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

In de microscopische wereld van het menselijk lichaam zijn weefsels geen statische landschappen, maar actieve slagvelden waar cellen voortdurend hun buren beoordelen. Gezonde cellen bezitten een aangeboren vermogen om hun zwakkere of beschadigde tegenhangers te herkennen en te elimineren, een biologisch proces dat celcompetitie wordt genoemd. Dit mechanisme fungeert als een natuurlijk verdedigingssysteem, met name in de huid en de bekleding van organen, waar het helpt bij het voorkomen van de vorming van tumoren door cellen die beginnen te veranderen naar buiten te duwen. Decennialang hebben wetenschappers geprobeerd te begrijpen hoe deze strijd zich afspeelt met behulp van wiskundige modellen. De meeste van deze modellen beschouwden de interactie als een vaststaand spel, waarbij werd aangenomen dat de regels van de strijd en de kracht van de verdediging van de gezonde cellen nooit veranderden, ongeacht hoeveel kankercellen aanwezig waren. Echter, echte biologische systemen zijn vloeiend; de omgeving verandert, populaties groeien en krimpen, en de druk op een cel verandert afhankelijk van de omgeving. Dit statische beeld heeft er moeite mee gehad om uit te leggen waarom tumoren bij verschillende mensen met verschillende snelheden groeien of waarom behandelingen voor sommige patiënten wel werken en voor anderen niet.

Een nieuwe studie door Alireza Ebadi en Maryam Hashemi stelt een andere manier voor om naar dit conflict te kijken, waarbij ze bewegen van vaste regels naar een dynamisch kader dat verandert naarmate de strijd zich ontvouwt. In plaats van aan te nemen dat de verdedigingskracht van de gezonde cellen constant is, bouwden de onderzoekers een computersimulatie waarbij het vermogen van gezonde cellen om terug te vechten direct afhangt van de ratio tussen gezonde en kankercellen op elk gegeven moment. Ze noemen dit een populatieafhankelijke evenwicht, wat betekent dat de "regels" van het spel zichzelf bijwerken op basis van wie er op dat specifieke moment wint of verliest. Om dit idee te testen, creëerden het team een digitale model van weefsel, een raster dat een stukje huid of een orgaanbekleding voorstelt, en bevolkten dit met gezonde cellen en kankercellen. Ze keken hoe deze virtuele cellen in de loop van de tijd met elkaar interacteerden, waarbij ze de gezonde cellen de ruimte gaven om hun verdedigingsstrategieën te leren en aan te passen op basis van de veranderende aantallen van hun vijanden, vergelijkbaar met een populatie die haar gedrag aanpast als reactie op een verschuivende dreiging.

De onderzoekers voerden duizenden simulaties uit om te zien hoe verschillende factoren de uitkomst beïnvloedden. Ze introduceerden diverse medicijnen en dieetfactoren in het model om te zien of ze de schaal weer in het voordeel van het gezonde weefsel konden doen doorslaan. In de simulaties waren de gezonde cellen niet passief; ze duwden actief tegen de kankercellen aan, en hun succes hing af van hoeveel van hen er nog over waren om te vechten. De studie vond dat wanneer het model met rust werd gelaten, zonder enige interventie, de kankercellen uiteindelijk de overhand kregen, de gezonde cellen terugdrongen en hun territorium uitbreidden. Dit resultaat weerspiegelde de natuurlijke progressie van tumoren in afwezigheid van behandeling, wat bevestigde dat het model op een realistische manier functioneerde. Echter, toen de onderzoekers specifieke stoffen introduceerden, veranderde de uitkomst drastisch. Ze testten zeven verschillende medicijnen, waaronder aspirine en een verbinding genaamd VC1-8, naast vijf dieetfactoren zoals een hoge suikerinname en roken.

De resultaten toonden een duidelijke hiërarchie van effectiviteit. Onder de medicijnen waren VC1-8 en aspirine het meest succesvol in het helpen van de gezonde cellen om hun positie te behouden. In de simulaties waar deze medicijnen aanwezig waren, behielden de gezonde cellen een grotere populatie, en werden de kankercellen in toom gehouden, niet in staat zich even agressief uit te breiden. Het model suggereerde dat deze medicijnen werkten door de verdedigingskracht van de gezonde cellen te versterken, waardoor ze effectiever werden in het elimineren van hun kankervolle buren. Daarentegen hadden de dieetfactoren het tegenovergestelde effect. Een hoge suikerinname en roken waren de meest krachtige drijfveren voor kankergroei in de simulatie, waardoor de kankercellen snel expandeerden en de gezonde cellen tot de rand van uitsterving dreven. De studie onderzocht ook wat er gebeurde wanneer medicijnen en slechte diëten werden gecombineerd. De simulaties onthulden dat een gezond dieet en effectieve medicijnen elkaar gedeeltelijk konden opheffen, terwijl een slecht dieet de voordelen van medicatie kon ondermijnen. Dit suggereert dat de omgeving waarin de cellen zich bevinden net zo cruciaal is als de behandeling zelf.

