Resumen: La célula cancerosa comienza a dividirse, infiltrándose en los tejidos vecinos y
viajando por todo el sistema linfático. Si bien existen maneras de detener la propagación de la
enfermedad o eliminar las células infectadas, la mayoría de los enfoques no pueden identificar
los indicadores de alerta temprana de tal ocurrencia. El uso de diversos tipos de ecuaciones
diferenciales, especialmente ecuaciones diferenciales ordinarias (EDO), es un catalizador útil
que emplean los expertos. El uso de ecuaciones diferenciales, la investigación de la resistencia
a la quimioterapia, la predicción del posible fracaso del tratamiento o la evaluación del
resultado y el pronóstico después de diversas formas de terapia. Los seres vivos siempre
incluyen células cancerosas, pero un sistema regulador biológico evita que se propaguen a un
grado peligroso (piense en la superpoblación frente a los recursos naturales). Por lo tanto, el
método más eficiente para determinar cuándo intervenir eficazmente con el crecimiento del
tumor es utilizar el método citocinético para evaluar cuantitativamente la progresión de las
células cancerosas. Metabolismo del cáncer: Una de las principales características del cáncer es
la reprogramación metabólica, en la que se modifica el metabolismo de las células cancerosas
para impulsar su crecimiento y multiplicación explosivos Los nuevos modelos del metabolismo
del cáncer investigan el papel que desempeñan las vías metabólicas desreguladas en la génesis
y la propagación de los tumores, lo que proporciona posibles vías para la intervención
terapéutica. Los modelos matemáticos del crecimiento tumoral se modelan mediante
ecuaciones diferenciales ordinarias (EDO) del cáncer. El tumor crece vorazmente, y los
científicos y matemáticos que intentaron comprenderlo mejor también lo hacen. El estudio de
tales tratamientos en modelos de crecimiento tumoral conduce a una o más EDO. Esto da
algunas ideas sobre la relación entre las ecuaciones y el crecimiento tumoral en las células
cancerosas. Las EDO introducen modelos matemáticos del crecimiento tumoral para
proporcionar la dinámica de las células tumorales y su crecimiento a través de enfoques
clínicos, experimentales y teóricos, y se desarrollan nuevas ideas para diferentes terapias
contra el cáncer con el objetivo de controlar y reducir la tasa de mortalidad para un
diagnóstico más temprano. En esta investigación se abordó la cinética de la proliferación de
células tumorales y su enfoque de tratamiento. Para comprender la proliferación de células
tumorales, ampliamos el estudio y examinamos algunos modelos matemáticos básicos.
1. Introducción
El crecimiento tumoral y las interacciones terapéuticas mediante ecuaciones diferenciales
ordinarias y retardadas. Investigamos cómo la inmunoterapia celular adoptiva afecta al modelo
y describimos las condiciones que conducen a la erradicación tumoral.
El cáncer es una de las enfermedades más difíciles de curar clínicamente. Por ello, se han
realizado numerosos estudios sobre la interacción entre las células tumorales y el sistema
inmunitario. El uso de ecuaciones diferenciales ordinarias en modelos matemáticos es crucial
para comprender la dinámica y monitorear las poblaciones tumorales e inmunológicas a lo
largo del tiempo. A pesar de la investigación sobre la dinámica inmunitaria tumoral,
Los modelos simples de crecimiento y tratamiento tumoral en EDO no lineales individuales
para la ecuación de crecimiento exponencial,
dMdtλM(1)
donde a es una constante y M(t) es una función continua en el tiempo t y representa el
número de células en las células tumorales.
Las EDO no lineales de primer orden generalizadas incorporan la desaceleración del
crecimiento.
dMdtf(M)(2)
Los sistemas de EDO consideran dos poblaciones celulares. Los modelos se basan en sistemas
para ecuaciones diferenciales ordinarias.
2. Modelado matemático del crecimiento y tratamiento de tumores
2.1 Ecuaciones diferenciales ordinarias del crecimiento tumoral
El cáncer es una enfermedad que se produce cuando algunas células del cuerpo crecen sin
control y se propagan a otras regiones del cuerpo. El cuerpo humano está compuesto por
billones de células [1]. Las células humanas a menudo se dividen en nuevas células según las
necesidades del cuerpo, un proceso llamado división celular. Un tumor es una masa de tejido
que puede parecer una hinchazón. No todos los tumores son cancerosos. Suponga que la tasa
de cambio de la población es proporcional al número de individuos en cualquier momento en
la ecuación diferencial [2].
