Los intentos de erradicar el cáncer a menudo se comparan con un "disparo a la luna", el esfuerzo exitoso que envió a los primeros astronautas a la luna.
Pero imagine que, en lugar de la segunda ley de movimiento de Newton, que describe la relación entre la masa de un objeto y la cantidad de fuerza necesaria para acelerarlo, solo tenemos una gran cantidad de datos relacionados con el lanzamiento de varios objetos al aire.
Esto, dice Thomas Yankeelov, se aproxima al estado actual de la investigación del cáncer: rico en datos, pero sin leyes y modelos vigentes.
La solución, cree, no es extraer grandes cantidades de datos de pacientes, como algunos insisten, sino matematizar el cáncer: descubrir las fórmulas fundamentales que representan cómo se comporta el cáncer, en sus diversas formas.
"Estamos tratando de construir modelos que describan cómo crecen los tumores y responden a la terapia", dijo Yankeelov, director del Centro de Oncología Computacional de la Universidad de Texas en Austin UT Austin y director de Cancer Imaging Research en elLIVESTRONG Cancer Institutes of the Dell Medical School. "Los modelos tienen parámetros agnósticos en ellos y tratamos de hacerlos muy específicos al completarlos con mediciones de pacientes individuales".
El Centro de Oncología Computacional parte del Instituto más amplio de Ingeniería y Ciencias Computacionales, o ICES está desarrollando modelos informáticos complejos y herramientas analíticas para predecir cómo progresará el cáncer en un individuo específico, en función de sus características biológicas únicas.
en diciembre de 2017, escribiendo Métodos informáticos en mecánica aplicada e ingeniería , Yankeelov y colaboradores de UT Austin y la Universidad Técnica de Munich, demostraron que pueden predecir cómo crecerán los tumores cerebrales gliomas y responderán a la radioterapia de rayos X con mucha mayor precisión que los modelos anteriores. Lo hicieron al incluir factorescomo las fuerzas mecánicas que actúan sobre las células y la heterogeneidad celular del tumor. El trabajo continúa la investigación descrita por primera vez en el Diario de la interfaz de la Royal Society en abril de 2017
"Estamos en la fase en la que ahora estamos tratando de recapitular datos experimentales para tener la confianza de que nuestro modelo está capturando los factores clave", dijo.
Para desarrollar e implementar sus modelos matemáticamente complejos, el grupo utiliza los recursos informáticos avanzados en el Centro de Computación Avanzada de Texas TACC. Las supercomputadoras TACC permiten a los investigadores resolver problemas más grandes de lo que podrían y llegar a soluciones mucho más rápido que con una sola computadorao grupo de campus.
Según el director del ICES, J. Tinsley Oden, los modelos matemáticos de la invasión y el crecimiento de tumores en tejidos vivos han estado "latentes en la literatura durante una década", y en los últimos años, se han logrado avances significativos.
"Estamos haciendo un progreso genuino para predecir el crecimiento y la disminución del cáncer y las reacciones a varias terapias", dijo Oden, miembro de la Academia Nacional de Ingeniería.
Selección y prueba del modelo
Con los años, se han propuesto muchos modelos matemáticos diferentes de crecimiento tumoral, pero determinar cuál es el más preciso para predecir la progresión del cáncer es un desafío.
en octubre de 2016, escribiendo Modelos y métodos matemáticos en ciencias aplicadas , el equipo utilizó un estudio de cáncer en ratas para evaluar 13 modelos principales de crecimiento tumoral para determinar cuáles podrían predecir cantidades clave de interés relevantes para la supervivencia y los efectos de varias terapias.
Aplicaron el principio de la navaja de afeitar de Occam, que dice que cuando existen dos explicaciones para un suceso, la más simple suele ser mejor. Implementaron este principio a través del desarrollo y la aplicación de algo que llaman el "Algoritmo de plausibilidad de Occam", que seleccionaEl modelo más plausible para un conjunto de datos determinado y determina si el modelo es una herramienta válida para predecir el crecimiento y la morfología del tumor.
El método fue capaz de predecir qué tan grandes crecerían los tumores de ratas dentro del 5 al 10 por ciento de su masa final.
"Tenemos ejemplos en los que podemos recopilar datos de animales de laboratorio o sujetos humanos y hacer representaciones sorprendentemente precisas sobre el crecimiento del cáncer y la reacción a diversas terapias, como la radiación y la quimioterapia", dijo Oden.
