编辑推荐：
在肿瘤治疗疗效评估中，肿瘤动态（Tumor dynamics）监测意义重大。为解决从临床前研究向临床转化的难题，研究人员开展基于患者来源异种移植（PDX）小鼠模型预测肿瘤动态的研究。结果显示该模型能有效预测肿瘤大小变化，对肿瘤治疗决策有重要意义。
在癌症治疗的领域中，肿瘤动态监测如同医生手中的 “精准导航仪”，对评估治疗效果起着关键作用。传统上，医生通过测量肿瘤的最长直径之和（SLD），依据实体瘤疗效评价标准（RECIST）来判断肿瘤的变化，像肿瘤缩小、生长或出现新病灶等情况都能被分类评估，进而总结出客观缓解率、无进展生存期（PFS）和疾病进展时间（TTP）等指标，用于评估治疗效果和指导后续临床研究设计。
然而，在实际的药物研发过程中，提前预测肿瘤动态能为临床试验设计 “减负”，提升决策效率。临床前的 PDX 小鼠模型研究虽然能提供丰富的治疗效果信息，但由于物种间的生物学差异、药物效应的不确定性以及模型本身的局限性，要将这些研究成果转化为临床应用，就像跨越一道难以逾越的 “鸿沟”。
为了攻克这一难题，意大利帕维亚大学（Università degli Studi di Pavia）的研究人员 D. Ronchi、E. M. Tosca 和 P. Magni 展开了一项极具意义的研究。他们旨在构建一个转化模型框架，借助 PDX 小鼠的肿瘤生长抑制（TGI）数据，预测接受抗癌治疗的癌症患者的肿瘤大小动态变化。这项研究成果发表在《Journal of Pharmacokinetics and Pharmacodynamics》上。
研究人员在研究过程中采用了多种关键技术方法。首先，他们从 HuBase 数据库获取了胰腺癌（n = 27）和肝细胞癌（n = 24）的 PDX 小鼠模型数据。然后，运用 PK/PD Simeoni TGI 模型和群体非线性混合效应（NLME）方法，对 PDX 小鼠的 TGI 数据进行分析。同时，利用文献中的药代动力学（PK）模型模拟药物浓度曲线，并通过全 ometric 缩放将小鼠模型中的参数转化到人体模型中 ，以此预测肿瘤动态变化，还通过蒙特卡罗模拟增强预测的可靠性。
吉西他滨治疗胰腺癌的研究结果：研究人员成功构建了基于 27 个 PDX 研究的群体 Simeoni TGI 模型，并确定了模型参数的分布。将小鼠的参数按全 ometric 规则缩放至人体后，对 1000 组虚拟患者（每组 200 人）进行模拟。结果显示，基于 PDX 数据预测的肿瘤轮廓与参考临床模型模拟的 SLD 轨迹高度吻合，两者的中位肿瘤轮廓在整个模拟期都十分接近。在 TTP 方面，该转化方法预测的中位肿瘤进展时间为 4.9 个月，90% 预测区间为 2.6 - 8.5 个月，所有参考研究的中位 TTP 都在这个区间内，TTP 曲线的整体形状也与临床观察结果相符。不过，PDX 数据模型预测的第 5 和第 95 百分位数的肿瘤生长情况与临床模型存在差异，这可能是因为 PDX 模型未考虑吉西他滨耐药机制。
索拉非尼治疗肝细胞癌的研究结果：同样地，研究人员基于索拉非尼治疗的 PDX 研究数据构建了群体模型，并对参数进行全 ometric 缩放。在模拟 1000 组虚拟患者（每组 200 人）的肿瘤动态时，由于缺乏合适的临床数据或模型作为参考，只能通过 TTP 来评估。该方法预测的中位进展时间为 4.7 个月，90% 预测区间为 3.3 - 5.9 个月。虽然整体存在高估情况，但 4 项研究中有 3 项的观察中位 TTP 落在该区间内。在分析 TTP 曲线时发现，早期肿瘤进展略有低估，不过对较长的进展时间预测较为准确，但 Lyu 等人的研究结果与其他 3 项研究差异较大，模型未能准确捕捉其 TTP。
在研究结论和讨论部分，该转化模型框架在预测接受抗癌治疗的癌症患者的肿瘤动态方面展现出了一定的潜力，对吉西他滨治疗胰腺癌和索拉非尼治疗肝细胞癌的预测结果与临床数据基本相符。然而，研究也存在一些局限性。例如，模型预测仅通过 TTP 数据验证，缺乏对肿瘤大小动态的有力验证；模型假设存在一定的局限性，如肿瘤呈指数生长、抗癌效果与血浆药物浓度成正比等；此外，该框架仅在两个案例研究中进行了评估，其通用性还需进一步验证。
尽管存在这些不足，但这项研究为肿瘤治疗决策提供了新的思路和方法。在未来的药物研发中，该模型框架有望应用于多个阶段，如根据临床前实验预测肿瘤对治疗的反应，为早期临床试验提供参考；在临床后期，为基于临床数据的 TGI 模型开发提供先验信息；还能生成接受标准治疗的虚拟患者队列，作为单臂临床试验的合成对照臂，推动肿瘤治疗领域的发展。