3. Modelado del tratamiento tumoral
La dinámica del número de células tumorales en el tiempo t, M(t), se describe mediante
ecuaciones diferenciales para la ley de crecimiento, donde f(M) es la dinámica de crecimiento
de las células tumorales, G(t, M) describe los efectos del fármaco en el sistema y una función
indicadora (= 1) si t = t cirugía [12], y cero en caso contrario. Se supone que la cirugía es
instantánea y elimina [13] una fracción fija de exp(-Ks) de las células tumorales, donde k es la
fracción de células eliminadas durante la cirugía [14].
12. Resultados y discusión
Dinámica del crecimiento tumoral: Al modelar el crecimiento de las células cancerosas y sus
interacciones con el tejido circundante, los modelos ODE pueden replicar la evolución de un
tumor a lo largo del tiempo. Las predicciones sobre el tamaño del tumor, la tasa de
crecimiento y la dispersión geográfica podrían estar entre los resultados.
Respuesta al tratamiento: Utilizando los modelos ODE, se pueden replicar los resultados de
varias terapias contra el cáncer, incluyendo la radioterapia, la quimioterapia y la terapia
dirigida. Las predicciones de la regresión tumoral, el riesgo de recurrencia y la aparición de
resistencia al tratamiento son posibles resultados.
Heterogeneidad tumoral: Los modelos ODE pueden tener en cuenta las variaciones en las tasas
de proliferación, las capacidades migratorias y la respuesta terapéutica de las células
cancerosas. Los hallazgos podrían arrojar luz sobre cómo los resultados del tratamiento y la
formación de subpoblaciones resistentes a los fármacos se ven afectados por la
heterogeneidad tumoral.
Los modelos ODE pueden incluir vigilancia inmunitaria, estrategias de evasión tumoral y
terapias terapéuticas, entre otras interacciones entre las células cancerosas y el sistema
inmunitario. Los hallazgos podrían aclarar cómo el sistema inmunitario afecta el crecimiento y
el pronóstico del tumor después del tratamiento
En este trabajo, presentamos una familia de modelos (EDO y EDD) para caracterizar la
dinámica del sistema inmunitario tumoral. Con valores variables de los parámetros (la tasa de
células tumorales precedidas por las células efectoras) y (la tasa máxima de crecimiento de la
población de células tumorales), se ha presentado la evolución y la calidad de los modelos.
A pesar de la simplicidad de los modelos subyacentes, exhiben una dinámica extremadamente
rica y proporcionan una representación clara de los fenómenos de la interacción real entre la
inmunoterapia y el crecimiento tumoral. Como consecuencia del ciclo glucolítico, el ácido
láctico reduce el pH extracelular, lo que daña las células sanas al mismo tiempo que fomenta el
crecimiento de células malignas.
En las últimas décadas, la investigación sobre el cáncer ha incorporado una cantidad cada vez
mayor de modelos matemáticos. Aquí, hemos demostrado cómo se pueden desarrollar
modelos cuantitativos simples, en comparación con datos experimentales, y utilizarlos para
ilustrar procesos e interacciones biológicas complejas.
El curso de tratamiento sugerido implicaba la aplicación de medicamentos específicos en un
orden programado con precisión para lograr el resultado previsto.
Determinar este método dependiente del tiempo requirió comprender la dinámica de las vías
de señalización, es decir, cómo varían las concentraciones de proteínas con el tiempo. Sin la
necesidad de largos ensayos hasta encontrar una solución viable, el desarrollo del modelo de
sistema dinámico ODE facilitó la investigación de nuevos enfoques de tratamiento en
simulación. De este modo, el modelo permitió crear experimentos inteligentes, mientras que
la investigación biológica, que carece de modelos matemáticos, se ve obligada a recurrir a la
intuición para dirigir la creación de nuevos modelos de prueba. Aquí, hemos demostrado cómo
se pueden utilizar modelos cuantitativos básicos para simular procesos e interacciones
biológicas complejas, mostrando cómo se producen y contrastan con datos experimentales.
