[논문 리뷰] A Systematic Review of the Efforts and Hindrances of Modeling and Simulation of CAR T-cell Therapy

Ujwani Nukala, Marisabel Rodriguez Messan외 3명|arXiv (Cornell University)|2021. 01. 13.

CAR-T cell therapy research참고 문헌 67인용 수 5

한 줄 요약

이 체계적 리뷰는 기존의 수학적, 통계적, 계산 모델을 종합적으로 분석하여 CAR T세포 치료의 방법론, 데이터 출처, 강점 및 한계를 평가한다. 모델 개발의 핵심 과제인 데이터 부족과 모델의 복잡성 문제를 규명하고, 향후 CAR T 치료의 예측 정확도 향상과 복잡한 복리 평가를 위한 길잡이를 제시한다.

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.

연구 동기 및 목표

• CAR T세포 치료를 위한 기존의 모델링 및 시뮬레이션 접근법을 종합적으로 정리하고 평가하는 것.
• 수학적, 통계적, 기계학습 모델 간의 방법론적 강점과 한계를 규명하는 것.
• 모델 예측 정확도를 저해하는 주요 입력 데이터 격차와 일관성 없는 점을 부각하는 것.
• 규제 의사결정 및 임상 적용을 지원하기 위한 더 견고한 모델 설계를 위한 프레임워크를 제공하는 것.
• 신뢰할 수 있고 임상적으로 관련성이 있는 CAR T세포 동역학 모델을 구축하기 위해 필수적인 향후 데이터 수집 노력을 이끌어내는 것.

제안 방법

• 2021년 3월 이전에 출판된 CAR T세포 치료 모델링에 관한 동료 심사 논문을 대상으로 체계적 문헌 검토를 수행하였다.
• 모델 유형별로 분류: 상미분방정식, 확률적 과정, 에이전트기반 모델, 기계학습 알고리즘.
• 모든 모델을 방법론, 데이터 출처, 가정, 검증 방법 및 보고된 결과 기준으로 평가하였다.
• 다수의 연구에서 공통적으로 나타나는 모델 개발 및 데이터 가용성 과제를 식별하기 위해 연구 결과를 종합하였다.
• 환자의 생존, T세포 확장, 치료 효과성 예측 가능성을 고려한 모델의 임상적 전환 가능성 평가를 수행하였다.
• 다양한 질환 맥락에서 모델 성능, 복잡성, 임상적 관련성 간의 체계적 비교를 제공하였다.

실험 결과

연구 질문

• RQ1 CAR T세포 치료 동역학을 시뮬레이션하기 위해 개발된 주요 수학적 및 계산 모델의 유형은 무엇인가요?
• RQ2 현재 CAR T세포 모델링에서 주로 사용되는 주요 데이터 출처는 무엇이며, 무엇이 부족한가요?
• RQ3 모델의 가정과 단순화가 예측의 신뢰성과 임상적 관련성에 어떤 영향을 미치나요?
• RQ4 모델의 규제 및 임상 의사결정에의 도입을 저해하는 주요 방법론적 한계는 무엇인가요?
• RQ5 향후 모델링 노력은 더 나은 데이터 수집과 표준화된 검증 프레임워크를 통해 어떻게 향상시킬 수 있나요?

주요 결과

• 상미분방정식, 확률적 모델, 기계학습 등 다양한 모델링 접근법이 CAR T세포 치료에 적용되었으며, 그 중 상미분방정식이 가장 널리 사용되었다.
• 많은 모델이 T세포 지속성, 종양 부하, 면역 미세환경 상호작용에 관해 제한적이거나 전임상 데이터에 의존하고 있다.
• 특히 T세포 증식, 활성화 임계값, 사이토카인 동역학에 관해 모델의 가정이 상당한 변동성을 보였다.
• 예측 정확도가 실제 임상 결과에 적용되기 위해선 임상 시험 데이터로 검증된 모델이 소수에 그치며, 이는 그 예측 능력을 제한한다.
• 환자별 면역 상태 및 종양 이질성과 같은 핵심 분야에서의 데이터 부족은 모델 정확도 향상에 있어 주요 장벽으로 남아 있다.
• 모델의 유용성을 규제 및 임상 현장에서 향상시키기 위해 표준화된 데이터 수집 및 모델 검증 프레임워크가 명백히 필요하다는 점이 규명되었다.