近日，一份发表在《Nature Scientific Reports》的研究称，约翰·霍普金斯大学医学研究人员开发了一种类似于“谷歌地图”的方法，可以更准确地计算和可视化肿瘤生长所需的结构和功能性血管变化。通过将来自动物模型的肿瘤标本的高质量3D成像数据与复杂的数学公式配对，研究人员表示，他们现在拥有一个能够准确表示肿瘤内血液流量的模型，包括复杂的血流量，氧合作用和发生的结构变化。

　　该研究的负责人Arvind Pathak博士表示，该项目的开发是为了解决癌症生物学在生长和发展肿瘤中的复杂性。他认为需要更好的预测模型，因为许多现有模型采用了肿瘤血管复杂几何形状的基本近似。

　　“肿瘤'微环境'的不良表现使模型和基于它们的研究不太准确。所以我想，我如何利用我的成像专业知识来改善建模人员可用的信息？”帕特哈克说，约翰斯霍普金斯大学医学院放射学和生物医学工程副教授，约翰霍普金斯吉梅尔癌症中心的成员。

　　为了创建更准确地反映肿瘤结构和行为的模型，他的研究小组将小鼠与人乳腺肿瘤细胞一起植入，并使用3D磁共振显微镜和微CT成像对所得肿瘤进行成像。这些高分辨率3D图像提供了有关肿瘤体积和血管网络结构的详细信息。

　　通过绘制潜在的血管结构，Pathak和他的研究小组搜索了科学文献，以找到这些结构在生命系统中可能表现的信息。具体而言，他们搜索的研究包括测量血管，血流量和血管容量，与血管中的血管相似。

　　利用这些信息，该小组与约翰斯·霍普金斯大学医学院生物医学工程系的亚历山大·波普尔系统生物学实验室合作开发了一套数学公式，旨在代表肿瘤的这些方面。他们通过将以前发表的研究数据与他们收集的信息相结合来做到这一点。

　　“基于图像的模型包含数千个关于预测血流和整个肿瘤血管内氧合的数据点，”Pathak说。

　　该小组的下一个挑战是使他们收集的信息易于查看和理解，就像基于网络的地理地图可以很容易地看到并覆盖不同类型的有用信息，如旅行时间，交通活动，弯路和平均速度。

　　作者称，该团队计划将这些图像免费提供给科学界用于研究。该模型可以是交互式的，因此用户可以改变诸如血管宽度的参数，以观察对血流的影响以及对肿瘤的药物或其他治疗的递送。

　　该方法尚未直接适用于人类肿瘤。但是，Pathak说，“由于我们在诊所获得高分辨率图像的能力有所提高，我们希望这种工具能够被用来提供一种非侵入性的方法来预测患者癌症的行为并定制他们的治疗方法。”