بهینه‌سازی مصرف دارو در درمان سرطان با استفاده از درمان ترکیبی شیمی‌درمانی و ایمنی‌درمانی

نویسندگان

دانشکده مهندسی برق و کامپیوتر - دانشگاه آزاد اسلامی واحد خمینی شهر - اصفهان

چکیده

یکی از مؤثرترین درمان‌هایی که برای سرطان پیشنهاد می‌شود، یک درمان ترکیبی شامل شیمی‌درمانی و ایمنی‌درمانی است. در این پژوهش مدل غیرخطی چند ورودی شامل روش‌های درمانی شیمی‌درمانی و ایمنی‌درمانی برای رشد تومور سرطانی در نظر گرفته شده است. به‌دلیل اثرات مخرب شیمی‌درمانی و اثرات مقاومت دارویی، باید از حد مشخصی از دارو استفاده کرد. همچنین، لازم است درمان حتی‌الامکان در بازه زمانی محدود صورت گیرد. یکی از راه‌کارهای انتخاب‌شده برای این منظور، پروتکل درمانی بهینه است که در این مقاله از روش کنترل بهینه بر مبنای حل معادله ریکاتی وابسته به حالت استفاده شده و برای مدل غیرخطی توسعه‌یافته طراحی می‌شود. در ادامه برای نشان‌دادن انعطاف‌پذیری در طراحی، مقادیر متفاوتی برای ماتریس وزنی مربوط به ورودی در نظر گرفته شده و حساسیت کنترل‌کننده پیشنهادی مورد ارزیابی قرار می‌گیرد. سیستم در تمام حالت‌ها حول نقطه تعادل بدون تومور به پایداری می‌رسد. نتایج شبیه‌سازی نشان می‌دهد درمان سرطان با کنترل‌کننده پیشنهادی در مقایسه با نتایج مدل مرجع استفاده‌شده، در زمان کمتر و با مصرف داروی کمتر محقق می‌شود.

کلیدواژه‌ها


عنوان مقاله [English]

Optimization of Drug Usage in Cancer Treatment using Combination of Chemotherapy and Immunotherapy

نویسندگان [English]

  • F. Jafarpisheh
  • H. Khodadadi
Faculty of Electrical Engineering, Islamic Azad University, Khomeinishahr Branch, Isfahan, Iran
چکیده [English]

Combination method, including chemotherapy and immunotherapy, is one of the most effective treatment approaches suggested for cancer. In this study, a nonlinear multi-input model including chemotherapy and immunotherapy is considered for treatment of cancerous tumor growth. Due to side effects of chemotherapy and drug resistance effects, the level of used drug should be limited. In addition, the treatment should be performed in limit time. One of the solutions, which can be selected for this purpose, is the optimal treatment protocol. State dependent Riccati equation is the optimal strategy of this paper, which is designed for the tumor growth model. Afterwards, in order to show the flexibility of controller designing, several values for input weighting matrices are selected and the sensitivity of the proposed controller is analyzed. System is stabilized around the equilibrium point without tumor. Simulation results demonstrate the cancer treatment using the proposed controller could be performed in less time and by using lower drug dosage in comparison to the used method of reference model.

کلیدواژه‌ها [English]

