Введение в механику опухолевых костей

Опухоли, которые возникают или метастазируют в костную ткань, создают сложную механическую среду, которая может серьезно нарушить целостность скелета. Растущая масса оказывает давление на окружающую трабекулярную и корковую кость, нарушая нормальную несущую способность и часто приводя к патологическим переломам. Понимание этих механических взаимодействий - это не просто академическое упражнение & #8212; это непосредственно информирует о клиническом принятии решений, от времени профилактической фиксации до разработки радиационных и химиотерапевтических схем, которые направлены на сохранение прочности кости.

Первичные виды рака костей, такие как остеосаркома, саркома Юинга и хондросаркома, а также метастатические поражения от рака молочной железы, простаты, легких и почек, имеют общее механическое последствие: они ослабляют кость. Механизмы включают прямой остеолиз (резорбция костей, опосредованная факторами, секретируемыми опухолью), нарушение нормального цикла ремоделирования костей, а также физическое вытеснение и замену несущих минерализованных тканей. Вычислительное моделирование появилось в качестве мощного инструмента для моделирования этих перекрывающихся биохимических и механических процессов, что позволяет исследователям и клиницистам прогнозировать риск переломов, оптимизировать хирургические вмешательства и оценивать эффективность лечения, не полагаясь исключительно на клиническую интуицию или статическую визуализацию.

В этой статье представлен авторитетный обзор того, как исследователи моделируют механическое влияние роста опухоли на окружающие костные структуры. Мы изучаем типы используемых вычислительных моделей, ключевые факторы, определяющие ослабление костей, клинические применения этих симуляций и будущие направления, которые обещают сделать эти инструменты еще более прогнозирующими и специфичными для пациента.

Почему моделирование взаимодействия опухолевых костей имеет значение клинически

Патологические переломы из-за опухолей костей являются разрушительными осложнениями. Они вызывают сильную боль, потерю подвижности и часто требуют неотложной операции, которая может быть более обширной, чем запланированные процедуры. При метастатическом заболевании позвоночник, бедренная кость и плечевая кость являются общими участками; перелом позвоночника может привести к сжатию и параличу пуповины. Поэтому точное прогнозирование риска перелома является критической неудовлетворенной потребностью. Современные клинические системы оценки, такие как критерии Мирельса (которые включают в себя место, боль, тип поражения и размер), полезны, но имеют ограниченную чувствительность и специфичность. Вычислительные модели, которые включают специфическую для пациента геометрию кости, свойства материала и механику опухоли, могут потенциально значительно улучшить стратификацию риска.

Помимо прогнозирования переломов, моделирование помогает хирургам планировать резекции и реконструкции. Например, в хирургии спасения конечностей при остеосаркоме хирург должен решить, сколько костей удалить и как реконструировать дефект (например, аллотрансплантат, эндопротез или васкуляризированный трансплантат фибулы). Модель, которая имитирует послеоперационное распределение стресса, может направлять выбор имплантата и необходимость дополнительной фиксации. Аналогичным образом, в паллиативных условиях моделирование может указывать, обеспечит ли профилактическое внутримедуллярное прибивание или цементопластика достаточную механическую поддержку.

Кроме того, моделирование может влиять на разработку лекарств. Многие целевые методы лечения, такие как бисфосфонаты или ингибиторы RANKL (деносумаб), работают путем ингибирования активности остеокластов, тем самым замедляя резорбцию костей. Вычислительная модель, которая связывает кинетику роста опухоли с ремоделированием костей, может помочь определить оптимальные графики дозирования и предсказать, какие пациенты, скорее всего, выиграют.

Типы вычислительных моделей

Модели конечных элементов (FEM)

Наиболее широко используемый подход для изучения механического воздействия опухолей на кость — метод конечных элементов. FEM делит структуру кости на тысячи или миллионы мелких элементов (тетраэдры, гексахедры) и решает уравнения напряжения, деформации и смещения для каждого элемента при приложенных нагрузках. Для моделирования опухоли исследователи изменяют свойства материала элементов в опухолевой области— типично уменьшая модуль эластичности (жесткости) и прочность выхода, или даже полностью удаляя элементы для имитации литических дефектов.

FEM высокого разрешения требует трехмерных данных визуализации от компьютерной томографии (КТ) или магнитно-резонансной томографии (МРТ). КТ-сканирование обеспечивает информацию о минеральной плотности кости (МРТ), которая может быть отображена на механические свойства с использованием эмпирических отношений. Граница опухоли может быть сегментирована вручную или с помощью полуавтоматизированных алгоритмов, и сетка генерируется по всему костно-опухолевому композиту. Нагрузки применяются для моделирования физиологических действий, таких как ходьба, подъем по лестнице или падение.