Een van de meest significante aspecten van dit werk is hoe het het concept van leren behandelt. De onderzoekers programmeerden de cellen niet simpelweg om een vast script te volgen; ze lieten het systeem zijn begrip van de situatie bijwerken naarmate de simulatie vorderde. Ze gebruikten een methode genaamd Bayesiaans leren, wat een manier is om overtuigingen bij te werken op basis van nieuw bewijs, om bij te houden hoe de verdedigingsstrategieën van de cellen evolueerden. Terwijl de simulatie liep, kwam de interne schatting van het model van de verdedigingskracht geleidelijk in overeenstemming met de werkelijke populatieaantallen, wat aantoonde dat het systeem inderdaad leerde van de omgeving in plaats van alleen een vooraf geschreven regel te volgen. Deze dynamische benadering stelde de onderzoekers in staat om te zien dat de balans tussen gezonde en kankercellen geen vast punt is, maar een bewegend doelwit dat verschuift met elke interactie. De studie bevestigde dat onder een breed scala aan omstandighedenheden dit nieuwe kader stabiel bleef, wat betekent dat de competitie tussen de twee celtypen langdurig kan voortbestaan zonder dat één zijde de andere onmiddellijk wegvaagt, een scenario dat overeenkomt met de langzame, complexe progressie van echte tumoren.

De onderzoekers merkten zorgvuldig op dat deze bevindingen voortkomen uit computersimulaties, en niet uit directe experimenten op menselijke patiënten of dieren. De getallen die zij gebruikten voor de manier waarop verschillende medicijnen en voedingsmiddelen de cellen beïnvloeden, zijn geschat op basis van bestaande wetenschappelijke literatuur, en niet gemeten in hun eigen laboratorium. Dit betekent dat hoewel de rangorde van welke medicijnen het beste werken en welke voedingsmiddelen het slechtst zijn waarschijnlijk accuraat is op basis van de gebruikte gegevens, de exacte getallen aangepast moeten worden zodra er real-world metingen beschikbaar zijn. Het model vereenvoudigde ook de complexe driedimensionale structuur van menselijk weefsel tot een plat, tweedimensionaal raster, wat een noodzakelijke stap is voor dit type berekening, maar mogelijk niet elk detail vangt van hoe tumoren het lichaam binnendringen. Ondanks deze beperkingen biedt de studie een krachtig nieuw instrument om over kanker na te denken. Door de tumor en het gezonde weefsel te behandelen als een dynamisch systeem waarbij de regels veranderen op basis van de populatie, hebben de onderzoekers een manier geboden om te testen hoe verschillende combinaties van behandelingen en levensstijlkeuzes samen kunnen werken.

Deze benadering suggereert dat gepersonaliseerde kankertherapie baat kan hebben bij het bekijken van het hele plaatje, inclusclusief het dieet van de patiënt en de specifieke mix van medicijnen die zij ontvangen. Als een patiënt een krachtig medicijn neemt maar ook een dieet consumeert dat kankergroei sterk bevordert, kan het medicijn minder effectief zijn dan verwacht. Het model voorspelt dat het controleren van deze omgevingsfactoren essentieel is voor de effectiviteit van de behandeling. De studie beweert niet kanker te hebben opgelost of een nieuw geneesmiddel te hebben ontdekt, maar het biedt een helderdere, flexibelere manier om de strijd tussen gezonde en kankercellen te begrijpen. Het gaat voorbij aan het idee van een statische strijd met vaste winnaars en verliezers, en laat in plaats daarvan zien dat de uitkomst afhangt van een voortdurende, verschuivende onderhandeling tussen de twee populaties. Voor wetenschappers en artsen betekent dit dat toekomstige behandelingen niet alleen afgestemd moeten worden op de genetische opbouw van de tumor, maar ook op de dynamische omgeving waarin de tumor leeft, waarbij strategieën worden aangepast naarmate de populatie van cellen in de loop van de tijd verandert.