Modelowanie śladu mechanicznego glejaka wielopostaciowego
Glejak wielopostaciowy jest najczęściej występującym i najbardziej złośliwym podtypem glejaka i wiąże się z niekorzystnymi rokowaniami dla pacjentów. Wykazuje dużą różnorodność pod względem cech biologicznych i makroskopowych fenotypów wzrostu: od nowotworów guzkowych o dobrze ukształtowanych granicach do guzów o różnym stopniu naciekania zdrowych tkanek. Wzrost glejaka wielopostaciowego często powoduje ucisk na otaczającą tkankę i wywołuje naprężenia mechaniczne, zwiększając ciśnienie śródczaszkowe i upośledzając funkcje neurologiczne. Jednocześnie wywołuje to zmiany w mikrośrodowisku guza, które zwiększają jego agresywność.
Modelowanie wzrostu glejaka wielopostaciowego
Celem projektu GlimS było zbadanie roli sił biomechanicznych powstałych w wyniku wzrostu glejaka wielopostaciowego. W tym celu naukowcy opracowali ramy do oceny charakterystyki nowotworu na podstawie pojedynczego zestawu danych z przedoperacyjnego badania RM. Badania zostały podjęte przy wsparciu działania „Maria Skłodowska-Curie” (MSC) na Uniwersytecie Berneńskim w Szwajcarii we współpracy z Instytutem Badawczym Beckmana w Stanach Zjednoczonych. „Do oszacowania makroskopowej charakterystyki wzrostu glejaka wielopostaciowego na podstawie rutynowego obrazowania klinicznego metodą RM zastosowałem modelowanie odwrotne”, wyjaśnia Daniel Abler, pracownik naukowy MSC. Abler założył, że wzrost naciekającego glejaka wielopostaciowego można opisać matematycznie jako proces reakcyjno-dyfuzyjny i że wzrost miejscowego skupienia komórek nowotworowych powoduje wzrost objętościowy, który z kolei wywołuje naprężenia mechaniczne w tkance. Pomiar charakterystyki wzrostu glejaka wielopostaciowego okazał się trudny, ponieważ anatomia mózgu zdrowego pacjenta – w sytuacji poprzedzającej inwazję guza – jest zazwyczaj nieznana. Do czasu postawienia diagnozy mechaniczne oddziaływanie guza znane pod pojęciem medicine (efektu masowego) mogło już zniekształcić struktury mózgu. W tym celu Abler zrekonstruował przebieg ewolucji guza w mózgu pacjenta na podstawie obrazów uzyskanych w momencie postawienia diagnozy.
Testowanie ram modelowania GlimS
Zespół naukowy zastosował opracowaną metodę modelowania odwrotnego do obrazów przedoperacyjnych pacjentów, u których rozpoznano glejaka wielopostaciowego, w celu uzyskania charakterystycznych dla danego pacjenta szacunkowych parametrów wzrostu guza. Następnie jego członkowie porównali symulowany kształt guza, rozmieszczenie komórek nowotworowych i symulowaną deformację tkanek z przedoperacyjną oceną RM. Według Ablera „nasze odwrotne podejście do modelowania pozwoliło nam na rozróżnienie różnych obszarów nowotworu, przybliżonego przebiegu jego granic i jakościowe odtworzenie deformacji zdrowych tkanek spowodowanych przez nowotwór”. Co ważne, podejście projektu GlimS dostarcza dodatkowych informacji, których nie zapewnia obrazowanie RM: symulując wzrost glejaka wielopostaciowego, dostarcza ono szacunkowych danych przestrzennych dotyczących zagęszczenia komórek nowotworowych i naprężeń mechanicznych wywołanych przez nowotwór. Narzędzie GlimS umożliwia szczegółową, nieinwazyjną kwantyfikację makroskopowych sił biomechanicznych oddziałujących podczas wzrostu guza. Z fundamentalnej perspektywy pozwoli to na lepsze zrozumienie konsekwencji klinicznych oddziaływania tych sił wywołanych wzrostem nowotworu i umożliwi dalsze badania nad rolą odrębnych fenotypów wzrostu glejaka wielopostaciowego dla wyniku klinicznego. Przyszłe działania zespołu projektu GlimS obejmują zestawienie charakterystyki wzrostu przewidzianego przy użyciu modelu z danymi klinicznymi, torując drogę do określenia biomarkerów glejaka wielopostaciowego w oparciu o dane mechaniczne. Biorąc pod uwagę skrajnie słabe rokowania pacjentów z glejakiem wielopostaciowym, biomarkery te mogą pomóc w dalszej stratyfikacji pacjentów i podejmowaniu bardziej świadomych decyzji dotyczących leczenia.
Słowa kluczowe
GlimS, RM, modelowanie odwrotne, glejak wielopostaciowy, wzrost guza, rak mózgu, siły biomechaniczne, nacisk mechaniczny, biomarkery prognostyczne