Ключевыми выходами являются распределение напряжений и деформаций, а также расчетный фактор безопасности (отношение прочности костей к приложенному стрессу). Снижение этого фактора указывает на повышенный риск переломов. FEM был проверен на основе трупных экспериментов и клинических результатов, что делает его золотым стандартом в ортопедической биомеханике. Однако создание FEM для конкретных пациентов остается трудоемким, требующим специализированного программного обеспечения и опыта.

Внешняя ссылка: Обзор анализа конечных элементов в патологическом прогнозировании переломов (PubMed).

Агент-ориентированные модели

Модели на основе агентов (АБМ) используют подход «снизу вверх», имитируя поведение отдельных клеток (агентов) в соответствии с набором правил. Каждый агент представляет собой опухолевую клетку, остеобласт, остеокласт или иммунную клетку, и взаимодействия определяются биохимическими сигналами (например, факторами роста, цитокинами). Механическая среда может быть связана с АБМ путем подачи локальных значений стресса или деформации от моделирования FEM обратно к агентам, влияя на их пролиферацию, смерть или дифференцировку.

АБМ особенно полезны для изучения динамического взаимодействия между ростом опухоли и ремоделированием костей. Например, опухолевые клетки могут продуцировать белок, связанный с гормоном паратиреоида (PTHrP), который стимулирует остеокласты к рассасыванию кости, высвобождая факторы роста, которые дополнительно стимулируют пролиферацию опухоли. АБМ может имитировать эту положительную обратную связь и прогнозировать пространственно-временную картину разрушения костей. И наоборот, остеобластические поражения (обычные при метастазах рака простаты) включают чрезмерное образование костей, которое также может быть смоделировано правилами изменения агента.

Ограничение АБМ заключается в трудности параметризации многих правил и кинетических констант. Данные экспериментов in vitro или клинической биопсии часто скудны. Кроме того, АБМ являются вычислительно дорогостоящими при моделировании больших объемов ткани при клеточном разрешении. Гибридные подходы, которые встраивают АБМ в непрерывную ФЭМ-структуру (см. ниже), предлагают практический компромисс.

Гибридные модели

Гибридные модели сочетают механику континуума FEM с дискретной, основанной на правилах природой ABM или клеточных автоматов. В типичной гибридной установке кость представлена в виде непрерывного материала с использованием FEM, в то время как опухоль представлена в виде набора дискретных агентов, которые растут, делятся и умирают в соответствии с местными условиями (например, концентрацией кислорода, механической нагрузкой). Агенты могут изменять свойства материала FEM-элементов, которые они занимают, например, уменьшая модуль для представления резорбции кости или увеличивая его для моделирования остеосклеротических изменений.

Этот подход охватывает как макроскопические механические последствия роста опухоли (перераспределение стресса, риск переломов), так и микроскопические биологические процессы, которые приводят к этому росту. Гибридные модели использовались для изучения эволюции метастазов в костях при различных сценариях лечения, таких как использование бисфосфонатов или антиангиогенных препаратов. Они также могут включать эффекты механотрансдукции & #8212; процесс, с помощью которого клетки чувствуют и реагируют на механические силы & #8212; обеспечивая более полную картину экосистемы опухолевых костей.

Внешняя связь: Гибридные многомасштабные модели метастазирования костей (PubMed).

Ключевые факторы механического воздействия

Размер опухоли и месторасположение

Размер имеет значение: большие опухоли вытесняют больше костей и создают большую концентрацию стресса. Однако не менее важно расположение. Небольшая опухоль в бедренной шее (область высокой нагрузки во время ходьбы) может быть более опасной, чем большая опухоль в подвздошном гребне (которая несет меньшую нагрузку). Опухоли вблизи суставов также могут дестабилизировать суставную капсулу или повлиять на суставную поверхность, что приводит к потере функции за пределами риска перелома. В позвоночнике наиболее распространенным местом является тело позвонка; опухоль, которая разрушает переднюю колонну, может привести к кифотической деформации и сжатию шнура.

Вычислительные модели могут количественно оценить влияние местоположения, имитируя множественные опухолевые геометрии в различных местах. Например, исследование может сравнить сферический литический дефект диаметром 2 см, расположенный в центре позвонка, с эксцентричным рядом с коркой. Модель продемонстрирует, что эксцентрические поражения создают большие моменты изгиба и более высокие напряжения на растяжение оставшейся кости, увеличивая риск перелома непропорционально их размеру.

