Game Theoretic Modeling of Cancer Healthy Cell Competition: A Population Dependent Nash Equilibrium Framework

Nel mondo microscopico del corpo umano, i tessuti non sono paesaggi statici ma campi di battaglia attivi dove le cellule valutano costantemente i propri vicini. Le cellule sane possiedono una capacità innata di riconoscere ed eliminare le loro controparti più deboli o danneggiate, un processo biologico noto come competizione cellulare. Questo meccanismo funge da sistema di difesa naturale, particolarmente nella pelle e nel rivestimento degli organi, dove aiuta a prevenire la formazione di tumori espellendo le cellule che hanno iniziato a cambiare. Per decenni, gli scienziati hanno cercato di capire come si svolga questa lotta utilizzando modelli matematici. La maggior parte di questi modelli trattava l'interazione come un gioco fisso, assumendo che le regole dell'ingaggio e la forza della difesa delle cellule sane non cambiassero mai, indipendentemente da quante cellule cancerose fossero presenti. Tuttavia, i sistemi biologici reali sono fluidi; l'ambiente cambia, le popolazioni crescono e diminuiscono, e la pressione su una cellula cambia a seconda del suo ambiente circostante. Questa visione statica ha faticato a spiegare perché i tumori crescano a velocità diverse in persone diverse o perché i trattamenti funzionino per alcuni pazienti ma falliscano per altri.

Un nuovo studio di Alireza Ebadi e Maryam Hashemi propone un modo diverso di guardare a questo conflitto, allontanandosi dalle regole fisse verso un quadro dinamico che cambia mentre la battaglia si svolge. Invece di assumere che la forza della difesa delle cellule sane sia costante, i ricercatori hanno costruito una simulazione al computer in cui la capacità delle cellule sane di combattere dipende direttamente dal rapporto tra cellule sane e cancerose in qualsiasi momento. Lo chiamano un equilibrio dipendente dalla popolazione, il che significa che le "regole" del gioco si aggiornano da sole in base a chi sta vincendo o perdendo in quel momento specifico. Per testare questa idea, il team ha creato un modello digitale di tessuto, una griglia che rappresenta un lembo di pelle o il rivestimento di un organo, e lo ha popolato con cellule sane e cellule cancerose. Hanno osservato come queste cellule virtuali interagivano nel tempo, permettendo alle cellule sane di apprendere e adattare le proprie strategie di difesa in base al numero mutevole dei loro nemici, proprio come una popolazione che regola il proprio comportamento in risposta a una minaccia variabile.

I ricercatori hanno eseguito migliaia di simulazioni per vedere come diversi fattori influenzassero l'esito. Hanno introdotto vari farmaci ed elementi dietetici nel modello per vedere se potessero riportare la bilancia a favore del tessuto sano. Nelle simulazioni, le cellule sane non erano passive; spingevano attivamente contro le cellule cancerose, e il loro successo dipendeva da quante di esse rimanevano per combattere. Lo studio ha scoperto che, se il modello veniva lasciato solo, senza alcun intervento, le cellule cancerose finivano per prendere il sopravvento, respingendo le cellule sane ed espandendo il proprio territorio. Questo risultato rispecchiava la progressione naturale dei tumori in assenza di trattamento, confermando che il modello si comportava in modo realistico. Tuttavia, quando i ricercatori introducevano sostanze specifiche, l'esito cambiava drasticamente. Hanno testato sette farmaci diversi, tra cui l'aspirina e un composto chiamato VC1-8, insieme a cinque fattori dietetici come l'alto consumo di zucchero e il fumo.

I risultati hanno mostrato una chiara gerarchia di efficacia. Tra i farmaci, VC1-8 e l'aspirina sono stati i più efficaci nell'aiutare le cellule sane a mantenere la propria posizione. Nelle simulazioni in cui erano presenti questi farmaci, le cellule sane mantenevano una popolazione più numerosa e le cellule cancerose venivano tenute a bada, incapaci di espandersi in modo aggressivo. Il modello suggeriva che questi farmaci funzionassero potenziando la forza difensiva delle cellule sane, rendendole più efficaci nell'eliminare i loro vicini cancerosi. Al contrario, i fattori dietetici avevano l'effetto opposto. L'alto consumo di zucchero e il fumo sono stati i motori più potenti della crescita del cancro nella simulazione, causando l'espansione rapida delle cellule cancerose e spingendo le cellule sane sull'orlo dell'estinzione. Lo studio ha anche esplorato cosa accadesse combinando farmaci e diete scorrette. Le simulazioni hanno rivelato che una dieta sana ed un farmaco efficace potevano parzialmente annullarsi a vicenda, mentre una cattiva dieta poteva minare i benefici della medicazione. Ciò suggerisce che l'ambiente in cui esistono le cellule è critico tanto quanto il trattamento stesso.

