Nuevo modelo simula el crecimiento de tumores y la respuesta al tratamiento

El cáncer es una enfermedad grave causada por cambios aleatorios en el ADN y interacciones complejas. Para encontrar mejores tratamientos, los científicos usan modelos computacionales que imitan cómo crecen los tumores y cómo responden a los medicamentos. Un desafío clave es considerar todos los diferentes factores que afectan el crecimiento del tumor y el tratamiento.

Este artículo presenta un nuevo modelo computacional que simula cómo crecen los tumores vasculares y cómo responden a los tratamientos en 3D. El modelo utiliza dos tipos de simulaciones: una para las células tumorales y otra para los vasos sanguíneos. También usa ecuaciones para describir cómo se mueven los nutrientes y los medicamentos alrededor del tumor.

El enfoque de este modelo está en las células de cáncer de mama que tienen muchos receptores de HER2, junto con un tratamiento que involucra quimioterapia (Doxorrubicina) y un anticuerpo que ayuda a detener el crecimiento de los vasos sanguíneos (Trastuzumab). Aunque este modelo se centra principalmente en el cáncer de mama, muchos conceptos pueden aplicarse a otros tipos de cáncer también.

El estudio muestra que el modelo capta efectivamente los efectos del tratamiento combinado al comparar los resultados con datos experimentales publicados anteriormente. Además, el modelo demuestra su capacidad para manejar grandes simulaciones, procesando un número significativo de agentes en la simulación.

#La Importancia de la Investigación sobre el Cáncer

Según la Organización Mundial de la Salud (OMS), el cáncer es una de las principales causas de muerte en todo el mundo. En 2020, el cáncer representó una de cada seis muertes, con 18 millones de nuevos casos reportados. Dado este impacto inmenso, muchos científicos se dedican a investigar el cáncer con la esperanza de mejorar los tratamientos y los resultados para los pacientes.

Los investigadores en este campo utilizan tanto experimentos prácticos como modelos teóricos. Los experimentalistas recopilan datos de estudios de la vida real, mientras que los teóricos crean modelos matemáticos para predecir cómo crecen los tumores y responden a los tratamientos.

Los modelos matemáticos para el cáncer generalmente pertenecen a tres categorías:

1. Modelos basados en ecuaciones diferenciales ordinarias (EDOs).
2. Modelos basados en ecuaciones diferenciales parciales (EDPs).
3. Modelos que utilizan representaciones de células individuales, conocidos como modelos basados en agentes (ABMS).

Cada enfoque de modelado tiene sus ventajas y desventajas. Los modelos EDO son más fáciles de computar pero no pueden tener en cuenta los aspectos espaciales de los tumores. Las EDP pueden incorporar información espacial, pero requieren más recursos computacionales. Los ABMs permiten un comportamiento detallado de las células individuales, pero también pueden ser muy intensivos en recursos.

La mayoría de los modelos de cáncer se centran en escenarios más simples, dejando fuera algunas interacciones complejas que pueden influir en gran medida en el comportamiento del tumor. Por ejemplo, los estudios han demostrado que las culturas de células en 3D tienden a reflejar mejor la dinámica real del tumor que las culturas en 2D. Por lo tanto, capturar esta complejidad en las simulaciones es crucial para entender mejor cómo crecen y se comportan los tumores en la vida real.

#Introduciendo un Nuevo Modelo Híbrido

Este trabajo presenta un modelo híbrido que combina ABMs y EDPs para simular el crecimiento de tumores vasculares y su respuesta al tratamiento. El modelo consiste en tres componentes principales:

1. Un conjunto de EDPs que describen cómo se mueven e interactúan los nutrientes, un factor de crecimiento específico (VEGF) y los medicamentos contra el cáncer.
2. Un ABM para las células tumorales que considera sus ciclos de crecimiento y cómo se comportan en respuesta a su entorno.
3. Otro ABM para los vasos sanguíneos que modela cómo crecen y se ramifican para suministrar el tumor con nutrientes.

Estos componentes interactúan entre sí: los vasos sanguíneos proveen nutrientes y medicamentos al tumor, mientras que las células tumorales secretan VEGF, que estimula el crecimiento de nuevos vasos sanguíneos.

Los investigadores utilizaron una plataforma llamada BioDynaMo para simulaciones eficientes. Este marco permite que el modelo se ejecute en diferentes configuraciones de hardware, aumentando su flexibilidad.

#Comprendiendo los Mecanismos del Cáncer y los Tratamientos con Medicamentos

El cáncer se desarrolla a nivel celular, donde las mutaciones en el ADN llevan a un comportamiento celular anormal. Típicamente, las células cancerosas crecen y se propagan más rápido que las células normales. En un cuerpo significativo de investigación, estos comportamientos se han categorizado en lo que se conoce como "marcadores del cáncer".