Para simplificar, hemos seleccionado publicaciones fundamentales como ejemplos y hemos
tenido que omitir una cantidad sustancial de literatura relevante sobre modelado matemático.
Se recomienda la lectura de artículos de revisión y libros recientes que ofrecen un resumen
más completo del estado del arte en el modelado del cáncer.
13. Tratamientos contra el cáncer
Terapias contra el cáncer (medicamentos, inmunoterapia o quimioterapia). La adición de un
tratamiento contra el cáncer al modelo afectará la predicción.
Quimioterapia: La administración de medicamentos quimioterapéuticos a las células
cancerosas objetivo se puede simular matemáticamente. El modelo se puede mejorar
incluyendo parámetros relacionados con la farmacocinética de los medicamentos, la
programación de dosis y los mecanismos de resistencia a los medicamentos, lo que puede
ayudar a maximizar los planes de tratamiento y reducir los efectos adversos.
Terapia dirigida: Los receptores de factores de crecimiento y las vías de señalización son dos
ejemplos de dianas moleculares que pueden inhibirse con precisión mediante medicamentos
dirigidos. Estos efectos se pueden modelar. Estos modelos ayudan a comprender los
mecanismos de resistencia, predecir la eficacia de los medicamentos dirigidos y determinar los
mejores regímenes de dosis.
Inmunoterapia: Los modelos ODE de respuestas inmunológicas al cáncer pueden imitar las
acciones de los tratamientos inmunoterapéuticos, como las vacunas contra el cáncer, la
terapia celular adoptiva y los inhibidores de puntos de control inmunitarios. Estos modelos
ayudan a aclarar los procesos de activación de las células inmunitarias y la evasión inmunitaria
por parte de los tumores.
Radioterapia: La focalización y eliminación de las células cancerosas, preservando al mismo
tiempo el tejido sano, se puede replicar mediante modelos matemáticos. El modelo incorpora
parámetros relacionados con la radiobiología tisular, los programas de fraccionamiento, la
dosis de radiación y la optimización del plan de tratamiento para minimizar la toxicidad
inducida por la radiación.
Terapias combinadas: Los modelos pueden evaluar la eficacia de los regímenes de tratamiento
multimodal, como la quimioterapia con inmunoterapia o la terapia dirigida. Para optimizar los
resultados de la terapia, estos modelos ayudan a determinar las mejores combinaciones de
fármacos, los efectos sinérgicos y las técnicas de secuenciación del tratamiento.
16. Conclusiones
La detección temprana del cáncer permite la aplicación de quimioterapia o inmunoterapia
cuando sea necesario, evitando que la enfermedad se propague más.
En biología del cáncer, los modelos ordinarios basados en ecuaciones diferenciales son útiles
para examinar la evolución de los sistemas biológicos. Es necesario recopilar datos a muchos
intervalos para estimar los modelos con la precisión adecuada. Un análisis más se puede lograr
una comprensión profunda de la dinámica subyacente mediante el análisis cualitativo de los
modelos. Aquí, demostramos varios usos de las EDO en la biología del cáncer. Las EDO y los
modelos matemáticos en general tienen la capacidad de validar resultados experimentales y
abrir nuevas direcciones para la investigación científica.
Dado que el empleo de EDO en la Tabla 2 para simular un modelo matemático biológico
requiere que solo haya una variable independiente (como el tiempo) y que todas las demás
(como el espacio) se puedan omitir, el modelado matemático en el estudio del cáncer utiliza
EDO.
Destacamos que, en general, los modelos matemáticos y las EDO [28] pueden validar
resultados experimentales y abrir nuevas líneas de investigación para la ciencia [29].
No evaluamos los modelos, pero sí recordamos que para tener un mayor conocimiento del
sistema dinámico subyacente, todos los modelos matemáticos deben analizarse desde un
punto de vista cualitativo
Modelos matemáticos en ecuaciones diferenciales ordinarias para la proliferación y
tratamiento del cáncer.
VARIABLE INDEPENDIENTE:
MODELOS MATEMÁTICOS EN ECUACIONES DIFERENCIALES ORDINARIAS
VARIABLE DEPENDIENTE:
TRATAMIENTO Y PROLIFERACIÓN DEL CÁNCER
OBJETIVO GENERAL: VERBO + ¿QUÉ? + ¿PARA QUÉ? + ¿MEDIANTE QUE?
