迈向乳腺癌治疗的个性化计算机模拟

癌症病理对特定个体是独一无二的，开发个性化诊断和治疗方案是首要关注的问题。数学建模与模拟是个性化癌症医学的一种有前景的方法。然而，癌症的复杂性、异质性和多尺度性质带来了严峻挑战。利用数学模型预测特定患者治疗方案结果的主要障碍之一在于模型的初始化和参数化，以准确反映个体癌症特征。在此我们展示一项研究，其中我们使用在单个乳腺肿瘤上常规获取的多类型测量数据，包括组织病理学、磁共振成像（MRI）和分子谱分析，来个性化一个接受化疗和抗血管生成药物治疗的乳腺癌多尺度混合细胞自动机模型。我们在肿瘤组织水平上以细胞和亚细胞分辨率对药物药代动力学和药效学进行建模。我们在肿瘤部分的二维截面上模拟这些时空动态，历时12周治疗方案，产生了复杂且计算密集的模拟。对于此类计算要求高的系统，从数据估计个体参数的形式统计推断方法在实践中直到最近随着应用于无似然推断方法的机器学习技术的出现才变得可行。此处我们利用贝叶斯优化提供的推断进展将我们的模型拟合到个体患者的模拟数据。通过这种方式，我们研究是否可以从肿瘤组织中细胞密度的一系列测量中估计某些关键参数，以及需要多频繁地进行测量以允许可靠的预测。