بهينه‌سازي مصرف دارو در درمان سرطان با استفاده از درمان تركيبي شيمي‌ درماني و ايمني‌ درماني

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

يكي از موثرترين درمان‌هايي كه براي سرطان پيشنهاد مي‌شود، يك درمان تركيبي شامل شيمي‌ درماني و ايمني‌ درماني است. در اين پژوهش مدل غيرخطي چند ورودي شامل روش‌هاي درماني شيمي‌ درماني و ايمني‌ درماني براي رشد تومور سرطاني در نظر گرفته شده است. به‌دليل اثرات مخرب شيمي‌ درماني و اثرات مقاومت دارويي، بايد از حد مشخصي از دارو استفاده كرد. همچنين، لازم است درمان حتي‌الامكان در بازه زماني محدود صورت گيرد. يكي از راه‌كارهاي انتخاب‌ شده براي اين منظور، پروتكل درماني بهينه است كه در اين مقاله از روش كنترل بهينه بر مبناي حل معادله ريكاتي وابسته به حالت استفاده شده و براي مدل غيرخطي توسعه‌يافته طراحي مي‌شود. در ادامه براي نشان‌دادن انعطاف‌ پذيري در طراحي، مقادير متفاوتي براي ماتريس وزني مربوط به ورودي در نظر گرفته شده و حساسيت كنترل‌كننده پيشنهادي مورد ارزيابي قرار مي‌گيرد. سيستم در تمام حالت‌ها حول نقطه تعادل بدون تومور به پايداري مي‌رسد. نتايج شبيه‌سازي نشان مي‌دهد درمان سرطان با كنترل‌كننده پيشنهادي در مقايسه با نتايج مدل مرجع استفاده‌شده، در زمان كمتر و با مصرف داروي كمتر محقق مي‌شود.

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.