Analizar la proliferación de células cancerígenas a través del tiempo en su forma cuantitativa
para su enfoque de tratamiento por medio modelos matemáticos basados en ecuaciones
diferenciales ordinarias.
OBJETIVO ESPECÍFICOS:
Evaluar cuantitativamente la progresión de las células cancerígenas usando el método
citocinético .
Estimar el resultado del método citocinético de la proliferación de células cancerígenas
para la intervención de distintos tratamientos.
Implementar modelos matemáticos de tratamiento y proliferación de la dinámica de
células cancerígenas basados en las ecuaciones diferenciales ordinarias.
HIPÓTESIS GENERAL:
El uso de los modelos matemáticos basados en ecuaciones diferenciales ordinarias valida los
resultados experimentales del tratamiento y proliferación de la biología del cáncer.
HIPÓTESIS ESPECÍFICOS:
El método citocinético garantiza la progresión cuantitativa de las células cancerígenas
El resultado del método citocinético asegura la estimación de la proliferación de
células cancerígenas para la intervención de distintos tratamientos.
La implementación de los modelos matemáticos de tratamiento y proliferación de la
dinámica de células cancerígenas basados en las ecuaciones diferenciales ordinarias
ejerce progreso en pacientes con cáncer.
MARCO TEÓRICO
Cancer
Modelos matemáticos para el cáncer
Proliferación de la dinámica de las células cancerígenas
Tratamientos de cáncer
02 modelos matemáticos
La citocinética en oncología estudia el crecimiento y la división celular (ciclo celular). Métodos
como la citometría de flujo (análisis de ADN/ciclina) y la estatmocinética (bloqueo de la
división celular con agentes como la vinblastina) se utilizan para medir las tasas de
proliferación, lo que fundamenta tratamientos como la quimioterapia y la radioterapia,
dirigiéndose a las células de división rápida o ralentizando el crecimiento. Las terapias también
utilizan citocinas (señales inmunitarias) para reforzar la inmunidad anticancerígena, mientras
que el estudio de la citocinesis (división celular final) revela dianas para nuevos fármacos que
detengan la propagación tumoral.
Conceptos y métodos clave
Citocinética (Cinética celular): Estudio del crecimiento celular y las tasas de división, crucial en
el cáncer porque los tumores crecen mediante la reproducción celular rápida.
Análisis del ciclo celular:
Citometría de flujo: Utiliza el contenido de ADN (fases G0/G1, S, G2/M) o anticuerpos (como la
ciclina E/A) para identificar células en etapas específicas del ciclo, revelando así los efectos de
los fármacos. Estatmocinética: Utiliza fármacos (p. ej., vinblastina) para bloquear la división
celular (fase M) y medir la acumulación celular, lo que indica las tasas de proliferación.
Pulso-Seguimiento (PLM): Utiliza ADN marcado (p. ej., timidina tritiada) para rastrear las
células a lo largo del ciclo y determinar la duración de las fases.
Terapia con citocinas: Utiliza proteínas de señalización inmunitaria (como los interferones)
para activar la respuesta inmunitaria del organismo contra el cáncer.
Investigación en citocinesis: Se centra en la división física final de la célula (anillo de
actina/miosina, surco de segmentación) como diana para nuevos fármacos, según señalan los
Institutos Nacionales de la Salud (NIH), [Link] y Spandidos Publications.
Aplicación en oncología
Quimioterapia: Los fármacos se dirigen a las células que se dividen rápidamente
interrumpiendo el ciclo celular.
Radioterapia: Comprender la citocinética ayuda a programar la radiación para aprovechar las
fases sensibles o utilizar agentes citostáticos para ralentizar el crecimiento durante el
tratamiento. Terapias dirigidas: la identificación de vías citocinéticas específicas (como aquellas
que involucran citocinas o reguladores de la citocinesis) crea nuevas vías de tratamiento.
1. Situación problemática
El cáncer constituye una de las principales causas de morbilidad y mortalidad a nivel
mundial, caracterizándose por una proliferación descontrolada de células malignas y
una dinámica biológica altamente compleja. A pesar de los avances en biología
molecular y en el desarrollo de nuevas terapias oncológicas, la respuesta al
tratamiento continúa siendo heterogénea, incluso en pacientes con el mismo tipo y
estadio de cáncer.
