tumor virtual: parametrización y simulación
TRANSCRIPT
Tumor Virtual: parametrización y simulación
Tumor virtual: parametrización y simulación.
Miguel Martín LandroveCentro de Física Molecular y Médica, Facultad de Ciencias, UCV
Centro de Diagnóstico Docente Las MercedesCaracas, Venezuela
Tumor Virtual: parametrización y simulación
Segmentación de las
imágenes
Análisis de escalamiento
Escogencia de modelo de crecimiento
tumoral apropiado
Optimización de plan de
tratamiento
Introducción y fundamentación
Tumor Virtual: parametrización y simulación
Parametrización. 2D in vitro.
A. Brú, J.M. Pastor, I. Fernaud, I. Brú, S. Melle, C, Berenguer, Phys. Rev. Lett. 81, 4008 (1998).
Tumor Virtual: parametrización y simulación
A. Brú, J.M. Pastor, I. Fernaud, I. Brú, S. Melle, C, Berenguer, Phys. Rev. Lett. 81, 4008 (1998).
Parametrización. 2D in vitro.
Tumor Virtual: parametrización y simulación
A. Brú, J.M. Pastor, I. Fernaud, I. Brú, S. Melle, C, Berenguer, Phys. Rev. Lett. 81, 4008 (1998).
Parametrización. 2D in vitro.
Tumor Virtual: parametrización y simulación
Parametrización. 2D in vitro.
Tumor Virtual: parametrización y simulación
Fractal Properties and Critical Exponents in Tumor, M. Martín-Landrove, D. Pereira, Ciencia, 16 (2), 203 –207 (2008)
Parametrización. 2D in vitro.
Tumor Virtual: parametrización y simulación
Fractal Properties and Critical Exponents in Tumor, M. Martín-Landrove, D. Pereira, Ciencia, 16 (2), 203 – 207(2008)
Brain Tumor Staging and Classification by Analysis of Contour Critical Exponents, M. Yánez, B. López, M. Martín-Landrove, Memorias del X Congreso Internacional de Métodos Numéricos en Ingeniería y CienciasAplicadas, CIMENICS’2010 en Modelos Computacionales en Ingeniería: Desarrollos Novedosos y Aplicaciones, R.Chacón, F. León, V. Duarte, O. Verastegui (Editores), pp. PS 115- 120, SVMNI, 2010
Parametrización. 2D in vitro.
Tumor Virtual: parametrización y simulación
Parametrización. 3D in vivo.
Tumor Virtual: parametrización y simulación
Parametrización. 3D in vivo.
Tumor Virtual: parametrización y simulación
3-D in vivo Brain Tumor Geometry Study by Scaling Analysis, F. Torres Hoyos, M. Martín-Landrove, PhysicaA, 391, 1195-1206 (2012)
Parametrización. 3D in vivo.
Tumor Virtual: parametrización y simulación
3-D in vivo Brain Tumor Geometry Study by Scaling Analysis, F. Torres Hoyos, M. Martín-Landrove, PhysicaA, 391, 1195-1206 (2012)
Parametrización. 3D in vivo.
Tumor Virtual: parametrización y simulación
3-D in vivo Brain Tumor Geometry Study by Scaling Analysis, F. Torres Hoyos, M. Martín-Landrove, PhysicaA, 391, 1195-1206 (2012)
Parametrización. 3D in vivo.
Tumor Virtual: parametrización y simulación
3-D in vivo Brain Tumor Geometry Study by Scaling Analysis, F. Torres Hoyos, M. Martín-Landrove, PhysicaA, 391, 1195-1206 (2012)
Parametrización. 3D in vivo.
Tumor Virtual: parametrización y simulación
Tipo Casos αloc r2(αloc)
Glioblastoma* 105 0.866 ± 0.054 0.999
Glioma Grado I 18 0.803 ± 0.082 0.998
Glioma Grado II 11 0.855 ± 0.072 0.998
Glioma Grado III 6 0.892 ± 0.067 0.998
Metástasis 22 0.751 ± 0.130 0.998
Neurinoma Acústico 42 0.720 ± 0.102 0.997
Meningioma 86 0.774 ± 0.093 0.998
Craniofaringioma 1 0.714 0.997
Adenoma Pituitario 7 0.751 ± 0.088 0.998
Resultados hasta el presente
Parametrización. 3D in vivo.
* The Cancer Imaging Archive, National Cancer Institute
Tumor Virtual: parametrización y simulación
Resultados hasta el presente. Gliomas.
Parametrización. 3D in vivo.
Tumor Virtual: parametrización y simulación
Resultados hasta el presente. Gliomas.
