درمان فازی بهینه سرطان غیر هوچکین در بیمار مبتلا به ایدز با استفاده از درمان ترکیبی

نوع مقاله : مقاله مستقل

نویسندگان

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

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

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

چکیده

دومین مورد در بین کلیه سرطان‌ها، سرطان غیرهوچکین مرتبط با ایدز می‌باشد. روش درمانی پیشنهادی باید در کوتاه-ترین مدت ممکنه انجام گیرد، زیرا با طولانی شدن طول دوره درمان هم توانایی سیستم ایمنی بیمار کاهش می‌باشد و هم مقاومت دارویی نسبت به درمان ایجاد خواهد شد. مشاهده شده است که در بسیاری اوقات سیستم ایمنی بدن به تنهایی و بدون دخالت درمان خارجی قادر به حذف سلول‌های سرطانی در بدن می‌باشد. با توجه به نکات بیان شده، در این مقاله مدلی جدید برای درمان سرطان مرتبط با ایدز در طول درمان توسعه داده شده است. برای این منظور از درمان ترکیبی شیمی‌درمانی و ایمنی‌درمانی استفاده شده است که شیمی‌درمانی موظف به کنترل رشد سلول‌های سرطانی و ایمنی‌درمانی موظف به اصلاح دینامیک ناپایدار سیستم می‌باشد. برای بررسی چگونگی اصلاح دینامیک سیستم به بررسی نقاط تعادل، پایداری آن‌ها و پدیده انشعاب در سیستم پرداخته شده است. همچنین، برای ارائه دوز بهینه شیمی‌درمانی و درنظر گرفتن شرایط سنی بیمار، از ترکیب روش SDRE و فازی استفاده شده است. نتایج شبیه‌سازی‌ها نشان دهنده موثر بودن روش پیشنهادی در درمان سرطان می‌باشد. نشان داده شده است که اصلاح دینامیک سیستم با تغییر بر روی پارامترهای سیستم بخش اصلی در درمان سرطان می‌باشد.

کلیدواژه‌ها

موضوعات


[1] Culshaw RV, Ruan S (2000) A delay-differential equation model of HIV infection of CD4+T-Cells. Math Biosci 165 (1): 27-39.
[2] Boshoff C, Weiss R (2002) AIDS-related malignancies. Nat Rev Cancer 2 (5):373-382.
[3] Hashmi MU, Suleman M, Zaidi SMJ, Habib M (2014) Modeling the tumor-immune interaction cultured with chemotherapy and cytokine interleukin il-2 under the influence of immunodeficiency viruses. Am-Eurasian J Toxicol Sci 6(4): 74-82.
[4] Rihan A, Abdel Rahman DH (2013) Delay differential model for tumor-immune dynamics with HIV infection of CD4+ T-cells. International Journal of Computer Mathematics 90 (3): 594-614.
[5] Aogo R, Nyabadza F (2017) Modelling the dynamics of HIV-related non-Hodgkin lymphomas in the presence of HIV treatment and chemotherapy. Math Method Appl Sci        1-22.
[6] Nazari M, Ghaffari A, Arab F (2015) Finite duration treatment of cancer by using vaccine therapy and optimal chemotherapy: State-dependent riccati equation control and extended kalman filteR. J Biol Syst 23(1).
[7] Ghaffari A, Nazari M, Arab F (2015) Suboptimal mixed vaccine and chemotherapy in finite duration cancer treatment: state-dependent Riccati equation control. J Braz Soc Mech Sci 37(1): 45-56.
[8] Ruff R, Puetter A, Levy LS (2007) Growth regulation of simian and human AIDS-related non-hodgkin's lymphoma cell lines by TGF-beta1and IL-6. BMC Cancer 7(1): 7-35.
[9] Nazari M, Ghaffari A (2015) The effect of finite duration inputs on the dynamics of a system: Proposing a new approach for cancer treatment. Int J Biomath 8(3): 1-19.
[10]  Ghaffari A, Nazari M, Khazaee M, Bahmaei B (2014) Changing the dynamics of a system by using finite duration inputs: Application to cancer modeling and treatment. Journal of Solid and Fluid Mechanics 4(1): 79-91.
[11] De Pillis LG, Gu W, Radunskaya AE (2006) Mixed immunotherapy and chemotherapy of tumors: modeling, applications and biological interpretations. J Theor Biol 238: 841-862.
[12] De Pillis LG, Gu W, Radunskaya AE (2006) Mixed immunotherapy and chemotherapy of tumors: modeling, applications and biological interpretations. J Theor Biol 238(4): 841-862.
[13] Ghaffari A, Khazaee M (2012) Cancer dynamics for identical twin brothers. Theor Biol Med Model 9(1):4.
[14] Pinho STR, Freedman HI, Nani F (2002) Chemotherapy model for the treatment of cancer with metastasis. Math Comput Model 36: 773-803.
[15] Cimen T (2010) Systematic and effective design of nonlinear feedback controllers via the state-dependent Riccati equation (SDRE) method. Annu Rev Control 34: 32-51.
[16] Wu X, Liu Q, Zhang K, Cheng M, Xin X (2018) Optimal switching control for drug therapy process in cancer chemotherapy. Eur J Control 42: 49-58
[17] Chen T, Kirkby NF, Jena R (2012) Optimal dosing of cancer chemotherapy using model predictive control and moving horizon state/parameter estimation. Comput Meth Prog Bio 108(3): 337-1340.
[18] Babaei N, Salamci M (2017) Controller design for personalized drug administration in cancer therapy: Successive approximation approach. Optim Contr Appl Met 1-38.
[19] Rihan FA, Lakshmanan S, Maurer H (2019) Optimal control of tumour-immune model with time-delay and immuno-chemotherapy. Appl Math Comput 353: 147-165.
[20] Ghaffari A, Bahmaei B, Nazari M (2016) Amixed radiotherapy and chemotherapy model for treatment of cancer withmetastasis. Math Method Appl Sci 39(15): 4603-4617.
[21] Batmani Y, Khaloozadeh H (2012) Optimal chemotherapy in cancer treatment: State dependent Riccati equation control and extended Kalman filter. Optim Contr Appl Met 34: 562-577.
[22] Babaei N, Salamci MU (2019) Mixed therapy in cancer treatment for personalized drug administration using model reference adaptive control. Eur J Control. In press.