研究人员正在使用基于进化原理的数学建模来表明，基于对先前治疗的肿瘤反应的适应性药物治疗比对某些肿瘤情况的最大耐受剂量方法更有效。
癌症患者通常用它们能够承受的最大剂量进行治疗，不会导致太多的毒副作用。然而，许多患者对这些治疗产生耐药性并且发展癌症复发。Moffitt癌症中心的研究人员正在使用基于进化原理的数学建模来表明，基于对之前治疗的肿瘤反应的适应性药物治疗比对某些肿瘤情况的最大耐受剂量方法更有效。他们在讨论这种方法的新研究发表在癌症研究前的在线版上。
标准的癌症治疗和大多数临床试验基于这样的观念，即医师需要用最高剂量的药物治疗患者，以在最短的时间内杀死大多数癌细胞。但通常情况下，肿瘤细胞通过激活生存机制来设法找到成功的方法。
“这种最大耐受剂量策略的一个进化缺陷是假设在治疗之前不存在耐药细胞，现在很清楚，癌细胞甚至对他们以前从未见过的治疗也不敏感，”研究作者Jill Gallaher解释说，博士，Moffitt综合数学肿瘤学系的应用研究科学家。
根据Moffitt团队的说法，这可以通过竞争性发布的演进原理来解释。这种情况的一个例子可以在用于园林和作物的化学杀虫剂中找到。当使用最高的农药剂量时，昆虫种群受到高选择压力，并且杀死对杀虫剂敏感的昆虫。然而，由于已经存在的抗性，一些昆虫能够存活下来，并且随着竞争对手的消失，这些昆虫能够繁殖并产生抗性群体。已经清楚的是，现有的抗性肿瘤细胞在治疗后可以以相同的方式应答。
使用最大耐受剂量进行癌症治疗的替代方法是使用基于肿瘤对先前药物施用的响应的适应性方法。Moffitt的研究人员想要确定哪种治疗方案（连续最大耐受方法或自适应方法）最适合特定肿瘤。他们通过使用基于进化原理和细胞培养实验的数学建模来进行分析。他们使用敏感细胞群体和抗性细胞群体的不同组合模拟最大剂量策略，并考虑了细胞迁移的能力和不同的增殖遗传模式。
研究人员发现，一般来说，没有单一的治疗方法对所有肿瘤都有效，而且肿瘤对特定治疗的反应能力取决于肿瘤的组成。例如，他们表明，由相互类似且对药物治疗敏感的细胞组成的肿瘤倾向于对连续的最大剂量方法更好地响应。在临床情况下，这种方法对于睾丸癌和某些倾向于更均匀的淋巴瘤等肿瘤可能效果最佳。然而，由敏感细胞和抗性细胞混合而成的肿瘤往往更适应适应性治疗方法。这些类型的肿瘤的临床例子包括黑素瘤，肺癌和乳腺癌。
研究人员还分析了不同的适应性治疗方法。他们将典型的适应策略与治疗休假策略进行了比较，在该策略期间，在高药物剂量之间未给予任何治疗。他们报告说，如果肿瘤是高度侵入性或遗传改变的，治疗假期的高剂量波动对于控制肿瘤生长很有效。
研究人员希望他们的工作能够使其他人相信，通过使用现有药物，患者可以更好地对抗癌症治疗。
“我们的工作清楚地表明了使用治疗反应作为治疗决策的关键驱动力而非固定策略的重要性，我们坚信，精准医学的未来应该不仅集中在新药的开发上，而且还集中在更聪明的进化使用预先存在的药物，”Moffitt综合数学肿瘤学系主任Alexander RA Anderson博士说。
（选自《麦肯息讯》（医药））