  • Cancer
  • tumor growth model
  • Optimal control
  • state dependent Riccati equation
  • chemotherapy
  • immunotherapy
[1] A. C. Society, "Cancer facts and figures", ed: American Cancer Society Atlanta, 2013.
[2] C. Desantis, R. Siegel, and A. Jemal, "Cancer treatment & survivorship facts & figures 2012-2013," Atlanta, GA: American Cancer Society, 2012.
[3] S. E. Clare, F. Nakhlis and J. C. Panetta, "Molecular biology of breast metastasis: The use of mathematical models to determine relapse and to predict response to chemotherapy in breast cancer," Breast Cancer Research, vol. 2, no. 6, p. 430, 2000.
[4] R. S. Parker and F. J. Doyle, "Control-relevant modeling in drug delivery," Advanced Drug Delivery Reviews, vol. 48, no. 2, pp. 211-228, 2001.
[5] J. M. Harrold, Model–Based Design of Cancer Chemotherapy Treatment Schedules, Ph.D. Thesis, University of Pittsburgh, 2005.
[6] J. M. Harrold and R. S. Parker, "Clinically relevant cancer chemotherapy dose scheduling via mixed-integer optimization," Computers & Chemical Engineering, vol. 33, no. 12, pp. 2042-2054, 2009.
[7] S. Nanda, H. Moore and S. Lenhart, "Optimal control of treatment in a mathematical model of chronic myelogenous leukemia," Mathematical Biosciences, vol. 210, no. 1, pp. 143-156, 2007.
[8] A. d’Onofrio, U. Ledzewicz, H. Maurer and H. Schättler, "On optimal delivery of combination therapy for tumors," Mathematical Biosciences, vol. 222, no. 1, pp. 13-26, 2009.
[9] J. Shi, O. Alagoz, F. S. Erenay and Q. Su, "A survey of optimization models on cancer chemotherapy treatment planning," Annals of Operations Research, vol. 221, no. 1, pp. 331-356, 2014.
[10] S. Sharma and G. Samanta, "Analysis of the dynamics of a tumor–immune system with chemotherapy and immunotherapy and quadratic optimal control," Differential Equations and Dynamical Systems, vol. 24, no. 2, pp. 149-171, 2016.
[11] L. Mellal, D. Folio, K. Belharet and A. Ferreira, "Modeling of optimal targeted therapies using drug-loaded magnetic nanoparticles for liver cancer," IEEE Transactions on Nanobioscience, vol. 15, no. 3, pp. 265-274, 2016.
[12] A. Ghaffari and N. Naserifar, "Optimal therapeutic protocols in cancer immunotherapy," Computers in Biology and Medicine, vol. 40, no. 3, pp. 261-270, 2010.
[13] A. Ghaffari, M. Nazari and F. Arab, "Suboptimal mixed vaccine and chemotherapy in finite duration cancer treatment: state-dependent Riccati equation control," Journal of the Brazilian Society of Mechanical Sciences and Engineering, vol. 37, no. 1, pp. 45-56, 2015.
[14] علی غفاری، مصطفی نظری، بهناز بهمئی، بهاره غفاری و میترا دانشمند، «ارائه پروتکل شیمی‌درمانی بهینه برای درمان سرطان با در نظر گرفتن متاستاز با استفاده از فیدبک کامل بهینه SDRE»، مجله مهندسی مکانیک مدرس، دوره 14، شماره 10، صفحات 139-149، 1393.
[15] M. Nazari and A. Ghaffari, "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, no. 3, pp. 1-19, 2015.
[16] N. Babaei, M. U. Salamci, T. Çimen, "State dependent Riccati equation controlled drug delivery for mixed therapy of cancer treatment," In IFAC-Papers OnLine, vol. 48, no. 25, pp. 265-270, 2015.
[17] Y. Batmani and H. Khaloozadeh, "Optimal drug regimens in cancer chemotherapy: A multi-objective approach," Computers in Biology and Medicine, vol. 43, no. 12, pp. 2089-2095, 2013.
[18] N. Babaei and M. U. Salamci, "Personalized drug administration for cancer treatment using Model Reference Adaptive Control," Journal of Theoretical Biology, vol. 371, pp. 24-44, 2015.
[19] Y. Batmani and H. Khaloozadeh, "Optimal chemotherapy in cancer treatment: state dependent Riccati equation control and extended Kalman filter," Optimal Control Applications and Methods, vol. 34, no. 5, pp. 562-577, 2012.
[20] M. Nazari, A. Ghaffari and F. Arab, "Finite duration treatment of cancer by using vaccine therapy and optimal chemotherapy: state-dependent Riccati equation control and extended Kalman filter," Journal of Biological Systems, vol. 23, no. 1, pp. 1-29, 2015.
[21] X. Li and J.-X. Xu, "A mathematical model of immune response to tumor invasion incorporated with danger model," Journal of Biological Systems, vol. 23, no. 3, pp. 505-526, 2015.
[22] محمدرضا رمضانی آل، علی وحیدیان کامیاد و ناصر پریز، « کنترل بهینه سیستم‌های سوئیچ شونده خطی ناخودگردان: رهیافت نامساوی ماتریسی خطی»، مجله مهندسی برق دانشگاه تبریز، جلد 44، شماره 1، صفحات 11-21، 1393.
[23] رضا زردشتی، محمدجواد یزدان پناه و امیرعلی نیکخواه، « ردگیری غیرخطی بهینه و مقید مسیر مبتنی بر تابع لیاپانوفی کنترل»، مجله مهندسی برق دانشگاه تبریز، جلد 45، شماره 4، صفحات 93-102، 1394.
[24] A. Abdollahi, A. Foruzan Tabar and H. Khodadadi, "Optimal Controller Design for Quadrotor by Genetic Algorithm with the Aim of Optimizing the Response and Control Input signals," Cumhuriyet Science Journal, vol. 36, no. 3, pp.135-147, 2015.
[25] T. Cimen, "State-dependent Riccati equation (SDRE) control: a survey," IFAC Proceedings Volumes, vol. 41, no. 2, pp. 3761-3775, 2008.
[26] C. C. Chen, Y. W. Liang and W. M. Jhu, "Global stability of a system with state dependent Riccati quation controller," Journal of Guidance, Control, and Dynamics, Vol. 38, No. 10, pp. 2050-2054, 2015.