Parametrización. 3D in vivo.
Tumor Virtual: parametrización y simulación
Tissue Classification in Oncological PET/CT Images, J. Aponte, M. Martín-Landrove, XI Congreso Internacional deMétodos Numéricos en Ingeniería y Ciencias Aplicadas, CIMENICS’2012
Tumor Virtual: parametrización y simulación
Tissue Classification in Oncological PET/CT Images, J. Aponte, M. Martín-Landrove, XI Congreso Internacional deMétodos Numéricos en Ingeniería y Ciencias Aplicadas, CIMENICS’2012
Tumor Virtual: parametrización y simulación
Tumor Virtual: parametrización y simulación
0.722 - 0.7690.751 - 0.892
0.820 – 0.853
Resultados hasta el presente
Parametrización. 3D in vivo.
Tumor Virtual: parametrización y simulación
Simulación. Ecuación diferencial del modelo
Tumor Virtual: parametrización y simulación
mc 35
/10 mmcélulasbajo 13
102.1 diasalto
12102.1
diasgD díamm /100.2
23wD díamm /10
22
0c 3
/200 mmcélulas
Simulación. Parámetros del modelo de crecimiento
Tumor Virtual: parametrización y simulación
C. Cocosco, V. Kollokian, R. Kwan, and A. Evans. Brainweb : On line interface to a 3d mri simulated braindatabase. In Neuroimage, Proceedings of the Third International Conference on the Funtional Mapping ofthe Human Brain, volume 5, Copenhagen, 1997.
Simulación. Soporte del modelo de crecimiento
Tumor Virtual: parametrización y simulación
Simulación. Mapa de Difusión. Modelo Isotrópico.
Tumor Virtual: parametrización y simulación
Simulación. Criterio para la determinación de la interfaz
Tumor Virtual: parametrización y simulación
Simulación. Criterio para la determinación de la interfaz
Tumor Virtual: parametrización y simulación
Brain Tumors: A Scaling Analysis Approach, F. Torres-Hoyos, M. Martín-Landrove, XI Congreso Internacional deMétodos Numéricos en Ingeniería y Ciencias Aplicadas, CIMENICS’2012
Tumor Virtual: parametrización y simulación
Brain Tumors: A Scaling Analysis Approach, F. Torres-Hoyos, M. Martín-Landrove, XI Congreso Internacional deMétodos Numéricos en Ingeniería y Ciencias Aplicadas, CIMENICS’2012
Tumor Virtual: parametrización y simulación
Simulación. Evolución temporal del exponente de rugosidad local
Tumor Virtual: parametrización y simulación
0.413
Simulación. Glioma de bajo grado
5 años
Tumor Virtual: parametrización y simulación
0.718
Simulación. Glioma de bajo grado
20 años
Tumor Virtual: parametrización y simulación
0.445
Simulación. Glioma de alto grado
3 años
Tumor Virtual: parametrización y simulación
0.965
Simulación. Glioma de alto grado
7 años
Tumor Virtual: parametrización y simulación
Simulación. Modelo con latencia.
Radio efectivo de difusión de nutrientes y oxígeno
Células tumorales activas
Células en estado latente o
necróticas
Tumor Virtual: parametrización y simulación
Simulación. Modelo con latencia. Etapas terminales.
Tumor Virtual: parametrización y simulación
Simulación. Modelo con latencia
Tumor Virtual: parametrización y simulación
Simulación. Modelo con latencia
Tumor Virtual: parametrización y simulación
Simulación. Modelo con latencia. Comportamiento de ley de potencia.
Tumor Virtual: parametrización y simulación
Simulación. Modelo con latencia
Tumor Virtual: parametrización y simulación
Simulación. Modelo con latencia Comportamiento maligno
Comportamiento benigno
Tumor Virtual: parametrización y simulación
Conclusiones
• Los parámetros de la interfaz para las simulaciones hechas con elmodelo de reacción difusión concuerdan con los valores obtenidosde mediciones in vivo utilizando imágenes de resonancia magnéticacon contraste.
• El exponente de rugosidad local varía con el tiempo de lasimulación, lo que parece estar en concordancia con la dependenciaobservada con el grado de malignidad.
• El crecimiento no es de tipo Gompertz, sino del tipo ley de potenciacon un exponente que tiene un comportamiento no lineal en elparámetro de proliferación celular.
• El exponente de rugosidad local varía de manera no lineal con elparámetro de proliferación celular, mostrando una transición entreun régimen de comportamiento benigno a uno maligno.
Tumor Virtual: parametrización y simulación