多尺度数学模型信息化的强化学习优化了结合治疗安排在质母细胞瘤的演变

科学领域:

• 计算生物学 计算生物学
• 数学瘤学数学瘤学
• 人工智能在医学中的应用

背景情况:

• 瘤微环境相互作用显著影响癌症生长和耐药性,对治疗优化提出挑战.
• 数学模型对于理解这些动态和开发有效的治疗策略至关重要,特别是在像质母细胞瘤这样的复杂癌症中.

研究的目的:

• 开发和验证一个多尺度数学模型信息增强学习 (M4RL) 框架来模拟瘤微环境动态.
• 优化质母细胞瘤组合药物治疗的动态调度,重点关注免疫疗法耐药性.
• 为了确定最有效的药物组合疗法和治疗计划.

主要方法:

• 开发一种基于多种剂量的模型 (MSABM),以模拟瘤细胞 (TC) 和瘤相关巨细胞 (TAM) 之间的相互作用.
• 从MSABM学习一个使用物理信息的神经网络和福克-普朗克方程的替代模型.
• 采用基于替代模型的强化学习方法,使用演员关键算法来优化治疗安排.

主要成果:

• M4RL框架成功模拟了动态瘤微环境相互作用.
• 确定了CSF1R抑制剂和IGF1R抑制剂的最佳动态组合疗法,用于质母细胞瘤治疗.
• 预测的最佳治疗方案使用空间转录基因数据进行了验证,证明了其有效性.

结论:

• M4RL框架提供了一个强大的计算工具,用于剖析复杂的瘤微环境相互作用.
• 这种方法可以优化动态药物组合调度,为个性化癌症治疗提供了一条道路.
• 该研究强调了整合数学建模和机器学习的潜力,以推进癌症治疗策略.