انتخاب و بهینه سازی استراتژیهای درمان برای سرطان ، مستلزم درک دینامیک پیچیده آن بدن غرق شدن در آن است ، مدل های ریاضی برای دستیابی به اهداف لازم و ضروری هستند . در این راستا و به منظور رسیدن به یک مدل پاسخگو باید در مورد چالش انتخاب سطح مناسب از پیچیدگی برای دست یابی به طیق گسترده ای از پیچیدگی های تومور شامل رشد ، ناهمگنی و فعل انفعالات بین تومورها با درمان ها و ریز محیط تومور باید بحث وبررسی کرد هدف هدف قرار دادن ریز محیط تومور روش های مختلف ایمنی درمان سرطان را شکل می دهد در ریز محیط تومور ها با یکدیگر یک فضایی رقابتی ایجاد کرده و مکانیسم های سلولی مختلفی به وجود می آورند .حال می توان این مکانیسم های سلولی را به صورت مجرد و با استفاده از ابزار های دقیق ریاضی مدل سازی کرد .اگر چه یک راه کار مشخص و همواره جوابگو وجود ندارد نتیجه خواهیم گرفت که یک نفر تفکر گسترده و انعطاف پذیردر مورد سرطان بر اساس رویکرد های مدل سازی ترکیبی نقش اساسی در مورد یافتن درمان ها راهگشا بازی می کند.
Choosing and optimizing treatment strategies for cancer requires understanding the complex dynamics of the body. Mathematical models are necessary toachieve this goal. In this regard, in order to reach a responsive model, the challenge of choosing the appropriate level of complexity to achieve a wide range oftumor complications including heterogeneous growth and interactions between tumor microenvironment shapes various cancer immunotherapy methods. In thetumor microenvironment, cells create a competitive environment with each otherand create different cellular mechanisms. Now, these cellular mechanisms can bemodeled individually using precise mathematical tools. Although there is no clearand smooth solution. We will conclude that a broad and flexible thinking aboutcancer based on hybrid modeling approaches plays a fundamental role in findingbreakthrough treatments