En la práctica clínica, la selección del tratamiento (quimioterapia, radioterapia,
inmunoterapia o terapias combinadas) se basa fundamentalmente en ensayos clínicos,
protocolos generalizados y experiencia médica, lo que limita la capacidad de predecir
la evolución individual del tumor y la eficacia del tratamiento a lo largo del tiempo. Esta
situación genera incertidumbre en la toma de decisiones terapéuticas y puede conducir a
tratamientos subóptimos, recaídas tempranas o efectos adversos severos.
Por otro lado, los estudios experimentales y clínicos generan una gran cantidad de datos
biológicos sobre la proliferación tumoral y la respuesta al tratamiento; sin embargo, la
falta de herramientas cuantitativas integradoras dificulta la interpretación global de
dichos resultados y su extrapolación a escenarios clínicos futuros.
Ante esta problemática, surge la necesidad de incorporar modelos matemáticos
basados en ecuaciones diferenciales ordinarias, capaces de describir la dinámica
temporal de las células cancerígenas y de simular el impacto de diferentes tratamientos.
No obstante, aún existe una brecha entre los resultados experimentales y su validación
mediante modelos matemáticos, lo cual limita su aplicación sistemática como
herramienta de apoyo en oncología.
2. Justificación de la investigación
La presente investigación se justifica desde los ámbitos científico, metodológico y
clínico, al proponer el uso de modelos matemáticos en ecuaciones diferenciales
ordinarias como variable independiente para analizar y validar la dinámica de
proliferación celular y la respuesta al tratamiento oncológico, considerada como
variable dependiente.
Desde el punto de vista científico, los modelos matemáticos permiten formalizar y
cuantificar procesos biológicos complejos, como el crecimiento tumoral, la muerte
celular inducida por tratamientos y la interacción con el sistema inmune. Esto
contribuye a una mejor comprensión de los mecanismos que gobiernan la biología del
cáncer, superando las limitaciones de los análisis puramente descriptivos.
Desde el enfoque metodológico, el uso de ecuaciones diferenciales ordinarias
proporciona una herramienta robusta para validar resultados experimentales, al
contrastar datos observados con simulaciones teóricas. Esta validación matemática
fortalece la confiabilidad de los estudios experimentales y permite explorar escenarios
que serían difíciles, costosos o éticamente complejos de evaluar en laboratorio o en
pacientes.
Finalmente, desde la perspectiva clínica, la investigación se justifica porque los modelos
desarrollados pueden simular distintas estrategias terapéuticas, variando dosis,
tiempos y combinaciones de tratamiento, lo que facilita la evaluación de su impacto
sobre la proliferación de células cancerígenas. Esto convierte a los modelos
matemáticos en un potencial instrumento de apoyo para la toma de decisiones
médicas, contribuyendo a tratamientos más eficientes y personalizados.
3. Importancia de la investigación
La importancia de esta investigación radica en su carácter interdisciplinario, al
integrar matemáticas aplicadas, biología del cáncer y oncología clínica, generando un
marco cuantitativo que fortalece el análisis y la interpretación de la dinámica tumoral.
En el ámbito académico, el estudio aporta un marco teórico–matemático que puede ser
extendido y adaptado a distintos tipos de cáncer, promoviendo nuevas líneas de
investigación en biomatemática y modelamiento matemático de enfermedades
complejas.
En el ámbito científico, la investigación contribuye a la validación de resultados
experimentales mediante modelos matemáticos, permitiendo identificar patrones, tasas
de crecimiento y efectos terapéuticos que no son evidentes a simple observación.
Asimismo, facilita la comparación objetiva entre diferentes tratamientos y estrategias
terapéuticas.
En el ámbito social y sanitario, la importancia del estudio se refleja en su potencial para
optimizar los tratamientos contra el cáncer, reducir efectos adversos y mejorar la
calidad de vida de los pacientes. Al proporcionar herramientas predictivas basadas en
ecuaciones diferenciales ordinarias, se fortalece la capacidad del sistema de salud para
diseñar tratamientos más eficaces y racionales.
En conjunto, esta investigación contribuye al desarrollo de una oncología cuantitativa,
en la cual los modelos matemáticos no solo describen la realidad biológica, sino que
también validan, predicen y apoyan las decisiones terapéuticas en el tratamiento del
cáncer.