El equipo analiza datos específicos del paciente de imágenes de resonancia magnética MRI, tomografía por emisión de positrones PET, tomografía computarizada de rayos X CT, biopsias y otros factores, para desarrollar su modelo computacional.
Cada factor involucrado en la respuesta tumoral, ya sea la velocidad con la que los fármacos quimioterapéuticos alcanzan el tejido o el grado en que las células se señalan entre sí para crecer, se caracteriza por una ecuación matemática que captura su esencia.
"Pones modelos matemáticos en una computadora y los ajustas y los adaptas y aprendes más", dijo Oden. "Es, en cierto modo, un enfoque que se remonta a Aristóteles, pero accede a los niveles más modernos de computación yCiencia computacional."
El grupo intenta modelar el comportamiento biológico en los niveles de señalización celular, celular y tisular. Algunos de sus modelos involucran 10 especies de células tumorales e incluyen elementos como el tejido conectivo celular, nutrientes y factores relacionados con el desarrollo de nuevos vasos sanguíneos.tiene que resolver ecuaciones diferenciales parciales para cada uno de estos elementos y luego unirlos de manera inteligente a todas las demás ecuaciones.
"Este es uno de los proyectos más complicados en la ciencia computacional. Pero puedes hacer cualquier cosa con una supercomputadora", dijo Oden. "Hay una lista en cascada de modelos en diferentes escalas que se comunican entre sí. En última instancia, vamostener que aprender a calibrar cada uno y calcular sus interacciones entre ellos "
de la computadora a la clínica
El equipo de investigación de UT Austin, que comprende 30 profesores, estudiantes y posdoctorados, no solo desarrolla modelos matemáticos y de computadora. Algunos investigadores trabajan con muestras de células in vitro; algunos realizan trabajo preclínico en ratones y ratasY recientemente, el grupo ha comenzado un estudio clínico para predecir, después de un tratamiento, cómo progresará el cáncer de un individuo, y usar esa predicción para planificar el curso futuro del tratamiento.
En la Universidad de Vanderbilt, la institución anterior de Yankeelov, su grupo pudo predecir con un 87 por ciento de precisión si una paciente con cáncer de mama respondería positivamente al tratamiento después de solo un ciclo de terapia. Están tratando de reproducir esos resultados en un entorno comunitario y extenderlosus modelos agregando nuevos factores que describen cómo evoluciona el tumor.
La combinación de modelos matemáticos y computación de alto rendimiento puede ser la única forma de superar la complejidad del cáncer, que no es una enfermedad sino más de cien, cada una con numerosos subtipos.
"No hay suficientes recursos o pacientes para resolver este problema porque hay demasiadas variables. Tomaría hasta el final de los tiempos", dijo Yankeelov. "Pero si tiene un modelo que pueda recapitular cómo crecen y responden los tumorespara la terapia, entonces se convierte en un problema clásico de optimización de ingeniería. "Tengo tanto medicamento y tanto tiempo. ¿Cuál es la mejor manera de administrarlo para minimizar la cantidad de células tumorales durante el mayor tiempo?"
La informática en TACC ha ayudado a Yankeelov a acelerar su investigación. "Podemos resolver problemas en unos minutos que nos tomarían 3 semanas para usar los recursos en nuestra antigua institución", dijo. "Es fenomenal".
Según Oden y Yankeelov, hay muy pocos grupos de investigación que intentan sincronizar el trabajo clínico y experimental con modelos computacionales y recursos de vanguardia como el grupo UT Austin.
"Hay un nuevo horizonte aquí, un futuro más desafiante en el que volverás a la ciencia básica y harás predicciones concretas sobre la salud y el bienestar desde los primeros principios", dijo Oden.
Dijo Yankeelov: "La idea de tomar a cada paciente como individuo para poblar estos modelos para hacer una predicción específica para ellos y algún día poder tomar su modelo y luego probar en una computadora un montón de terapias para optimizar suterapia individual: ese es el objetivo final y no sé cómo puedes hacerlo sin matematizar el problema "
Fuente de la historia :
Materiales proporcionado por Universidad de Texas en Austin, Centro de Computación Avanzada de Texas . Original escrito por Aaron Dubrow. Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :