Η διατριβή αφορά την ανάπτυξη και υλοποίηση ενός τετραδιάστατου, διακριτού μοντέλου προσομοίωσης της συμπεριφοράς καρκινικών κυτταρικών συστημάτων σε ελεύθερη ανάπτυξη και της απόκρισής τους σε χημειοθεραπευτική ή και ακτινοθεραπευτική αγωγή. Υλοποιήθηκαν δύο εκδοχές του μοντέλου: η χωρική και η μη χωρική προσέγγιση. Η χωρική προσέγγιση αναφέρεται στην τετραδιάστατη προσομοίωση συμπαγών όγκων. Η μη χωρική προσέγγιση βρίσκει εφαρμογή στην περίπτωση μη συμπαγών όγκων, καθώς και συμπαγών όγκων, όταν δεν δίνεται έμφαση στη χωρική εξέλιξή τους. Η ερευνητική εργασία έχει επικεντρωθεί σε τρεις τύπους καρκινικών όγκων: καρκίνος του μαστού, καρκίνος του πνεύμονα και πολύμορφο γλοιοβλάστωμα και σε θεραπευτικά σχήματα χορήγησης των σκευασμάτων: επιρουβικίνη (epirubicin), τεμοζολομίδη (temozolomide), σισπλατίνη (cisplatin), γεμσιταμπίνη (gemcitabine), βινορελμπίνη (vinorelbine) και δοσεταξέλη (docetaxel). Σκοπός της εργασίας είναι η ανάπτυξη ενός εργαλείου για την αξιόπιστη υποστήριξη ιατρών στη λήψη αποφάσεων σχετικά με την επιλογή θεραπευτικών σχημάτων και την εξατομικευμένη βελτιστοποίηση της θεραπευτικής αγωγής. Η αφετηρία είναι η μοντελοποίηση του κυτταρικού κύκλου και των πιθανών μεταβάσεων μεταξύ των καταστάσεων που μπορεί να βρεθεί ένα κύτταρο. Το μοντέλο βασίζεται στην υπόθεση ότι ο καρκινικός όγκος διατηρείται από μια συγκεκριμένη κατηγορία κυττάρων, τα καρκινικά βλαστικά κύτταρα (cancer stem cells), και έχει επεκταθεί ώστε να περιλαμβάνει σε μεγαλύτερη λεπτομέρεια διάφορους βιολογικούς μηχανισμούς σε μοριακό (πχ. εκφράσεις γονιδίων) και κυτταρικό επίπεδο. Ο μηχανισμός δράσης, η φαρμακοκινητική και η φαρμακοδυναμική των θεωρούμενων σκευασμάτων έχουν μελετηθεί βιβλιογραφικά και έχουν ενσωματωθεί στο μοντέλο. Επίσης, το μοντέλο έχει αναπτυχθεί ώστε να λαμβάνει υπόψη του την κλινική εικόνα του ασθενούς με χρήση εξατομικευμένων κλινικών δεδομένων, όπως απεικονιστικά δεδομένα (π.χ. CT, MRI, PET), ιστοπαθολογικά δεδομένα (π.χ. τύπος όγκου, βαθμός διαφοροποίησης) και μοριακά δεδομένα (π.χ. έκφραση γονιδίων). Στα πλαίσια της διατριβής πραγματοποιούνται έλεγχοι αξιοπιστίας και εκτενείς παραμετρικές μελέτες για την αποσαφήνιση της ευαισθησίας του μοντέλου στη διακύμανση των παραμέτρων του τόσο κατά την προσομοίωση της ελεύθερης ανάπτυξης όσο και κατά την εφαρμογή της χημειοθεραπευτικής αγωγής. Η ποσοτική αξιολόγηση, προσαρμογή και βελτιστοποίηση του μοντέλου πραγματοποιείται στα πλαίσια των ευρωπαϊκών ερευνητικών προγραμμάτων ACGT (Advancing Clinicogenomic Trials on Cancer, FP6-2005-IST-026996), ContraCancrum (Clinically Oriented Cancer Multilevel Modelling, FP7-ICT-2007-2-223979) και P-medicine (From data sharing and integration via VPH models to Personalized medicine, FP7-ICT-2009-6-270089) μέσω της αξιοποίησης πραγματικών κλινικών δεδομένων. Στην παρούσα διατριβή παρουσιάζονται τα αποτελέσματα της προσαρμογής του μοντέλου σε κλινικά δεδομένα του καρκίνου του μαστού, του καρκίνου του πνεύμονα και του πολύμορφου γλοιοβλαστώματος. Επιπλέον, διάφορες εκδόσεις του μοντέλου έχουν αξιοποιηθεί για ‘την επάνδρωση’ μιας ευρωπαϊκής βάσης μοντέλων για τον καρκίνο, που υλοποιείται στα πλαίσια του ευρωπαϊκού ερευνητικού προγράμματος TUMOR (Transatlantic Tumour Model Repositories, FP7-ICT-2009-5-247754). Το μοντέλο υλοποιείται σε γλώσσα