细胞毒性和抗血管生成疗法对前列腺癌生长的最佳控制

@第{Colli2020OptimalCO条,title={细胞毒和抗血管生成疗法对前列腺癌生长的最佳控制},作者={Pierluigi Colli和H{'e}ctor G{'o}mez、Guillermo Lorenzo和Gabriela Marinoschi、Alessandro Reali和Elisabetta Rocca},期刊={ArXiv},年份={2020年},体积={abs/2007.05098},网址={https://api.semanticscholar.org/CorpusID:220487078}}
结果表明,只有细胞毒性化疗才能优化治疗效果,并且表明最佳控制框架可以产生与多西紫杉醇和贝伐单抗联合治疗的优越解决方案。

本文图表

阿霉素治疗乳腺癌细胞群体动力学的数学表征

建立了一个数学模型,描述了标准化疗药物阿霉素对MCF-7乳腺癌细胞株的影响,并可用于探索实现最佳肿瘤控制的实际药物方案。

免疫疗法作用下非小细胞肺癌的相场模型

最近的这项工作是在一个简单、确定的环境中模拟两个接受免疫治疗的不同患者的非小细胞肺癌(NSCLC),显示了包括空间信息的更详细的患者特定模拟在未来可能产生的预测益处。

利用整合体外和体内成像数据的机制模型确定三阴性乳腺癌患者对新辅助化疗早期反应的驱动机制

本研究提出了一个以TNBC生长和对NAC反应的基本机制为特征的模型,包括药物药效学和药代动力学的明确描述,并进行敏感性分析以确定驱动对两种NAC药物组合反应的模型机制。

小鼠实验模型表明,乳腺癌的最佳抗激素治疗依赖于饮食

为了研究高脂饮食对肿瘤生长的影响,并发现对照组和高脂饮食的差异反应,基于常微分方程组提出了一个数学模型。

胶质母细胞瘤CAR–T细胞治疗的数学模型分析:来自数学模型的启示

考虑到CAR-T和胶质母细胞瘤肿瘤细胞的免疫抑制能力,对描述其竞争的数学模型进行了分析研究。

结合人工智能和大数据的针对患者的肿瘤生长机械模型

这篇综述综述了建模肿瘤生长和治疗的不同方法,包括基于“大数据”的机械模型和数据驱动模型并提出了五个必须解决的基本挑战,以充分实现由计算模型驱动的癌症患者个性化护理。

利用图像信息生物力学模型对主动监测期间前列腺癌生长的患者特异性计算预测

预测技术是一种有前途的临床决策工具,通过利用PCa增长的个性化计算预测,为PCa患者设计个性化AS计划。

前列腺癌化疗和抗血管生成治疗效应相场模型的数学分析与仿真研究

该模型捕捉了前列腺癌的生长形态以及细胞毒和抗血管生成单一治疗和联合治疗的常见结果,并再现了实验和临床研究中观察到的肿瘤体积和前列腺特异性抗原演变的通常时间趋势。

靶向血管生成治疗前列腺癌

前列腺癌抗血管生成药物的开发遇到了一些挑战,随着更有效药物的出现、双重血管生成抑制的使用以及更丰富的临床试验的设计,有望克服这些挑战。

基于化疗的去势耐受性前列腺癌治疗。

随着毒性较小的激素类药物在耐多西他赛mCRPC中的应用获得批准,临床医生将有机会平衡新药物在单个患者中的利弊,并可能能够依次使用不同的药物。

肿瘤生长动力学及抗血管生成和细胞毒性疗法的联合应用

本文提出了一个包含肿瘤细胞和血管网络及其相互作用的数学模型,并将其与现有的实验和临床数据进行了比较,该模型可以包括常规细胞毒治疗和抗血管生成治疗这两种不同治疗方法的效果。

贝伐单抗治疗前列腺癌

混合临床试验结果支持前列腺癌可能仅部分由血管生成驱动的理论,贝伐单抗在前列腺癌治疗中的未来作用仍存在疑问。

血管正常化在节律化疗获益中的作用

研究发现,节律化疗可诱导肿瘤血管功能正常化,从而改善肿瘤灌注,从而增强药物向实体肿瘤的输送并缓解缺氧。
...