Uno degli aspetti più significativi di questo lavoro è il modo in cui gestisce il concetto di apprendimento. I ricercatori non si sono limitati a programmare le cellule affinché seguissero un copione prestabilito; hanno permesso al sistema di aggiornare la propria comprensione della situazione con il progredire della simulazione. Hanno utilizzato un metodo chiamato apprendimento Bayesiano, che è un modo per aggiornare le convinzioni sulla base di nuove prove, per tracciare l'evoluzione delle strategie di difesa delle cellule. Mentre la simulazione procedeva, la stima interna del modello della forza difensiva si allineava gradualmente ai numeri effettivi della popolazione, dimostrando che il sistema stava effettivamente imparando dall'ambiente piuttosto che limitarsi a seguire una regola pre-scritta. Questo approccio dinamico ha permesso ai ricercatori di vedere che l'equilibrio tra cellule sane e cancerose non è un punto fisso, ma un bersaglio mobile che si sposta con ogni interazione. Lo studio ha confermato che, sotto una vasta gamma di condizioni, questo nuovo quadro rimaneva stabile, il che significa che la competizione tra i due tipi di cellule poteva persistere per molto tempo senza che una parte eliminasse immediatamente l'altra, uno scenario che corrisponde alla lenta e complessa progressione dei tumori reali.

I ricercatori sono stati attenti a sottolineare che queste scoperte derivano da simulazioni al computer, non da esperimenti diretti su pazienti umani o animali. I numeri utilizzati per indicare come diversi farmaci e alimenti influenzino le cellule sono stati stimati dalla letteratura scientifica esistente, non misurati nel loro laboratorio. Ciò significa che, sebbene la classifica di quali farmaci funzionino meglio e quali alimenti siano peggiori sia probabilmente accurata in base ai dati utilizzati, i numeri esatti potrebbero necessitare di aggiustamenti una volta disponibili le misurazioni del mondo reale. Il modello ha anche semplificato la complessa struttura tridimensionale del tessuto umano in una griglia piatta bidimensionale, il che è un passaggio necessario per questo tipo di calcolo ma potrebbe non catturare ogni dettaglio di come i tumori invadano il corpo. Nonostante queste limitazioni, lo studio offre un potente nuovo strumento per pensare al cancro. Trattando il tumore e il tessuto sano come un sistema dinamico in cui le regole cambiano in base alla popolazione, i ricercatori hanno fornito un modo per testare come diverse combinazioni di trattamenti e scelte di stile di vita possano lavorare insieme.

Questo approccio suggerisce che la terapia oncologica personalizzata potrebbe beneficiare di una visione d'insieme, includendo la dieta del paziente e la specifica combinazione di farmaci che riceve. Se un paziente sta assumendo un farmaco potente ma consuma anche una dieta che promuove fortemente la crescita del cancro, il farmaco potrebbe essere meno efficace del previsto. Il modello prevede che il controllo di questi fattori ambientali sia essenziale affinché il trattamento funzioni. Lo studio non sostiene di aver risolto il problema del cancro o di aver scoperto una nuova cura, ma offre un modo più chiaro e flessibile per comprendere la lotta tra cellule sane e cancerose. Si allontana dall'idea di una battaglia statica con vincitori e perdenti fissi, mostrando invece come l'esito dipenda da una negoziazione continua e mutevole tra le due popolazioni. Per scienziati e medici, ciò significa che i trattamenti futuri potrebbero dover essere adattati non solo alla composizione genetica del tumore, ma anche al dinamico ambiente in cui il tumore vive, aggiustando le strategie man mano che la popolazione cellulare cambia nel tempo.