Исследователи из Онкологического центра имени Киммела при Университете Джонса Хопкинса (США) представили метод, позволяющий заранее оценить эффективность комбинированной терапии при гепатоцеллюлярной карциноме — одной из самых распространенных форм рака печени. Разработанная вычислительная платформа моделирует поведение опухоли и ее микроокружения, помогая врачам выбирать тактику лечения без необходимости проводить дорогостоящие и длительные клинические испытания.
В основе платформы лежит симбиоз двух математических подходов: количественной системной фармакологии, которая описывает реакцию всего организма на препараты, и агентного моделирования, отслеживающего судьбу каждой отдельной клетки. Такой тандем позволяет видеть не просто количество раковых клеток, но и их расположение, а также прогнозировать, как изменится опухоль под действием лекарств. Чтобы приблизить расчеты к реальности, алгоритм на основе машинного обучения калибрует виртуальные данные по итогам настоящих клинических исследований.
В ходе работы ученые смоделировали реакцию опухоли на таргетный препарат кабозантиниб и иммунотерапию ниволумабом. Прогнозы виртуальной модели совпали с результатами реальных испытаний. Однако главным открытием стала роль фибробластов — клеток, которые до этого связывали с устойчивостью к иммунотерапии. Оказалось, что у пациентов, чья модель не показывала ответа на лечение, эти фибробласты формировали физический барьер, блокирующий проникновение Т-клеток иммунной системы к очагу заболевания.
Это наблюдение имеет практическую ценность: признаки формирования такого барьера видны в структуре опухоли еще до старта терапии. В перспективе это позволит персонализировать подход к лечению, отсеивая заведомо неэффективные схемы.
Ранее Наука Mail рассказывала, как ИИ заменяет сложные анализы и приближает эру доступной онкологии.