在癌症的背景下，跨多个尺度的详细的免疫细胞行为机理模型提供了临床相关的见解，可用于了解现有的免疫疗法并制定更理想的治疗策略。这些模型捕获了免疫细胞的各个方面：（a）通过预测单个免疫细胞中细胞内信号网络的动力学来表现单细胞行为；（b）肿瘤与免疫细胞之间的多细胞相互作用；（c）跨空间和不同形式的多尺度动力学生物组织的水平。计算模型显示可提供有关免疫细胞行为和免疫治疗策略的详细定量见解。要更好地理解肿瘤中的免疫细胞反应，就需要对细胞内信号传导，多细胞相互作用以及空间和全身动力学进行多尺度建模。
计算模型使得考虑免疫细胞激活和肿瘤-免疫相互作用的复杂性和多尺度性成为可能。包括我们自己在内的几个研究小组已经证明，数学建模可以补充免疫学和免疫疗法的临床前和临床研究。这些模型提供了一个框架，可以产生关于针对增强免疫激活的靶向途径的新假设。因此，计算建模是对实验研究的补充，可以利用正在生成的大型数据集。鉴于肿瘤与免疫相互作用的复杂性，已采用了一系列建模方法来研究其相互作用。这包括确定性微分方程模型以及基于随机主体的建模。普通微分方（ODE）模型描述了连续状态变量（即物种的浓度或特定类型细胞的数量）如何随时间变化。偏微分（PDE）模型用于预测状态变量相对于时间和空间的变化。另外，基于代理的模型（ABM）用于模一组遵循一组已定义规则的相互作用网络引起的一组细胞的离散行为。每种方法都有其优势，可用于回答与肿瘤-免疫相互作用有关的特定生物学问题，包括细胞内信号传导，细胞间相互作用和全身动力学。偏微分方程（PDE）模型用于预测状态变量相对于时间和空间的变化。另外，基于代理的模型（ABM）用于模拟一组遵循一组已定义规则的相互作用网络引起的一组细胞的离散行为。每种方法都有其优势，可用于回答与肿瘤-免疫相互作用有关的特定生物学问题，包括细胞内信号传导，细胞间相互作用和全身动力学。偏微分方程（PDE）模型用于预测状态变量相对于时间和空间的变化。另外，基于代理的模型（ABM）用于模拟一组遵循一组已定义规则的相互作用网络引起的一组细胞的离散行为。每种方法都有其优势，可用于回答与肿瘤-免疫相互作用有关的特定生物学问题，包括细胞内信号传导，细胞间相互作用和全身动力学。
虽然在肿瘤与免疫相互作用的背景下进行建模的应用一直是众多评论的重点（Cappuccio，Tieri和Castiglione，2016年 ; Eftimie，Gillard和Cantrell，2016年 ; Konstorum，Vella，Adler和Laubenbacher，2017年 ; GE Mahlbacher，Reihmer，＆Frieboes，2019），在这里，我们具体介绍免疫细胞机制模型及其与肿瘤细胞相互作用的例子。审查包括三个部分，根据建模的规模进行组 织）：( a）单细胞：单个免疫细胞中的信号网络，（b）多细胞：肿瘤与免疫细胞之间的相互作用，（c）多尺度：跨空间和不同水平的生物组织的模拟。鉴于考虑到复杂的肿瘤微环境的重要性，我们在后两节中总结了几种已发表的模型。在所有情况下，我们都会小心列出用于模型构建的实验数据。
