La teoria dei giochi suggerisce una terapia contro il cancro più efficiente partendo dall’osservazione che le cellule tumorali non solo devastano il corpo, ma competono anche tra loro.

Le cellule tumorali non solo devastano il corpo, ma competono anche tra loro.

È questa l’intuizione che ha fatto pensare ai matematici di Cornell di usare la teoria dei giochi per modellare il modo in cui questa competizione potrebbe essere sfruttata per massimizzare gli effetti delle cure di trattamento del cancro al contempo minimizzando quelli negativi che le ultime hanno su tutte le altre cellule del corpo del paziente.

Esistono molti approcci della teoria dei giochi per modellizzare il modo in cui interagiscono tra loro gli uomini, i sistemi biologici, le entità economiche

ha affermato l’autore senior del documento, Alex Vladimirsky, professore di matematica al College of Arts and Sciences, che continua

perché allora non fare lo stesso con le interazioni tra diversi tipi di cellule tumorali in competizione per proliferare all’interno del tumore. Se sai esattamente come interagiscono, puoi provare a sfruttare questo per combattere meglio il cancro.

È stata usata la teoria del gioco evolutivo per modellare le interazioni di tre sottopopolazioni di cellule tumorali polmonari che si differenziano per la loro relazione con l’ossigeno: cellule glicolitiche (GLY), sovrapproduttori vascolari (VOP) e disertori (DEF).

In questo modello le cellule GLY sono anaerobiche (cioè non richiedono ossigeno); le cellule VOP e DEF usano entrambe l’ossigeno, ma solo le cellule VOP sono disposte a spendere energia extra per produrre una proteina che migliorerà la vascolarizzazione e porterà più ossigeno alle cellule.

Vladimirsky paragona la loro competizione al gioco sasso, carta, forbici in cui un milione di persone si contendono l’una contro l’altra. Se la maggior parte dei partecipanti sceglie “sasso”, un numero maggiore di giocatori sarà tentato di passare alla “carta”. Con l’aumentare del numero di persone che passano alla “carta”, sempre meno persone sceglieranno “sasso” e molte altre decideranno di giocare “forbici”. Con l’aumentare della popolarità delle “forbici”, il “sasso” diventerà di nuovo un’opzione attraente, e così via.

Quindi hai tre popolazioni, tre strategie competitive, che subiscono queste oscillazioni cicliche. Senza una terapia farmacologica, i tre sottotipi di cellule tumorali possono seguire traiettorie oscillanti simili. La somministrazione di farmaci può essere vista come una modifica temporanea delle regole del gioco.

Una domanda naturale è come e quando modificare le regole per raggiungere i nostri obiettivi a un costo minimo, sia in termini di tempo di recupero che di quantità totale di farmaci somministrati al paziente. Il principale contributo dei matematici è quello di calcolare come programmare in modo ottimale questi periodi di trattamento farmacologico. Hanno sostanzialmente sviluppato una mappa che mostra quando somministrare i farmaci in base al rapporto di diversi sottotipi di cancro.

Ma Vladimirsky avverte che, come spesso accade nella modellistica matematica, la realtà è molto più complessa della teoria. Le interazioni biologiche sono complicate, spesso casuali e possono variare da paziente a paziente.

Il nostro approccio di ottimizzazione e gli esperimenti computazionali erano tutti basati su un particolare modello semplificato di evoluzione del cancro. In linea di principio, le stesse idee dovrebbero essere applicabili anche a modelli molto più dettagliati e persino specifici per il paziente, ma siamo ancora lontani da lì. Consideriamo questo documento come un primo passo necessario sulla strada per l’uso pratico di terapia farmacologica adattiva e personalizzata. I nostri risultati sono un argomento forte per incorporare l’ottimizzazione della tempistica nel protocollo delle future sperimentazioni cliniche.

Conclude Vladimirsky.