这是辐射治疗（左）和放射治疗的一次会议（右）之前大鼠大脑肿瘤生长模型。不同颜色代表肿瘤细胞浓度，红色是最高的。治疗基本上减少了肿瘤肿块。
试图消除癌症的常常与“Moonshot”相比 - 将第一艘宇航员送到月球的成功努力。
但是，想象一下，如果，而不是牛顿第二律法，它描述了对象质量与加速它所需的力量之间的关系，我们只有与将各种物体投入空气中的数据有关的数据。
这称，Thomas Yankeelov说，近似于目前的癌症研究状态：数据丰富，但缺乏管理法律和模型。
他认为，解决方案不是对大量的患者数据，因为有些人坚持，而是向数学癌症进行：揭开代表癌症的基本公式，其许多不同形式的表现。
“我们正在努力建立描述肿瘤如何生长和响应治疗的模型，”德克萨斯大学奥斯汀（UT奥斯汀）计算肿瘤科学中心主任Yankeelov表示，在Livestrong癌症中的癌症影像学研究主任戴尔医学院的研究所。“模型在他们中有参数，这是不可知的，我们试图通过填充敏感患者的测量来使它们具有非常特定的。”
计算肿瘤中心（更广泛的计算工程和科学研究所或ice）正在开发复杂的计算机模型和分析工具，以预测癌症如何在特定的史式中进展，基于其独特的生物学特征。
2017年12月，在UT AUSTIN和慕尼黑技术大学的应用力学和工程，yankeelov和合作者中写作计算机方法，表明他们可以预测脑肿瘤（胶质瘤）将如何生长和反应X射线放射疗法，更大比以前的型号比准确性。他们这样做是这样做的，包括像在细胞上作用的机械力和肿瘤的细胞异质性等因素。本文在2017年4月首次在皇家社会界面期刊中首次进行了研究。
“我们现在正在阶段正在审议实验数据，所以我们有信心我们的模型正在捕捉关键因素，”他说。
要开发和实施其数学复杂的模型，该组使用德克萨斯高级计算中心（TACC）的高级计算资源。TACC的超级计算机使研究人员能够解决比其他问题更大的问题，而不是比单个计算机或校园群更快的解决方案。
据Ices J. Tinsley Oden称，活组织肿瘤侵袭和肿瘤的侵袭和生长的数学模型一直是“十年的文献中的闷烧，在过去几年中，已经取得了重大进展。
“我们正在进行真正的进展，以预测癌症和各种治疗反应的增长和衰退，”国家工程学院成员的奥登表示。
模型选择和测试
多年来，已经提出了许多不同的数学模型的肿瘤生长，但决定在预测癌症进展方面最准确的是挑战。
2016年10月，在应用科学中编写不可思议的模型和方法，该团队在大鼠中使用了癌症的研究，以测试13个主要的肿瘤生长模型，以确定哪个可以预测与生存相关的关键数量，以及各种疗法的影响。
他们应用了欧洲侵略者的原则，这表明存在对发生的两个解释的情况下，更简单的人通常更好。他们通过开发和应用他们称之为“偶数Plausibility算法”，为给定数据集选择最合理的型号，并确定该模型是否是用于预测肿瘤生长和形态的有效工具。
该方法能够预测大鼠肿瘤在最终质量的5％至10％以内的大大增加。
“我们有一个例子，我们可以从实验室动物或人类受试者收集数据，并对癌症的生长和对各种疗法的反应进行严重的描述，如辐射和化疗，”Oden表示。
该团队分析来自磁共振成像（MRI），正电子发射断层扫描（PET），X射线计算断层扫描（CT），活组织检查和其他因素的患者特定数据，以便开发其计算模型。
肿瘤反应中的每种因素 - 是否是化学治疗药物到达组织的速度或彼此互相发射的细胞信号的程度，其特征在于捕获其本质的数学方程。
“你把数学模型放在电脑上并调整它们并调整它们并了解更多信息，”奥登说。“在某种程度上是一种返回亚里士多德的方法，但它访问了最现代的计算和计算科学水平。”
该组试图在组织，细胞和细胞信号水平下模拟生物学行为。他们的一些模型涉及10种肿瘤细胞，包括细胞结缔组织，营养素和与新血管相关的因素等元素。它们必须为每个元素求解部分微分方程，然后智能地将它们耦合到所有其他方程。
“这是计算科学中最复杂的项目之一。但是你可以用超级计算机做任何事情，“奥登说。“彼此交谈的不同尺度上有一个级联的模型列表。最终，我们将需要学会校准每个校准并互相计算它们的互动。“
从电脑到诊所
UT AUSTIN的研究团队 - 包括30名教师，学生和博士 - 不仅开发数学和计算机模型。一些研究人员在体外使用细胞样品;一些在小鼠和大鼠中进行临床前的工作。最近，本集团已开始预测，在一次治疗后，近期患有近期的癌症的临床研究，并使用这种预测来规划未来的治疗过程。
在Vanderbilt University，他的团队能够预测87％的准确性，无论乳腺癌患者是否会在一次治疗的一个循环后响应治疗。他们正在尝试在社区环境中重现这些结果，并通过添加描述肿瘤如何发展的新因素来扩展其模型。
数学建模和高性能计算的组合可能是克服癌症复杂性的唯一方法，这不是一种疾病，而是超过一百个，每个患有许多子类型。
“没有足够的资源或患者来解决这个问题，因为有太多的变量。这将在时间结束之前，“Yankeelov说。“但如果您有一个可以重新承载肿瘤的模型，那么它成为经典工程优化问题。“我有这么多的药物，这么多时间。让它尽最大限度的时间最小化肿瘤细胞数量是多少？“”
在TACC计算帮助yankeelov加速了他的研究。“我们可以在几分钟内解决问题，这将需要3周的时间来使用我们旧机构的资源，”他说。“这是现象。”
据Oden和Yankeelov称，有很少的研究小组试图与UT AUSTIN集团这样的计算建模和最先进的资源同步临床和实验工作。
“这里有一个新的地平线，前方更具挑战性的未来，你回到基础科学，并从第一个原则中获得了关于健康和幸福的具体预测，”奥登说。
yankeelov说：“将每位患者作为待填充这些模型的想法，为他们做出特定的预测，有一天能够采取他们的模型，然后尝试一下它们的一系列疗法，以优化他们的辛勤治疗 - 即最终目标，我不知道如何在没有数学问题的情况下做到这一点。“
出版物：E.A.B.F.Lima等，“基于非侵入性成像数据的肿瘤生长预测模型的选择与验证，”应用力学与工程计算机方法，2017; DOI：10.1016 / J.CMA.2017.08.009