Плотность и качество костей

Минеральная плотность костей (МПК) является основным детерминантом механической прочности. Остеопоротическая кость с низким МПКТ имеет более тонкие трабекулы и уменьшенную толщину коры, что делает ее более уязвимой к ослаблению, вызванному опухолью. И наоборот, молодые пациенты с высоким МПКТ могут переносить более крупные опухоли до того, как перелом станет неизбежным. Однако только МПКТ захватывает не все аспекты качества костей. Микроархитектура (трабекулярная связь, корковая пористость), перекрестное связывание коллагена и накопление микроповреждений способствуют.

Модели конечных элементов, которые включают свойства гетерогенного материала из данных КТ, могут представлять эти вариации. Например, регионам с низкими единицами Хоунсфилда (HU) могут быть назначены более низкие модули, в то время как области с высоким HU (кортикальная кость) остаются жесткими. Сама область опухоли может иметь профиль гетерогенной плотности из-за смешанной литической и бластной активности. Захват этой неоднородности имеет решающее значение для точного анализа стресса.

Темпы роста и модель прогресса

Скорость, с которой опухоль расширяется, влияет на то, как ремоделируются кости в ответ. Медленно растущие опухоли позволяют кости сформировать реактивный склеротический обод (как видно на доброкачественных поражениях, таких как опухоль гигантских клеток), который может укрепить дефект. Быстро растущие опухоли (например, высокосортная остеосаркома) опережают любой ответ на ремоделирование, что приводит к чисто деструктивному характеру. Моделирование динамики роста требует зависящих от времени симуляций, где объем опухоли и геометрия кости изменяются постепенно.

Некоторые модели включают механизм обратной связи, где механическая нагрузка ингибирует рост опухоли (через механосенсацию), в то время как другие предполагают изотропное расширение. Клинические данные свидетельствуют о том, что области с высоким напряжением могут фактически способствовать определенным метастатическим нишам, поэтому взаимодействие сложно. Временные модели также могут имитировать эффекты лечения: уменьшение объема опухоли при химиотерапии можно моделировать как постепенное удаление занятых агентом элементов и восстановление свойств костного материала.

Материальные свойства опухолевой ткани

Часто упускаемый из виду фактор — внутренняя жесткость самой опухоли. Мягкие опухоли (модуль Низкого Янга) ведут себя как заполненная жидкостью полость; они минимально передают нагрузки на окружающую кость. Более жесткие, фиброзные опухоли могут сами выступать в качестве усилителей стресса, перенося нагрузку непосредственно на интерфейс костной опухоли. Экспериментальные измерения жесткости опухоли варьируют, варьируя от нескольких кПа до нескольких МПа в зависимости от типа опухоли и ее состава (клеточность, содержание коллагена). Анализ чувствительности в FEM часто обнаруживает, что соотношение опухоли к костной модуляции оказывает значительное влияние на прогнозируемые стрессы, подчеркивая необходимость специфической характеристики пациента.

Применение механического моделирования

Прогноз риска перелома

Наиболее непосредственное клиническое применение — расчет риска переломов, часто выражающийся в соотношении прикладываемой нагрузки к прочности костей (фактор безопасности). Если фактор опускается ниже 1,0 при физиологических нагрузках, вероятным является перелом. Модели могут быть стратифицированы по типу активности: напряжения от падения на бедро намного выше, чем от ходьбы. Многие исследования использовали КТ-ФЭМ для прогнозирования патологических переломов в бедрах с метастатическими поражениями, сообщая о высокой чувствительности и специфичности. Разработаны некоторые программные средства (например, VirtuOst, Bonelogic), которые могут использоваться в клинических условиях, хотя они еще не являются стандартными.

Ключевой проблемой является определение критерия отказа. Кость является квазихрупким материалом; она может выдержать некоторые микроповреждения до катастрофического отказа. Современные модели включают прогрессивную механику повреждений, что позволяет имитировать инициирование и распространение трещин. Это обеспечивает более тонкую картину, чем простое соотношение напряжения к силе.

Хирургическое планирование

Хирурги могут использовать модели, специфичные для пациента, для оптимизации степени резекции и выбора реконструкции. Например, при большом проксимальном бедренном метастатическом поражении моделирование может сравнить результаты замены протеза с внутримедуллярным ногтем, дополненным цементом. Модель может имитировать нагрузку после операции и определять области экранирования от стресса или чрезмерного напряжения, которые могут привести к сбою имплантата или перипротезному перелому.

