بهینه‌سازی چندهدفه درمان سرطان با استفاده از الگوریتم‌ NSWOA

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد، دانشکده مهندسی مکانیک و مکاترونیک، دانشگاه صنعتی شاهرود، شاهرود، ایران

2 استادیار، دانشکده مهندسی مکانیک و مکاترونیک، دانشگاه صنعتی شاهرود، شاهرود، ایران

چکیده

مدل­سازی ریاضی سیستم­های بیولوژیکی یکی از مطلوب­ترین روش­ها برای مطالعه این پدیده­های زیستی می­باشد. توسعه­ی مدل­های ریاضی برای شبیه­سازی، کنترل و پیش­بینی پدیده­ها همواره اهمیت داشته است. از جمله مزایای استفاده از مدل­های ریاضی، کاربرد آن­ها در بهینه­سازی می­باشد. مسأله درمان سرطان به عنوان یک مسأله کنترل بهینه با هدف کاهش غلظت سلول­های سرطانی در بازه زمانی درمان می­باشد. در حل این مسأله موضوع مهمی که در مطالعات قبلی در نظر گرفته نمی­شد، غلظت داروی مصرفی بود، که به طور قابل­توجهی بر سلامت بالینی بیماران تأثیر می­گذاشت. با توجه به این موضوع، مطالعه حاضر با هدف به دست­آوردن یک پروتکل بهینه تجویز دارو با حداقل­رساندن غلظت سلول­های سرطانی و حداقل­رساندن غلظت دارو انجام گرفت. حل این مسأله چندهدفه برای اولین بار با الگوریتم بهینه­سازیNSWOA  انجام شده و نتایج با الگوریتم NSGA-II مقایسه شدند. منحنی جبهه پارتو به­دست­آمده از هر دو الگوریتم، مجموعه­ای از بهینه­ترین راه­­حل­ها را ارائه می­دهد که با توجه به معیارهای انتخابی درمان، یکی از این نقاط به عنوان پروتکل تجویز دارو انتخاب می­شود. مقایسه­ی نتایج نشان می­دهد الگوریتم NSWOA توانمندی بسیار خوبی در حل این مساله بهینه­سازی دارد.

