Development of a Prostate Cancer Computational Model

Abstract

O cancro da próstata (PCa) é o segundo cancro mais frequente em homens.As características deste cancro tornam difícil individualizar o tratamento clínico, o que leva a uma grande percentagem de casos de subtratamento e sobretratamento, causando efeitos adversos na expectativa de vida e no dia-a-dia dos pacientes, respetivamente.Por isso, uma tecnologia preditiva pode causar uma diferença crucial no tratamento de PCa.Modelos matemáticos e simulações computacionais permitem compreender os mecanismos que levam à progressão das doenças.A próstata é um órgão constituído por um conjunto de glândulas interconectadas num tecido muscular liso.Para explorar o papel desta estrutura no PCa, foram desenvolvidos 2 modelos matemáticos.O primeiro é baseado num Cellular Potts Model (CPM) a 2D, que simula a interação entre os diferentes tipos de células na próstata e a deformação causada pelo crescimento do tumor.O segundo é baseado num modelo phase-field a 3D que considera o crescimento do tumor, a estrutura das glândulas e o consumo de nutrientes.As simulações do modelo phase-field mostram como o tumor desenvolve o fenótipo ramificado. O tumor foi caraterizado em quanto se desvia de uma morfologia esférica como função do tempo e da estrutura da próstata.O CPM permite observar importantes pistas sobre como as células e as glândulas se rearranjam localmente no inicio do desenvolvimento do PCa.Estes conhecimentos permitem estudarcomo a adaptação da morfologia das glândulas afeta a morfologia das lesões.Concluímos que a estrutura ramificada da próstata tem um impacto significativo no crescimento do tumor. Em particular, pode-se observar que cria um caminho que permite o tumor espalhar-se da posição inicial mais rápido e que a deformação desta estrutura origina as lesões observadas nas biópsias.

Prostate Cancer (PCa) is the second most frequent cancer in men. The limited individualization of the clinical management beyond risk-group definition has led to significant overtreatment and undertreatment rates, which may adversely impact the patients’ lives and life expectancy, respectively. Thus, PCa is a paradigmatic condition in which an individualized predictive technology could make a crucial difference in clinical practice.Mathematical modeling and computer simulation allow to better understand the mechanisms behind disease progression. The prostate is a small organ with an internal structure composed by a network of glands within smooth muscle connectivity tissue. To explore the role of prostate structure in PCa growth, two different mathematical models were developed. The first one, based on a 2D cellular Potts model, simulates the interactions between the different types of cells present on the prostate and the deformation of the glands as the tumor grows. The second model is a 3D phase-field model that takes into account tumor growth, prostate gland dynamics and nutrient consumption.The phase-field simulations show how the tumor is able to develop a ramified phenotype in the tissue. The tumor was characterized on how much it deviates from a smooth morphology as a function of time and as a function of the underlying structure. The cellular Potts model gives important clues regarding how the cells and the glands rearrange locally on the early moments of tumor growth. These insights allow to study how the adaptation of the gland morphology as the tumor grows influences the lesion morphology.We conclude that the internal ramified structure of the prostate has a determinant impact in the growth of the tumor. In particular, can be observed that it creates a path to spread at a faster rate and its deformations originate the observed Gleason Patterns.