脑肿瘤是一组具有不同组织病理学和分子特征的颅内恶性肿瘤[1,2]。它们的预后和治疗反应因肿瘤类型、解剖位置和细胞分化程度而异[1],[2],[3]。其中，多形性胶质母细胞瘤（GBM）是一种WHO IV级星形细胞瘤，仍然是最致命的中枢神经系统肿瘤，对传统疗法表现出明显的抗性[1,2,4,5]。其病理生物学特征包括异常的血管生成、升高的间质压力和密集的细胞外基质，所有这些都会影响药物递送和治疗的均匀分布[5],[6],[7],[8]。
标准治疗基于最大安全切除术，随后进行放疗和化疗[2]。先进的神经外科技术如荧光引导切除、术中导航和清醒开颅术已经改善了治疗效果，但几乎所有病例都会复发。辅助治疗方法包括立体定向放射外科、对流增强递送和激光间质热疗，但这些方法仍受到肿瘤内渗透性差、肿瘤覆盖不理想以及难以控制肿瘤组织内剂量递送的挑战[9],[10],[11]。这些限制凸显了需要能够实现适当肿瘤内渗透并提供精确可控剂量的策略。
磁热疗法（MHT）在这种情况下成为一种有前景的辅助手段。通过将超顺磁性氧化铁纳米粒子（SPIONs）暴露在交变磁场中，可以实现局部加热[12],[13],[14],[15],[16]。当这些纳米粒子被注射到肿瘤内时，它们通过布朗运动和内尔弛豫散发热量，使肿瘤内温度升高到约42–45°C[12,15,17,18]。这种热应力会破坏蛋白质稳定性，干扰细胞稳态并触发细胞凋亡，同时保护周围组织[19],[20],[21],[22]。临床前研究证实了MHT与放疗和替莫唑胺化疗的协同效应，尽管在血管不规则的肿瘤中实现理想的纳米粒子分布以及在优化剂量以平衡治疗效果和长期安全性方面仍存在挑战[14,17,[23],[24],[25]。计算流体动力学（CFD）在模拟生物组织中的纳米粒子传输方面发挥了关键作用，有助于优化注射策略和磁场设置，从而改善治疗效果[14,17,[25],[26],[27]。这些方法已扩展到多物理场有限元框架中，结合了间质传输、纳米粒子动力学和生物热传递，包括对坏死区域和血管效应的显式处理，正如Sefidgar等人所展示的[28]。然而，传统的数值建模在应用于结构不规则和异质性的肿瘤时面临显著的计算挑战。昂贵的网格划分、漫长的计算时间以及难以实现数值收敛性限制了其在实时治疗计划中的实用性[25],[29],[30],[31],[32]。
物理信息神经网络（PINNs）作为一种有吸引力的替代方案应运而生，它将物理定律与深度学习相结合，提供了无网格、数据高效的复杂现象建模解决方案[33],[34],[35],[36],[37]。与传统求解器不同，PINNs利用深度学习来近似解，同时通过自动微分强制执行物理定律，将数据驱动组件和控制方程整合到损失函数中。这种方法确保即使训练数据有限或稀疏，解也具有物理意义。PINNs为建模复杂的生物医学系统提供了强大而灵活的框架，特别适合推进癌症治疗策略。通过将物理定律与患者特定数据相结合，PINNs能够准确模拟肿瘤生长动态、热分布和细胞反应。它们捕捉多物理相互作用（如声波传播、生物热传递和坏死组织演变）的能力，使其适用于使用聚焦超声进行热疗建模[38],[39],[40],[41],[42],[43],[44]。PINNs在模拟细胞外空间中的分子和纳米粒子传输方面也显示出巨大潜力，这对优化磁热治疗至关重要[39,42,[44],[45],[46]。此外，它们还可以结合生理约束，提高肿瘤生长建模的准确性[39,42,47]，预测热处理组织中的温度场[38],[39],[40],[41],[42],[43],[44]，并增强生物医学成像的解释能力，从而改善肿瘤特征和治疗监测[33,35,43,47,49]。它们无网格的架构和数据效率解决了传统数值求解器的许多限制，支持实时临床决策和个人化治疗计划[33],[34],[35],[36],[37],[38],[40,50]。然而，PINNs的准确性和鲁棒性可能受到问题特定复杂性的影响，这突显了系统优化模型参数的必要性，以确保可靠和具有临床意义的预测[51,52]。
本研究推进了PINNs作为磁热疗法新型计算框架的应用，解决了传统建模方法固有的局限性。在此基础上，我们引入了一种基于遗传优化的物理信息神经网络（GA-PINN），该网络可以直接求解生物热传递方程，其控制参数与纳米粒子传输、达西流动和阿伦尼乌斯损伤动力学动态耦合。开发的GA-PINN框架已被用于模拟多部位纳米粒子注射策略，旨在通过提高肿瘤内的热均匀性和肿瘤边缘的覆盖范围来改进现有的单次注射模型。这项工作的另一个关键创新是将施加磁场的幅度-频率乘积（一个受安全限制但决定纳米粒子能量吸收和细胞毒性加热的因素）整合到PINN框架中。研究了纳米粒子剂量、磁场和注射策略的综合影响，以阐明这些条件如何影响肿瘤内的加热和坏死进展。
