کنترل فازی-بهینه سرطان با درنظر گرفتن پدیده انشعاب و شرایط سنی بیمار با استفاده از درمان ترکیبی ایمنی‌درمانی-شیمی‌درمانی

نوع مقاله : مقاله پژوهشی

نویسندگان

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

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

3 دانشجوی دکتری، دانشکده ریاضی، دانشگاه صنعتی شاهرود، شاهرود، ایران

چکیده

به دلیل اثرات جانبی داروهای سرطانی، امکان دارودهی در زمان‌های طولانی مدت وجود ندارد. بنابراین به دنبال ارائه روشی برای درمان سرطان در زمان محدود می‌باشیم. بدین جهت روش درمان ترکیبی ایمنی‌درمانی-شیمی‌درمانی ارائه می‌گردد و مدل درمانی سیستم بر مبنای این روش درمانی جدید توسعه می‌یابد. در این روش درمانی با استفاده از ایمنی درمانی به اصلاح دینامیک سیستم و با استفاده از شیمی‌درمانی به هدایت مسیر حرکت سیستم به سمت نقطه تعادل مورد نظر می‌پردازیم. برای یافتن پارامترهای موثر جهت اصلاح دینامیک سیستم، به تحلیل پایداری و پدیده انشعاب می‌پردازیم. ازآنجاییکه شرایط سنی بیمار در ارائه روش درمانی تاثیرگذار است، یک سیستم فازی با توجه به ملاحظات فیزیولوژیکی، بیشنه دوز دارو برای بیمارجوان را بیشتر از بیمار کودک و بیمار کودک را بیشتر از یک بیمار کهنسال تنظیم می‌کند. نتایج شبیه‌سازی بر روی سه بیمار 8، 22 و 60 ساله نشان‌دهنده ضروری بودن نوع درمان ارائه شده می‌باشد. طول دوره درمان به دلیل قوی‌تر فرض کردن سیستم ایمنی بدن در بیمار کودک و کهنسال از بیمار جوان کوتاه‌تر است که نشان دهنده اهمیت ایمنی‌درمانی در کنار شیمی‌درمانی است.

کلیدواژه‌ها

موضوعات


[1]           Bianconi  E., Piovesan A., Facchin F., Beraudi A., Casadei R., Frabetti F., et al.,  An estimation of the number of cells in the human body, Annals of Human Biology, Vol. 40, pp. 463-471, 2013.
[2]           Araujo R. P. and MCelwain D. L. S., History of the study of solid tumour growth: the contribution of mathematical modeling, Bulletin of Mathematical Biology, Vol. 66, pp. 1039–1091, 2004.
[3]           De Pillis L. G., Gu W., and Radunskaya A. E., Mixed immunotherapy and chemotherapy of tumors: modeling, applications and biological interpretations, Journal of Theoretical Biology, Vol. 238, pp. 841–862, 2006.
[4]           Chareyron S.  and Alamir M., Mixed immunotherapy and chemotherapy of tumors: feedback design and model updating schemes, Journal of Theoretical Biology, Vol. 258, pp. 444-454, 2009.
[5]           Swan G. W., and Vincent T. L., Optimal control analysis in the chemotherapy of IgG multiple myeloma, Bulletin of Mathematical Biology, Vol. 39, pp. 317-337, 1977.
[6]           Parker R. S., and Doyle F. J., Control-relevant modeling in drug delivery, Advanced Drug Delivery Reviews, vol. 48, pp. 211-228, 2001.
[7]           De Pillis L. G., Gu W., Fister K. R., Head T., Maples K., Murugan A., et al., Chemotherapy for tumors: an analysis of the dynamics and a study of quadratic and linear optimal controls, Mathematical Bioscience, Vol. 209, pp. 292–315, 2007.
[8]           D’Onofrio A., Ledzewicz U., Maurer H., and Schattler H., On optimal delivery of combination therapy for tumors, Mathematical Biosciences, Vol. 222, pp. 13-26, 2009.
[9]           Shi J., Alagoz O., Erenay F. S., and Su Q., A survey of optimization models on cancer chemotherapy treatment planning, Annals of Operations Reasearch, vol. 10, pp. 1-26, 2011.
[10]         Chen T., Kirkby N.F., and Jena R., Optimal dosing of cancer chemotherapy using model predictive control and moving horizon state/parameter estimation, Computer Methods Programs Biomedicine, Vol. 108, pp. 1337-1340, 2012.
[11]         Moradi H., Vossoughi G., and Salarieh H., Optimal robust control of drug delivery in cancer chemotherapy: A comparison between three control approaches, Computer Methods an Programs in Biomedicine, Vol. 112, pp. 69-83, 2013.
[12]         Ghaffari A., Bahmaei B., and Nazari M., Amixed radiotherapy and chemotherapy model for treatment of cancer withmetastasis, Mathematical methods in the applied sciences, Vol. 39, pp. 4603-4617, 10.1002/mma.3887 2016.
[13]         Lobato F. S., Machado V. S., and Steffen V., Determination of an optimal control strategy for drug administration in tumor treatment using multi-objective optimization differential evolution, Vol. 131, pp. 51-61, 2015.
[14]         Lobato F.S., Machado V.S., and SteffenJr 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, Vol. 131, pp. 51-61, 2016.
[15]         Babaei N. and Salamci M. U., Mixed therapy in cance rtreatment for personalized drug administration using model reference adaptive control, European Journal of Control, 2019.
[16]         Ghaffari A. and Khazaee M., Cancer dynamics for identical twin brothers, Theoretical Biology and Medical Modeling, Vol. 9, pp. 1-13, 2012.
[17]         Nazari M. and Ghaffari A., The effect of finite duration inputs on the dynamics of a system: Proposing a new approach for cancer treatment, International Journal of Biomathematics, Vol. 8, pp. 1-19, 2015.
[18]         Talkington A., Dantoin C., and Durrett R., Ordinary Differential Equation Models for Adoptive Immunotherapy, Bulletin of Mathematical Biology, Vol. 80, pp. 1059-1083, 2017.
[19]         Ghaffari A., Nazari M., Bahmaie B., and Ghaffari B., How finite duration inputs are able to change the dynamics of a system:Application to finite duration cancer treatment, presented at the 22nd Annual Conference of Mechanical Engineering, Ahvaz, Iran, 2014.
[20]         Isaeva O. and Osipov V., Different strategies for cancer treatment: mathematical modelling, Computational and Mathematical Methods in Medicine, Vol. 10, pp. 253-272, 2009.
[21]         De Pillis L. G., Gu W., and Radunskaya A. E., Mixed immunotherapy and chemotherapy of tumors: modeling, applications and biological interpretations, Journal of theoretical biology, vol. 238, pp. 841-862, 2006.
[22]         Ghaffari A. and Khazaee M., Cancer dynamics for identical twin brothers, Theoretical Biology and Medical Modelling, Vol. 9, p. 4, 2012.
[23]         Cimen T., Systematic and effective design of nonlinear feedback controllers via the state-dependent Riccati equation (SDRE) method, Annual Reviews in Control, Vol. 34, pp. 32-51, 2010.