προγραμματισμού C++. / In the present thesis, a clinically oriented, multiscale, discrete simulation model of cancer free growth and response to chemotherapy and/or radiotherapy is presented and investigated. Two versions of the model have been implemented: the spatial and the non spatial approach. The spatial model concerns the spatiotemporal evolution of solid tumours, whereas the non spatial model can be applied in the case of non solid cancers, as well as solid tumours, when no emphasis is put on the spatial features of a tumour evolution. The research work has been focused on the paradigms of early breast cancer treated with the single agent epirubicin, primary lung cancer treated with various combinations of cisplatin, gemcitabine, vinorelbin and docetaxel and glioblastoma multiforme treated with combined modality treatment using radiation and chemotherapy with temozolomide. The goal is to end up with a reliable simulation system able to assist clinicians in selecting the most appropriate therapeutic pattern, extracted from several candidate therapeutic schemes in the context of patient individualized treatment optimization. The model incorporates the biological mechanisms of cell cycling, quiescence, recruitment (reentry into the cell cycle), differentiation and death. It is based on the well documented assumption that tumour sustenance is due to the existence of cancer stem cells, i.e. cells which have the ability to preserve their own population, as well as give birth to cells that follow the path towards terminal differentiation. Furthermore, the mechanism of action, pharmacokinetics and pharmacodynamics of all considered agents have been bibliographically studied and incorporated into the model. Finally, the model has been developed to support and incorporate individualized clinical data such as imaging data (e.g. CT, MRI, PET slices, possibly fused), including the definition of the tumour contour and internal tumour regions (proliferating, necrotic), histopathologic (e.g., type of tumour) and genetic data (e.g., gene expression). An exhaustive and in-depth examination of the model behaviour with respect to the variation of its input parameters has been performed, in order to determine the impact of its parameters, guarantee a biologically relevant virtual tumour behaviour and enlighten aspects of the interplay and possible interdependencies of the biological mechanisms modeled. Finally, the model has been quantitativily validated and adaptated in the framework of the ACGT (Advancing Clinicogenomic Trials on Cancer, FP6-2005-IST-026996), ContraCancrum (Clinically Oriented Cancer Multilevel Modelling, FP7-ICT-2007-2-223979) and P-medicine (From data sharing and integration via VPH models to Personalized medicine, FP7-ICT-2009-6-270089) European Commission-funded projects by exploiting real clinical data. In the present thesis, the clinical adaptation of the model focuses on breast cancer, lung cancer and glioblastoma multiforme clinical cases. Moreover, various versions of the model have been uploaded to the EU cancer model repository developed by the TUMOR (Transatlantic Tumour Model Repositories, FP7-ICT-2009-5-247754) European Commission-funded project. The model has been developed in the C++ programming language.