Model matematyczny pozwoli zoptymalizować terapię onkologiczną Dr Jan Poleszczuk – Instytut Biocybernetyki i Inżynierii Biomedycznej im. Macieja Nałęcza PAN Pańskie matematyczne modele skutecznych terapii antyrakowych mogą budzić nadzieję wielu pacjentów. Czy chorzy szukają u pana pomocy? – Po nagrodzie „Polityki” przyszło do mnie kilka mejli. Zrozumiałem wtedy, dlaczego lekarze onkolodzy nie upowszechniają swoich danych kontaktowych. Co pan odpowiadał? – Mówiłem, że na obecnym etapie medycyna jeszcze nie korzysta z takich modeli matematycznych, ale że onkologia dobrze sobie radzi, zwłaszcza jeśli nowotwór jest wykryty we wczesnym stadium. Że rak to nie wyrok śmierci. To są wciąż prace badawcze, bez nadziei na rychłe wdrożenie? – Sądzę, że korzystanie z takich modeli to nieodległa przyszłość. Są na razie pierwsze próby. Materiałów z badań jest mnóstwo, ale np. wyniki stosowania rozmaitych terapii nie zawsze dają odpowiedź na wszystkie pytania, np. dlaczego terapia działa najpierw bardzo powoli, dlaczego korzystne rezultaty następują dopiero po jakimś czasie. Teraz np. łączy się różne leki, ale jak i kiedy je połączyć, od którego zacząć itd. – nie zawsze jest oczywiste. Lekarze kierują się doświadczeniem, czasem przeczuciem. Przekazują nam różne dane kliniczne, są też dane z badań na zwierzętach. Zbieramy rozmaite wyniki liczbowe, są próbki krwi, tkanki, obrazy i na tej podstawie, wykorzystując metody matematyczne i statystyczne, tworzy się model opisujący jakąś terapię w czasie jej trwania. Cel jest również taki, aby obserwując stan pacjenta na określonym etapie terapii, móc przewidzieć, jak potoczą się losy, jak przyśpieszyć leczenie, jak je zakończyć, aby nie było nawrotów choroby, jakie dawki stosować, by nie uszkodzić zdrowych tkanek itd. Dlaczego takie modele jeszcze nie weszły do praktyki klinicznej? – Trzeba je maksymalnie dopracować, aby szybkość przeliczania danych była zadowalająca, aby były jak najbardziej precyzyjne i uwzględniały możliwie najwięcej przypadków. Model matematyczny być może nie opisuje sytuacji szczególnych, np. leczenia nowotworu bardzo zaawansowanego, z dużą liczbą przerzutów itd. Występują też określone problemy z wykorzystaniem danych np. z radioterapii. Trudno je niekiedy wydobyć i przeanalizować. Możliwości techniczne radioterapii dzięki postępowi w tej dziedzinie i nowym urządzeniom przerosły na razie zdolności obecnie istniejących modeli matematycznych. Lekarze radioterapeuci zbierają dużo danych obrazowych z dokonywanych zabiegów i z badania pacjentów. Są one wciąż do wykorzystania, jeśli znajdą się narzędzia do ich analizy. Natrafiam też na problemy natury organizacyjnej. Na czym one polegają? – Nie ceni się u nas wysoko badań interdyscyplinarnych. Trudno więc uzyskać poparcie dla projektu badawczego czy wniosku o grant, bo dla matematyków jest on zbyt biologiczny, a dla biologów czy lekarzy zbyt matematyczny. W Polsce uważa się, że nobilitująca naukowca jest czystość uprawianej dyscypliny, a ja jako matematyk nie rozwijam najnowocześniejszych narzędzi matematycznych, staram się natomiast wykorzystać znane sposoby do opisywania zjawisk zachodzących w organizmie ludzkim w trakcie terapii. Popularyzacji pańskich prac badawczych i stosowanych narzędzi służy angielskojęzyczny blog Compute Cancer. Czy ta forma komunikacji z zainteresowanymi przynosi jakieś efekty? – W mojej działalności jest to narzędzie pomocnicze, odbiera zresztą czas potrzebny na właściwą pracę badawczą. Jednak rezultaty są. Dzięki blogowi nawiązałem kontakt z kliniką NCT w Heidelbergu. Zainteresowali się modelem jednej z terapii, pytali, czy może on działać szybciej. Zastanawiamy się nad tym wspólnie. Nawiązałem też kontakt z warszawskim Centrum Onkologii. Główna praca to jednak doskonalenie stworzonych modeli i znalezienie dla nich właściwych narzędzi matematycznych oraz informatycznych. Zdarzało się, że podczas mojego pobytu w ośrodku badawczym w USA ilość danych wprowadzona do modelu blokowała działanie dostępnych komputerów. Zauważyłem, że na blogu zastanawia się pan, który język programowania byłby najlepszy do pracy z poszczególnymi modelami terapii antyrakowych. – Ważne jest nie tylko to, czy model stosowania terapii jest dobrze skonstruowany, ale również jakie oprogramowanie i jaki język wybrać, aby można było szybko wprowadzić dane i wszystko przeliczało się bez zakłóceń. Myślę, że Python najlepiej spełnia wymagania takich modeli. Julia jest bardziej sophisticated, wydaje się bardzo szybka, ale jestem za stary, by się jej uczyć. Za stary? W wieku 31 lat? – Pracuję nad modelami
