编辑推荐：
肿瘤耐药严重阻碍癌症治疗，研究人员开展了肿瘤 - 免疫相互作用及放化疗联合治疗（化疗（Chemotherapy）、免疫疗法（Immunotherapy））的研究。通过构建数学模型分析，发现多个关键参数影响联合治疗效果，还得出最优给药策略，为癌症治疗提供新思路。
在癌症治疗的战场上，肿瘤耐药一直是个令人头疼的难题。化疗作为多种癌症的常用治疗手段，却常常因为肿瘤细胞产生耐药性而效果大打折扣。据统计，80% - 90% 的癌症相关死亡都与耐药有关，这使得几乎所有的化疗药物和靶向药物的疗效都受到了严重影响。肿瘤的异质性（Tumor heterogeneity，即肿瘤内癌细胞的变异性）是导致耐药的主要原因之一，不同的癌细胞具有不同的遗传和表型特征，这使得某些癌细胞能够在化疗中存活下来并继续生长。
为了解决这个棘手的问题，来自未知研究机构的研究人员开展了一项极具意义的研究。他们聚焦于肿瘤 - 免疫相互作用以及化疗与免疫疗法联合治疗的潜在协同效应，构建了一个数学模型来深入探究其中的奥秘。该研究成果发表在《Computers in Biology and Medicine》上。
研究人员在开展这项研究时，运用了多种关键技术方法。首先是构建数学模型，通过定义多种细胞和治疗相关变量（如化学敏感肿瘤细胞（S）、化学耐药肿瘤细胞（R）、CD8+T 细胞（I）、IL - 2（N）、化疗药物浓度（C）等），并建立相应的方程来描述它们之间的相互作用。其次，利用拉丁超立方抽样（Latin Hypercube Sampling，LHS）和偏秩相关系数（Partial Rank Correlation Coefficients，PRCC）进行敏感性分析，以此确定影响联合治疗效果的关键参数。此外，还通过求解二次最优控制问题，探索最优的治疗策略。
模型构建与分析
研究人员构建的数学模型描述了化学敏感和化学耐药肿瘤细胞在免疫系统监视下，以及化疗和免疫疗法作用下的生长情况。模型中的参数涵盖了肿瘤细胞生长、突变、免疫细胞杀伤、药物作用等多个方面。
- 模型的解的性质：证明了模型的解具有正性和有界性，这确保了模型在生物学上的合理性。即肿瘤细胞、免疫细胞和药物浓度等变量在任何时候都保持非负，并且处于一定的有界范围内。
- 平衡点分析：分别分析了无治疗、仅化疗以及联合治疗三种情况下模型的平衡点及其稳定性。在无治疗时，存在肿瘤无（Tumor - free equilibrium point）和化学耐药肿瘤（Chemoresistant tumor equilibrium point）两个平衡点，且前者不稳定，后者稳定；仅化疗时，同样有肿瘤无和化学耐药肿瘤两个平衡点，且肿瘤无平衡点不稳定，化学耐药肿瘤平衡点稳定；联合治疗时，有肿瘤无和共存（Co - existence equilibrium point）两个平衡点，并且给出了它们稳定的条件。这些分析结果揭示了不同治疗情况下肿瘤的发展趋势。
敏感性分析
通过 LHS 和 PRCC 分析，研究人员系统地评估了各个参数对治疗效果和肿瘤减少的影响。在分析中，将参数值在合理范围内变化（从基线值的一半到两倍），计算每个参数与总肿瘤细胞群体（敏感和耐药细胞之和）的 PRCC 值及其相应的 p 值。结果发现，化疗对化学敏感肿瘤细胞的杀伤率、免疫细胞对化学敏感肿瘤细胞的杀伤率以及肿瘤浸润淋巴细胞（Tumor - infiltrating lymphocyte，TIL）治疗的外部剂量是影响联合治疗减少总肿瘤细胞群体有效性的关键参数。这表明这些参数在联合治疗策略的制定中起着至关重要的作用。
最优控制问题
研究人员制定了一个二次最优控制问题，旨在最小化肿瘤负担和治疗给药量。通过数值模拟，分别在有无最优控制的情况下进行研究。结果显示，在无最优控制时，单独化疗无法根除肿瘤，而高剂量免疫疗法更有效，但联合治疗比单一疗法能更显著地减少肿瘤。在有最优控制时，最有效的策略是给予全剂量化疗，同时逐渐减少 TIL 和白细胞介素 - 2（Interleukin - 2，IL - 2）的剂量。这为临床治疗中药物剂量的合理使用提供了重要的参考依据。
研究结论表明，该数学模型能够有效地描述肿瘤 - 免疫相互作用以及化疗和免疫疗法的联合效果。通过敏感性分析确定的关键参数，为进一步优化联合治疗方案提供了方向。而最优控制问题的求解结果，则为临床实践中制定更合理的治疗策略提供了理论支持。该研究的重要意义在于，为克服肿瘤耐药问题提供了新的视角和方法，有助于推动癌症治疗领域的发展，提高癌症患者的生存率和治疗效果。它不仅加深了我们对肿瘤耐药机制和联合治疗效果的理解，还为后续的临床研究和治疗实践提供了重要的理论基础和指导。