Аналогичным образом, в позвоночнике модели могут направлять вертебропластику или кифопластику: сколько цемента следует вводить для стабилизации перелома тела позвонка, не вызывая экстравазии? Какой подход (однородный против двуногих) обеспечивает лучшее распределение стресса? Исследования конечных элементов предоставили основанные на фактических данных рекомендации, и моделирование для конкретного пациента может уточнить их далее.

Разработка и планирование лекарств

Фармацевтические компании используют вычислительные модели для прогнозирования механических последствий модифицирующих костную ткань агентов. Например, деносумаб (ингибитор RANKL) снижает активность остеокластов; модель, которая включает в себя динамическое ремоделирование костей, может имитировать, как остановка или запуск такого препарата изменяет прочность кости с течением времени. Это может информировать о дизайне клинических испытаний и интервалах дозирования.

В лучевой терапии моделирование может оценить распределение дозы излучения и его влияние как на опухолевые клетки, так и на микроархитектуру костей.В сочетании с механическими моделями исследователи могут предсказать риск послелучевого перелома, который является известным осложнением, особенно в области таза и ребер.

Внешняя связь: Моделирование механического воздействия излучения на кость (PubMed).

Будущие направления

Интеграция машинного обучения

Машинное обучение и глубокое обучение готовы ускорить генерацию моделей, специфичных для пациента. Сверточные нейронные сети могут автоматически сегментировать опухоли и анатомию костей от КТ и МРТ, уменьшая ручной труд. Суррогатные модели (нейронные сети, обученные тысячам симуляций конечных элементов) могут обеспечить почти мгновенные прогнозы риска переломов, что позволяет в режиме реального времени принимать решения в клинике. Генеративные модели также могут предлагать оптимальные хирургические планы или прогнозировать траектории роста опухоли.

Многомасштабное моделирование

Следующим рубежом является истинное многомасштабное моделирование, которое связывает молекулярную сигнализацию (например, путь RANK-RANKL-OPG) с клеточным поведением (остеокластогенез, пролиферация опухолевых клеток) с механикой на уровне ткани и, в конечном итоге, с функцией всего органа. Такие модели потребуют массивных наборов данных и передовых вычислительных рамок, но они обещают захватить полную цепочку причинности от генетических мутаций до патологического перелома. Инициативы, такие как проект Virtual Physiological Human в Европе, стимулируют эту интеграцию.

Валидация и перевод на клиническую практику

Для того чтобы вычислительные модели стали обычными клиническими инструментами, они должны быть тщательно проверены на предмет потенциальных клинических результатов. В настоящее время проводится несколько крупномасштабных исследований с использованием данных визуализации и последующих наблюдений для уточнения прогнозов моделей. Одобрение регулирующих органов (разрешение FDA) для программного обеспечения, которое непосредственно помогает принимать клинические решения, также является препятствием, с которым начинают сталкиваться некоторые компании. По мере того, как модели становятся более точными и удобными для пользователя, они, вероятно, преобразуют стандарт ухода за пациентами с опухолями костей.

Персонализированная механобиология

Все опухоли и кости уникальны. Достижения в области визуализации (например, периферическая количественная КТ с высоким разрешением, МРТ со сверхкоротким эхо-временем) предоставляют все более подробную структурную информацию. Сочетание этого с данными о уровнях физической активности и гормональном статусе пациента позволит действительно персонализировать прогнозы риска переломов и ответ на лечение. Конечной целью является ответ на вопрос: «Учитывая вашу специфическую структуру опухоли и костей, каков ваш риск перелома в течение следующего года, и какое вмешательство наиболее эффективно снизит этот риск?»

Таким образом, моделирование механического воздействия роста опухоли на окружающую кость является быстро развивающейся областью, которая сочетает в себе биомеханику, онкологию и вычислительную науку. Конечный элемент, агентные и гибридные модели предлагают уникальные идеи, и их клинические применения расширяются от прогнозирования переломов до хирургического планирования и разработки лекарств. Будущие достижения в машинном обучении, многомасштабной интеграции и персонализированной медицине сделают эти инструменты еще более мощными. Для клиницистов и исследователей понимание этих моделей имеет важное значение для улучшения результатов для пациентов, сталкивающихся с двойной проблемой рака и нарушенной целостности костей.