Entre estos marcadores, la capacidad de las células tumorales para crear nuevos vasos sanguíneos es especialmente relevante para este modelo. Cuando las células tumorales agotan los recursos locales, pueden volverse hipóxicas (falta de oxígeno) y producir VEGF para atraer nuevos vasos sanguíneos.

En este estudio, se examinan dos medicamentos contra el cáncer importantes: Doxorrubicina (DOX) y Trastuzumab (TRA). DOX es un medicamento de quimioterapia que se usa comúnmente para tratar varios tipos de cáncer. Funciona interfiriendo en el proceso de replicación del ADN para matar células cancerosas.

Por otro lado, TRA es un anticuerpo monoclonal que se dirige a los receptores HER2 en algunas células tumorales. TRA funciona bloqueando estos receptores, lo que ralentiza el crecimiento celular y también puede tener efectos sobre los vasos sanguíneos.

Combinar estos dos tratamientos tiene como objetivo maximizar su efectividad. Al regular el sistema vascular con TRA, la esperanza es que el tumor pueda ser tratado de manera más efectiva con dosis más bajas de DOX.

#El Modelo Híbrido en Acción

El modelo híbrido funciona representando la masa tumoral y su suministro de sangre, mientras también se toman en cuenta los efectos de los tratamientos. El tumor se representa como células tumorales individuales que crecen y se dividen según su entorno local, mientras que los vasos sanguíneos suministran nutrientes y medicamentos.

Para configurar la simulación, los investigadores colocaron células tumorales en un espacio hueco rodeado de una red compleja de vasos sanguíneos. Inicialmente, muchas células tumorales son hipóxicas, lo que las hace secretar VEGF para estimular el crecimiento de nuevos vasos sanguíneos.

A través de la simulación, los investigadores pueden observar cómo las células tumorales pasan de estados hipóxicos a proliferativos a medida que reciben nutrientes. El modelo sigue el crecimiento tanto del tumor como de los vasos sanguíneos con el tiempo.

El equipo de investigación realizó simulaciones para examinar cómo responden los tumores a diferentes horarios de tratamiento. Compararon estos hallazgos con resultados experimentales existentes y buscaron sacar conclusiones significativas.

#Resultados de las Simulaciones

Los resultados de las simulaciones indican que la Doxorrubicina sola es menos efectiva para controlar el crecimiento del tumor en comparación con la combinación de Doxorrubicina y Trastuzumab. Cuando los tratamientos están bien sincronizados (por ejemplo, TRA seguido de DOX), el modelo mostró una disminución significativa en el número de células tumorales vivas.

Diferentes escenarios de tratamiento produjeron diferentes niveles de control tumoral. Las combinaciones más efectivas resultaron en el menor número de células tumorales vivas al final del periodo de tratamiento.

Sin embargo, si DOX se daba antes de TRA, parecía reducir la efectividad de TRA, sugiriendo que el orden en que se administran los medicamentos importa significativamente.

#Ampliando las Simulaciones

Un desafío con los ABMs tradicionales es que a menudo se centran en sistemas de pequeña escala y no son aplicables a escenarios más grandes y realistas. Sin embargo, los avances en técnicas computacionales permiten a los investigadores simular volúmenes tumorales más grandes y más agentes con mayor precisión.

Al aprovechar las capacidades del marco computacional elegido, el modelo pudo simular un volumen tumoral sustancial con millones de células tumorales y segmentos de vasos sanguíneos. Los investigadores se centraron en cómo evoluciona el tumor con el tiempo, detallando los cambios en el número de células tumorales y sus estados.

La simulación requirió una cantidad significativa de poder computacional, pero proporcionó información sobre la dinámica del cáncer. Demostró cómo el suministro de nutrientes y los protocolos de tratamiento impactan en los patrones de crecimiento del tumor.

#Abordando Limitaciones del Modelo y Direcciones Futuras

Aunque el modelo actual ofrece muchas ideas, tiene limitaciones. Por ejemplo, no considera el tejido sano que rodea el tumor, lo que puede afectar la dinámica tumoral. Los estudios futuros deberían considerar modelar el tejido sano y explorar cómo interactúa con el tumor y los vasos sanguíneos.

Además, el modelo podría beneficiarse de un examen más detallado de la muerte celular y cómo crea espacio para un nuevo crecimiento tumoral. Una mejor representación de la migración de células tumorales también podría mejorar la precisión de las simulaciones.

A medida que el modelo siga desarrollándose, los investigadores también pueden explorar otros tipos de cáncer y combinaciones de tratamientos. Pueden derivar elecciones de parámetros más precisas basadas en datos experimentales, lo que mejoraría aún más las predicciones del modelo.

El modelo híbrido presentado aquí sirve como una herramienta valiosa que puede contribuir a una comprensión más profunda del comportamiento tumoral y las respuestas a los tratamientos en el futuro. Al unir la escala entre observaciones microscópicas y macroscópicas, los investigadores pueden mejorar sus esfuerzos para combatir el cáncer a través de un modelado y simulaciones mejoradas.