کلیدواژه‌ها

موضوعات

مراجع

  • Batmani, Y. and Khaloozadeh, H., Optimal drug regimens in cancer chemotherapy: A multi-objective approach. Computers in biology and medicine, 43(12), 2089-2095, 2013.
  • Evans, M. and Mason, M. D., Radical radiotherapy for prostate cancer. Urological Cancers in Clinical Practice, 1-23, 2007.
  • de Pillis et al., Chemotherapy for tumors: An analysis of the dynamics and a study of quadratic and linear optimal controls. Mathematical Biosciences, 209(1), 292-315, 2007.
  • Bryson, A. E. and Ho, Y. C., Applied optimal control: optimization, estimation, and control. Routledge, 2018.
  • Lobato, F. S., Hybrid approach for dynamic optimization problems. Federal Uni-versity of Uberlândia, Uberlândia, 2004.
  • Feehery, W. F. and Barton, P. I., Dynamic optimization with equality path constraints. Industrial & engineering chemistry research, 38(6), 2350-2363, 1999.
  • Libotte, G. B., Lobato, F. S., Platt, G. M. and Neto, A. J. S., Determination of an optimal control strategy for vaccine administration in COVID-19 pandemic treatment. Computer methods and programs in biomedicine, 196, 105664, 2020.
  • Storn, R. and Price, K. Differential evolution–a simple and efficient heuristic for global optimization over continuous spaces. Journal of global optimization, 11(4), 341-359, 1997.
  • De Pillis, L. G. and Radunskaya, A., The dynamics of an optimally controlled tumor model: A case study. Mathematical and computer modelling, 37(11), 1221-1244, 2003.
  • Swan, G. W. and Vincent, T. L., Optimal control analysis in the chemotherapy of IgG multiple myeloma. Bulletin of mathematical biology, 39(3), 317-337, 1977.
  • Parker, R. S. and Doyle III, F. J., Control-relevant modeling in drug delivery. Advanced drug delivery reviews, 48(2-3), 211-228, 2001.
  • Engelhart, M., Lebiedz, D. and Sager, S., Optimal control for selected cancer chemotherapy ODE models: a view on the potential of optimal schedules and choice of objective function. Mathematical biosciences, 229(1), 123-134, 2011.
  • Algoul, S., Alam, M. S., Hossain, M. A. and Majumder, M. A. A., Multi-objective optimal chemotherapy control model for cancer treatment. Medical & biological engineering & computing, 49(1), 51-65, 2011.
  • Shi, J., Alagoz, O., Erenay, F. S. and Su, Q., A survey of optimization models on cancer chemotherapy treatment planning. Annals of Operations Research, 221(1), 331-356, 2014.
  • bin Mohd Zain, M. Z., Kanesan, J., Chuah, J. H., Dhanapal, S. and Kendall, G., A multi-objective particle swarm optimization algorithm based on dynamic boundary search for constrained optimization. Applied Soft Computing, 70, 680-700, 2018.
  • Shindi, O., Kanesan, J., Kendall, G. and Ramanathan, A., The combined effect of optimal control and swarm intelligence on optimization of cancer chemotherapy. Computer Methods and Programs in Biomedicine, 189, 105327, 2020.
  • طاهری م. و میرزالو م.، شبیه­سازی تئوری و تجربی استخراج مدول یانگ سلول MCF-10 سینه با استفاده از میکروسکوپ نیروی اتمی، مجله مهندسی مکانیک مدرس، دوره 22، شماره 1، صفحه 37-45، 1400.
  • طاهری م. و میرزالو م.، استخراج تجربی مدول یانگ سلول سرطانی سینه MCF-7 با استفاده از مدل‌های تماسی کروی، نشریه مهندسی مکانیک امیرکبیر، دوره 53، شماره 12، 1400.
  • نظری م.، قاسمی م. و نظری م.، کنترل فازی-بهینه سرطان با درنظر گرفتن پدیده انشعاب و شرایط سنی بیمار با استفاده از درمان ترکیبی ایمنی‌درمانی-شیمی‌درمانی، مجله مهندسی مکانیک دانشگاه تبریز، دوره 50، شماره 3، صفحه 267-276، 1399.
  • رحمانی ب. و خوش­اقبال س.، ارائه ی روشی نو برای کنترل فعال دارودهی در شیمی درمانی سرطان، مجله مهندسی مکانیک دانشگاه تبریز، دوره 46، شماره 3، صفحه 121-128، 1395.
  • Deb, K., Multi-objective optimization. In Search methodologies (pp. 403-449). Springer, Boston, MA, 2014.
  • Lobato, F. S. and Steffen Jr, V., Multi-objective optimization problems: concepts and self-adaptive parameters with mathematical and engineering applications. Springer, 2017.
  • Pareto, V., Cours d'économie politique: professé à l'Universi̧té de Lausanne (Vol. 1). F. Rouge, 1896.
  • Lobato, F. S., da Silva, M. A., Cavalini Jr, A. A. and Steffen Jr, V., Reliability-based robust multi-objective optimization applied to engineering system design. Engineering Optimization, 52(1), 1-21, 2020.
  • Rao, S. S., Optimization theory and applications. JOHN WILEY & SONS, INC., 605 THIRD AVE., NEW YORK, NY 10158, USA, 1983.
  • Srinivas, N. and Deb, K., Multi objective function optimization using NSGA. Evolutionary Computation, 2(3), 221-248, 1994.
  • Deb, K., Pratap, A. and Agarwal, S., Meyarivan TJItoec. A Fast and Elitist Multiobjective Genetic Algorithm, 6, 182-197, 2002.
  • Mirjalili, S. and Lewis, A., The whale optimization algorithm. Advances in engineering software, 95, 51-67, 2016.
  • Foroutan, K., Varedi-Koulaei, S. M., Duc, N. D. and Ahmadi, H., Non-linear static and dynamic buckling analysis of laminated composite cylindrical shell embedded in non-linear elastic foundation using the swarm-based metaheuristic algorithms. European Journal of Mechanics-A/Solids, 91, 104420, 2022.
  • Lobato, F. S., Machado, V. S. and Steffen Jr, V., Determination of an optimal control strategy for drug administration in tumor treatment using multi-objective optimization differential evolution. Computer Methods and Programs in Biomedicine, 131, 51-61, 2016.

فایل ها

هم رسانی

ارجاع به این مقاله

آمار