Skip to main content

Patient-specific tumour growth model for quantification of mechanical 'markers' in malignant gliomas: Implications for treatment outcomes.

Article Category

Article available in the folowing languages:

Modellizzazione dell’impronta meccanica del glioblastoma multiforme

Il glioblastoma multiforme (GBM), un cancro aggressivo, invade e spesso comprime e sposta il tessuto cerebrale sano circostante, con implicazioni cliniche dannose per i pazienti. Lo studio GlimS ha sviluppato un approccio di modellizzazione per prevedere un tale comportamento del GBM in modo che possa essere intrapreso un trattamento appropriato.

Salute

Il GBM è il sottotipo più frequente e maligno di glioma, associato a prognosi infausta, e presenta una grande eterogeneità in termini di caratteristiche biologiche e fenotipi di crescita macroscopici: da tumori nodulari con confini ben formati a tumori con vari gradi di infiltrazione del tessuto sano. La crescita del GBM spesso causa compressione al tessuto circostante e induce stress meccanico, aumentando la pressione intra-cranica e compromettendo la funzione neurologica. Allo stesso tempo, tutto questo innesca cambiamenti nel microambiente del tumore che aumentano l’aggressività del GBM.

Modellizzazione della crescita del GBM

Il progetto GlimS si è prefisso l’obiettivo di studiare il ruolo delle forze biomeccaniche generate dalla crescita del GBM. A tal fine, gli scienziati hanno sviluppato una struttura per la stima delle caratteristiche del tumore da un unico set di dati RM preoperatorio. La ricerca è stata condotta con il supporto del programma Marie Skłodowska-Curie (MSC) presso l’Università di Berna in Svizzera in collaborazione con il Beckman Research Institute negli Stati Uniti. «Ho utilizzato la modellizzazione inversa per stimare le caratteristiche di crescita macroscopica del GBM dall’imaging RM clinico di routine», spiega Daniel Abler, borsista MSC. Abler ha lavorato partendo dal presupposto che la crescita infiltrativa del GBM può essere descritta matematicamente come un processo di reazione-diffusione e che un aumento della concentrazione di cellule tumorali locali si traduce in una crescita volumetrica che a sua volta induce stress meccanici nel tessuto. La misurazione delle caratteristiche di crescita del GBM si è rivelata impegnativa poiché l’anatomia del cervello sano del paziente, la situazione prima dell’invasione tumorale, è in genere sconosciuta. Al momento della diagnosi, l’impatto meccanico del tumore noto come effetto massa potrebbe aver già distorto le strutture cerebrali. A tal fine, Abler ha ricostruito l’evoluzione passata del tumore nel cervello del paziente dalle immagini acquisite al momento della diagnosi.

Mettere alla prova la struttura di modellizzazione di GlimS

Il gruppo scientifico ha applicato l’approccio di modellizzazione inversa sviluppato alle immagini preoperatorie di pazienti con diagnosi di GBM per ottenere stime paziente-specifiche dei parametri di crescita tumorale. Successivamente, è stata confrontata la forma simulata del tumore, la distribuzione delle cellule tumorali e la deformazione simulata del tessuto con la valutazione RM preoperatoria. Secondo Abler, «il nostro approccio di modellizzazione inversa ci ha consentito di discriminare diverse regioni del tumore, approssimarne i bordi e riprodurre qualitativamente la deformazione del tessuto sano indotta dal tumore». È importante sottolineare che l’approccio GlimS offre informazioni aggiuntive non disponibili dalla risonanza magnetica: simulando la crescita del GBM, fornisce stime risolte spazialmente della densità delle cellule tumorali e degli stress meccanici indotti dal tumore. Lo strumento GlimS consente una quantificazione dettagliata non invasiva delle forze biomeccaniche macroscopiche che agiscono durante la crescita del tumore. Da una prospettiva fondamentale, ciò consentirà di comprendere meglio le conseguenze cliniche poste da queste forze indotte dal tumore e consentirà ulteriori indagini sul ruolo di fenotipi di crescita di GBM distinti per l’esito clinico. Le attività future del gruppo di ricerca di GlimS includono la correlazione delle caratteristiche di crescita previste dal modello con i dati clinici, aprendo la strada all’identificazione di biomarcatori GBM informati meccanicamente. Data la prognosi estremamente sfavorevole del GBM, questi biomarcatori possono aiutare a stratificare ulteriormente i pazienti e prendere decisioni terapeutiche più informate.

Parole chiave

GlimS, GBM, RM, modellizzazione inversa, glioblastoma multiforme, crescita tumorale, cancro al cervello, forze biomeccaniche, stress meccanico, biomarcatori prognostici

Scopri altri articoli nello stesso settore di applicazione