مدل سازي عملكرد سيستم دفاعي بدن در بيمار مبتلا به سرطان ملانوما در مرحله اوليه و بررسي آناليز حساسيت با استفاده از روش ضريب همبستگي درجه جزئي (PRCC)

Modeling for the body defense mechanisms in stage I melanoma patient and sensitivity analysis by using Partial Rank Correlation Coefficient (PRCC) method

مدل‌سازي از رشد و تكثير سلولي به پزشكان در ارايه يك برنامه درماني مناسب كمك خواهد كرد. در اين مقاله به مدل‌سازي عملكرد سيستم دفاعي بدن براي يك بيمار مبتلا به سرطان ملانوما پرداخته شده است. مزيت اصلي اين مدل، در نظر گرفتن تعداد متغيرهاي بيشتر براي بيان ديناميك بدن بيمار مي‌باشد كه باعث نزديكي هر چه بيشتر مدل بيان شده به بيمار واقعي خواهد شد. براي تخمين ضرايب در مدل رياضي از يكي از روش‌هاي بهينه‌سازي چند هدفه به نام روش "الگوريتم ژنتيك چند هدفه با مرتب سازي نامغلوب" استفاده شده است. مزيت اين روش، در نظر گرفتن چند تابع هدف و محدود كردن هم‌زمان آن‌ها مي‌باشد. نتايج حاصل از شبيه‌سازي نشان داده است كه مدل رياضي طراحي شده، كاملا عملكرد سيستم دفاعي بدن بيمار مبتلا به سرطان ملانوما را شبيه‌سازي مي‌كند. براي آناليز حساسيت و تعيين ميزان همبستگي خروجي مدل رياضي به تغييرات برخي پارامترها از روش "ضريب همبستگي درجه جزيي"با نام اختصاريPRCC استفاده شده است. در انتها نشان داده شده است كه تغييرات نرخ توليد اينترلوكين2 (IL-2) بيشترين ميزان PRCC را دارد و تغييرات آن تاثير زيادي بر خروجي‌هاي مدل خواهد داشت.

The scientific modeling of cellular growth and proliferation can significantly help to physicians to offer an appropriate treatment. In this paper the modeling of the body's immune system function for a patient with melanoma cancer has been studied. The main advantage of this model is considering more variables to describe dynamics of the melanoma patient’s body, which will make our model more realistic. For estimating the coefficients of the mathematical model, a multi-objective optimization method, "Non-Dominated Sorting Genetic Algorithm", is used. One of the major advantages of such method is considering multiple objectives and simultaneously constraining them. Simulation results reveal that our mathematical model can successfully simulate the function of the body defense system of the melanoma patient. In order to analyze the sensitivity and determine the correlation of the mathematical model output to changing in some parameters, Partial Rank Correlation Coefficient (PRCC) method is employed. Finally, it is demonstrated that Interleukin-2 (IL-2) generation rate change has the highest PRCC value and changing this parameter will have a high impact on the model outputs.