Diskret matematisk modell av humant glioblastom och dess invasionsmönster i grå och vit hjärnsubstans

Abstract

Detta arbete undersöker huruvida implementering av en mekanism för interaktion mellan celler och deras omgivning kan förbättra en modell för tillväxt av hjärntumörer av typen glioblastom (GBM). Modellen som tagits fram är diskret och stokastisk, och är baserad på versionen av lattice gas cellular automata som formulerades av Tektonidis m.fl. Tillägget består i en fallenhet för celler att vandra längs vit hjärnsubstans före grå sådan, vilken integrerats genom segmentering av verkliga hjärnor. Modellen bygger på ett antal parametrar knutna till sannolikhet. Dessa optimerades genom tillämpandet av approximativ bayesiansk beräkning (eng. approximate Bayesian computation; ABC). Både den ursprungliga och den vidareutvecklade modellen har jämförts med MR-bilder och segmenteringar av riktiga GBM från två olika patienter. Datan med vilken simuleringarna jämförts kommer från datamängden LUMIERE. Jämförelsen gjordes med hjälp av Jaccardindex, och resultaten tyder på att den utvecklade modellen kan prestera bättre. Dessa resultat bör dock betraktas med försiktighet, eftersom de till följd av begränsningar i datan och de biologiska antaganden som gjorts är förenade med viss osäkerhet. Detta diskuteras i rapporten. Arbetet bidrar till att lägga grunden för vidare utveckling av modeller som tar hänsyn till den påverkan omgivningen har på hur GBM växer.