[論文レビュー] A Systematic Review of the Efforts and Hindrances of Modeling and Simulation of CAR T-cell Therapy

Ujwani Nukala, Marisabel Rodriguez Messan+3 more|arXiv (Cornell University)|Jan 13, 2021

CAR-T cell therapy research参考文献 67被引用数 5

ひとこと要約

本システマティックレビューは、CAR T細胞療法の既存の数学的・統計的・計算モデルを統合し、その手法、データソース、強み、制限要因を評価している。モデル開発における主な課題（例：データ不足、モデルの複雑さ）を特定し、今後のCAR T療法における予測精度および利益対リスク評価を向上させるためのロードマップを提示している。

ABSTRACT

Chimeric Antigen Receptor (CAR) T-cell therapy is an immunotherapy that has recently become highly instrumental in the fight against life-threatening diseases. A variety of modeling and computational simulation efforts have addressed different aspects of CAR T therapy, including T-cell activation, T- and malignant cell population dynamics, therapeutic cost-effectiveness strategies, and patient survival analyses. In this article, we present a systematic review of those efforts, including mathematical, statistical, and stochastic models employing a wide range of algorithms, from differential equations to machine learning. To the best of our knowledge, this is the first review of all such models studying CAR T therapy. In this review, we provide a detailed summary of the strengths, limitations, methodology, data used, and data lacking in current published models. This information may help in designing and building better models for enhanced prediction and assessment of the benefit-risk balance associated with novel CAR T therapies, as well as with the data collection essential for building such models.

研究の動機と目的

• CAR T細胞療法のモデリングおよびシミュレーション手法を包括的にリスト化・評価すること。
• 数学的・統計的・機械学習モデルの間で、メソドロジー上の強みと制限を特定すること。
• 予測精度を阻害するモデル入力における重要なデータギャップや一貫性の欠如を浮き彫りにすること。
• 規制意思決定および臨床的翻訳を支援するより強固なモデル設計のためのフレームワークを提供すること。
• 信頼性があり臨床的に関連性のあるCAR T細胞動態モデルを構築するために不可欠な、今後のデータ収集活動をガイドすること。

提案手法

• 2021年3月までに発表されたCAR T細胞療法モデリングに関する査読付き論文を対象としたシステマティックレビューを実施した。
• モデルの種別（常微分方程式、確率過程、エージェントベースモデル、機械学習アルゴリズム）で分類した。
• 各モデルを、手法、データソース、仮定、妥当性評価手法、報告された結果の観点から評価した。
• 複数の研究にわたる共通する課題（モデル開発およびデータ可用性の面で）を統合的に分析した。
• 患者の生存、T細胞の増幅、治療効果予測の観点から、モデルの臨床的翻訳可能性を評価した。
• 異なる疾患状況におけるモデルの性能、複雑さ、臨床的関連性を体系的に比較した。

実験結果

リサーチクエスチョン

• RQ1 CAR T細胞療法のダイナミクスをシミュレートするために開発された数学的・計算モデルの種類は何か？
• RQ2 現在のCAR T細胞モデリングにおいて主に使用されているデータソースは何か。また、欠落している重要なデータは何か？
• RQ3 モデルの仮定や単純化は、予測の信頼性および臨床的関連性にどのように影響を及えるか？
• RQ4 規制的および臨床的意思決定におけるモデルの採用を妨げる主なメソドロジー上の制限要因は何か？
• RQ5 より良いデータ収集と標準化された妥当性評価フレームワークを通じて、今後のモデリング活動をどのように改善できるか？

主な発見

• ODE、確率的モデル、機械学習を含む幅広いモデリングアプローチがCAR T細胞療法に適用されており、その中でODEが最も一般的である。
• 多くのモデルが、T細胞の持続性、腫瘍負荷、免疫マイクロ環境との相互作用といった分野で、限定的または前臨床的データに依存している。
• T細胞の増殖、活性化閾値、サイトコインダイナミクスに関する仮定において、顕著なばらつきが見られた。
• 予測力が実臨床結果に適応できるようにするために、臨床試験データとの妥当性評価が行われたモデルは少数にとどまっている。
• 患者固有の免疫状態や腫瘍のヘテロジニアシティといった分野におけるデータ不足が、モデルの正確性を阻害する主要な障壁である。
• 本レビューは、規制的および臨床的現場でのモデルの有用性を高めるために、標準化されたデータ収集およびモデル妥当性評価フレームワークの構築が明確に必要であると指摘している。