描述和预测实验肿瘤生长的经典数学模型
定量方法
2014-09-02 v2 组织与器官
摘要
尽管内部复杂，肿瘤生长动力学遵循相对简单的宏观规律，这些规律已通过数学模型量化。为进一步解决这一问题，我们进行了定量和判别分析，以比较替代模型描述和预测肿瘤生长的能力。为此，我们使用了两个体内实验系统：一个异位同基因肿瘤（Lewis 肺癌）和一个原位异种移植的人乳腺癌。目标有三：1) 确定描述体积测量误差的统计模型；2) 使用多种拟合优度指标和参数可识别性研究建立每个模型的描述能力；3) 评估模型预测未来肿瘤生长的能力。我们比较了包括指数、幂律、Gompertz 和（广义）Logistic 形式在内的九个模型。Gompertz 和幂律模型提供了对肺部数据最简约且参数可识别的描述，而 Gompertz 和指数 - 线性模型最能捕捉乳腺数据。后者对乳腺肿瘤生长曲线也表现出最高的预测能力，其预测评分优异（大于 80），预测范围长达 12 天。相比之下，对于肺部数据，没有任何模型能在超过下一个数据点的时间范围内实现显著的预测率（大于 70）。在此背景下，加入关于参数分布的先验信息显著改善了预测。这些结果不仅对肿瘤生长的生物学理论和临床前抗癌药物研究中的数学模型应用具有重要意义，还有助于界定数学模型如何作为临床环境中的潜在预后工具。
引用
@article{arxiv.1406.1446,
title = {Classical Mathematical Models for Description and Prediction of Experimental Tumor Growth},
author = {Sébastien Benzekry and Clare Lamont and Afshin Beheshti and Amanda Tracz and John M. L. Ebos and Lynn Hlatky and Philip Hahnfeldt},
journal= {arXiv preprint arXiv:1406.1446},
year = {2014}
}
备注
5 figures, 6 tables, 5 supplementary figures and 3 supplementary tables