بررسي اثر جرمي و ترم واكنش در پيش بيني رشد تومور مغزي به كمك مدل رياضي مبتني بر تصاوير ام آر

Investigation of mass effect and reaction terms on the prediction of brain tumor growth by using mathematical model based on MRIs

امروزه سرطان يكي از عوامل اصلي مرگ و مير در جهان محسوب مي‌شود و تفاوت بيولوژيكي افراد با يكديگر موجب مي‌شود كه استفاده از يك برنامه‌ي درمانيِ واحد براي همه‌ي بيماران نتيجه‌ي مطلوبي نداشته باشد. به‌ منظور شخصي‌سازي درمان، لازم است رفتار تومور در هر بيمار مشخص گردد؛ براي اين منظور مي‌توان از اطلاعات كلينيكي بيماران استفاده نمود. از ميان روش‌هاي مختلف بررسي رشد تومور‌هاي سرطاني، روش‌هاي مدل‌سازي به علت انعطاف پذيريِ بيشتر براي بررسي شرايط مختلف، مورد توجه پژوهشگران قرار گرفته‌اند. مطالعات متعددي در زمينه بررسي تومورهاي مغزي صورت گرفته است اما تنها مطالعات محدودي از تصاوير پزشكيِ خودِ بيمار براي شخصي‌سازي مدل رشد استفاده كرده‌اند. در مطالعه‌ي حاضر به بررسي رشد تومور مغزي با استفاده از مدل‌سازي رياضي مبتني بر تصاوير پزشكي ام آر پرداخته شده و اثر جرمي و ترم-هاي واكنش مختلف مورد ارزيابي قرار گرفته‌اند؛ هم‌چنين براي اولين بار پارامتر كسر درون سلولي براي ايجاد ارتباط ميان مدل و تصاوير مربوط به تومور مغزي، به‌كار رفته است. نتايج پيش‌بيني شده با استفاده از دو معيار خطاي جذر ميانگين مربعاتِ كسر درون سلولي و ضريب دايس مورد مقايسه قرار گرفته‌اند. طبق اين نتايج درنظر گرفتن اثر جرمي در مدل رياضي رشد تومور مغزي موجب بهبود پيش‌بيني مي‌شود. هم‌چنين لازم است به منظور بهبود دقت پيش‌بيني، ترم واكنش مناسب با توجه به اطلاعات پزشكي بيمار در مدل‌سازي درنظر گرفته شود. از روش ارائه شده در اين پژوهش مي‌توان به‌عنوان مبنايي جهت شخصي‌سازي درمان در بيماران مبتلا به تومور مغزي استفاده نمود.

Cancer is one of the main causes of mortality and morbidity worldwide. Using a single treatment plan for all of the patients is not efficient due to the biological heterogeneity in the individuals. In order to personalize the therapy plan, tumors behavior in each patient must be understood. For this purpose clinical information of the patients are used. Mathematical modeling has gained significant interest in tumor growth investigations, due to its higher flexibility than the other methods. Mass effect and the reaction terms are the key parameters that are investigated in this paper. This is the first time that the effects of these parameters are considered in brain tumor growth modeling and there are few researches that have used only MR images in this area. The mathematical models are used for predicting the growth of brain tumors based on personal MRIs and introducing intracellular fraction into the model. Results of the comparisons show that considering the mass effect in the growth model would improve the prediction. Furthermore, it is necessary to define the optimum formulation for reaction term according to patients' medical information, to be used in the personalized model of tumor growth prediction. The represented approach can be used as a basis for personalizing the therapy plan in patients with brain tumors.