Machine learning identification parameter for the interaction of solid tumor and CAR T-cells in CARRGO model

La terapia con células T CAR representa un avance revolucionario en inmunoterapia; sin embargo, la compleja dinámica entre los linfocitos T y las células tumorales dificulta la evaluación clínica tradicional. Este trabajo propone un marco computacional híbrido que integra el modelo mecanicista CARRGO con el aprendizaje automático para cuantificar las interacciones tumor-efector. Mediante ecuaciones diferenciales que consideran el crecimiento logístico y la capacidad de carga, el modelo caracteriza el equilibrio entre la eficacia citotóxica y el agotamiento de las células T CAR. Se entrena un modelo de inferencia neuronal profunda para mapear las características de las series temporales experimentales directamente a los parámetros dinámicos latentes que rigen el sistema. Este enfoque permite identificar parámetros específicos del paciente a partir de la evolución tumoral observada, proporcionando una herramienta robusta para predecir escenarios clínicos y optimizar protocolos de tratamiento personalizados en tumores sólidos.