PSA值之间的平均绝对误差 (MAE) 评估模型性能.

主要成果:

• 该模型在六名验证患者中成功复制了低MAE (0.08-0.23 ng/mL) 的PSA趋势.
• 患者C显示了模拟和临床PSA数据之间最接近的对应 (MAE = 0.08 ng/mL).
• 模拟的治疗变化显示出明显的PSA动态和瘤缩,突出显示了患者间的变化.

结论:

• 该计算模型提供了使用PSA动态和成像生物标志物的前列腺癌治疗反应的预测框架.
• 体工具显示出个性化医疗的潜力,通过评估治疗策略来帮助临床决策.
• 为了实现模型的临床整合,需要对更大的数据集进行进一步的验证.