激活免疫系统来寻找并杀死癌细胞的免疫疗法大大改善了许多实体肿瘤患者的治疗结果。然而，仍有一部分患者没有从这种治疗中获益。目前，还没有免疫生物标志物能够解释具有相似疾病和患者特征的患者如何产生不同的结果。在《癌症免疫治疗杂志》上发表的一篇新文章中，莫菲特癌症中心的研究人员展示了数学模型如何被用来分析不同癌症治疗对肿瘤和免疫细胞动力学的影响，并帮助预测治疗结果和个性化癌症治疗。

众所周知，癌细胞群与周围免疫环境之间的相互作用影响癌症的发展和进展以及患者对免疫治疗的反应。有些病人对免疫疗法反应良好，而有些病人则不然。然而，尚不清楚这些患者的区别。

文章第一作者、莫菲特癌症生物学博士生丽贝卡·贝克(Rebecca Bekker)说:“就像早期癌症的治疗方法不同于晚期疾病一样，免疫参与程度不同的肿瘤可能需要非常不同的治疗方法。”

莫菲特的研究人员希望提高他们对肿瘤和免疫细胞相互作用的理解，以帮助预测患者的预后，并确定最佳的治疗方案。由于了解到这些动力学极其复杂，很难在实验室环境下研究，研究团队使用了另一种方法，通过数学建模来概念化这些交互作用。他们开发了一个模型，模拟随着时间的推移，肿瘤细胞和免疫细胞数量的所有可能组合之间的相互作用。这些参数包括肿瘤细胞生长和消除的速度，以及免疫细胞的招募和衰竭。他们的模型的结果要么是免疫逃逸，即肿瘤细胞生长到其最大潜能，要么是通过免疫细胞的抗肿瘤活性控制肿瘤。

然后，研究人员使用他们的模型来模拟和预测不同类型治疗的结果，包括影响肿瘤细胞或免疫细胞群大小的细胞毒性化疗和基于细胞的免疫疗法，以及影响肿瘤和免疫细胞群之间相互作用性质的免疫检查点抑制剂。他们还讨论了联合治疗的潜在结果。

这些模型有助于概念化如何结合治疗，通过对肿瘤细胞群的免疫细胞控制，为患者获得最佳结果。在未来，研究人员希望数学模型可以用于临床，帮助预测患者对治疗的反应，并指导治疗。

“数学肿瘤学抽象提供了一种新颖而有前途的方式来概念化各种癌症治疗对患者肿瘤和局部免疫环境的影响，并给我们一个重新思考免疫治疗数字游戏的机会，”研究作者、莫菲特综合数学肿瘤学部门的副成员Heiko Enderling博士说。