Ημερολόγιο Εκδηλώσεων

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Μεταπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΜΕΤΑΠΤΥΧΙΑΚΗΣ ΕΡΓΑΣΙΑΣ

Σωτηρίου Λιλιόπουλου

με θέμα

Πρόγνωση της Απόκρισης Καρκινοπαθών στην Εκάστοτε Χορηγούμενη Θεραπευτική Αγωγή με Τεχνικές μη-Γραμμικής Πρόβλεψης

Prediction of the Cancer Patients Response to their Therapeutical Treatment with non-Linear Forecasting Techniques

Εξεταστική Επιτροπή

Καθηγητής Γεώργιος Σταυρακάκης (επιβλέπων)
Καθηγητής Μιχαήλ Ζερβάκης
Καθηγητής Κωνσταντίνος Μπάλας

Περίληψη

Ο καρκίνος είναι μια πολύπλοκη ασθένεια που απαιτεί διεπιστημονική προσέγγιση για την κατανόηση και τη θεραπεία της. Στην παρούσα εργασία, και με τη βοήθεια μαθηματικών μοντέλων πραγματοποιείται μία προσπάθεια για την κατανόηση και την πρόβλεψη της ανάπτυξης συμπαγών καρκινικών όγκων υπό διαφορετικές θεραπευτικές προσεγγίσεις. Αρχικά, πραγματοποιείται μια εισαγωγή στις βασικές έννοιες που διέπουν τη «δυναμική» της ανάπτυξης-εξέλιξης του καρκίνου και μια διεξοδική ανασκόπηση των πιο ευρέως χρησιμοποιούμενων θεραπευτικών μεθόδων. Διεξάγεται επίσης μια ολοκληρωμένη ανασκόπηση των state-of-the-art μαθηματικών μοντέλων που χρησιμοποιούνται για την περιγραφή ανάπτυξης όγκων υπό διαφορετικές μορφές θεραπείας, συμπεριλαμβανομένης της χημειοθεραπείας, της ανοσοθεραπείας και του συνδυασμού τους. Επιπλέον, γίνεται μια σύντομη εισαγωγή στη θεωρία βέλτιστου ελέγχου ενώ παράλληλα τονίζεται η σημασία της στην ανάπτυξη και βελτιστοποίηση των πρωτοκόλλων θεραπείας του καρκίνου. Με τη βοήθεια ενός μη-γραμμικού μαθηματικού μοντέλου για την περιγραφή της εξέλιξης καρκινικών όγκων διαμορφώνεται ένα πρόβλημα βέλτιστου ελέγχου για τον προσδιορισμό μιας βέλτιστης στρατηγικής για τη χορήγηση χημειοθεραπείας με σκοπό την εξάλειψη της κακοήθειας με τις ελάχιστες παρενέργειες. Επιπλέον, αναπτύσσονται τρία μοντέλα νευρο-ασαφούς λογικής (ANFIS) για την περιγραφή της ανάπτυξης του καρκινικών όγκων υπό χημειοθεραπεία και αξιολογείται η ικανότητα τους να περιγράφουν τις πειραματικές καμπύλες ανάπτυξης του όγκου. Παρουσιάζεται επίσης μια νέα προσέγγιση για την περιγραφή της εξέλιξης ενός όγκου υπό την επίδραση ενός ή περισσότερων αντικαρκινικών φαρμάκων που δίνονται σε συνδυασμό. Συγκεκριμένα, χρησιμοποιώντας γραμμικές εξισώσεις διαφορών δημιουργούνται και αξιολογούνται με τη χρήση εργαστηριακών δεδομένων από πειράματα σε ποντίκια δύο συστήματα μοντελοποίησης καρκινικών όγκων. Παράλληλα, με τη χρήση ενός γραμμικού τετραγωνικού ρυθμιστή (LQR) διερευνώνται πιθανές βέλτιστες δοσολογίες χημειοθεραπείας τόσο για περιοδικά (periodic) όσο και για διακοπτόμενα (intermittent) προγράμματα θεραπείας. Τέλος, αξιολογείται η ικανότητα όλων αυτών των μοντέλων να πραγματοποιούν βραχυπρόθεσμές προβλέψεις της εξέλιξης μίας κακοήθους νεοπλασίας.

Abstract

Cancer is a complex disease that requires a multidisciplinary approach to understand and treat. In this thesis, mathematical tumor modelling is used to understand and predict the growth of solid tumors under different therapeutic approaches. First, an introduction to the key concepts underlying the dynamics of cancer and a thorough review of the most widely used treatment modalities is provided. A comprehensive review of state-of-the-art mathematical models employed to depict both unperturbed and perturbed tumor growth under different therapeutic approaches including chemotherapy, immunotherapy, and their combination is also provided. Furthermore, an introduction to optimal control theory is presented and its significance in developing and optimizing cancer therapy protocols is highlighted. The well established in the clinical practice Simeoni’s tumor growth inhibition (TGI) mathematical model is presented, described, identified, and an optimal control problem is formulated to determine the best chemotherapy treatment strategy for tumor eradication using the state dependent Riccati equation (SDRE). In addition, a brief introduction to Adaptive Neuro-Fuzzy Inference System (ANFIS) is given, and three ANFIS models for tumor growth inhibition under chemotherapy are presented and fitted with small errors to experimental tumor growth curves. A new approach to describe the tumor growth inhibition under the effect of single and in combination anti-cancer drugs is also introduced. Two systems of linear difference equations that model the growth of solid tumors are identified and evaluated using laboratory data from experiments in mice. Moreover, linear quadratic regulator (LQR)-based optimal control of tumor dynamics is used to explore possible optimal chemotherapy dosages for both periodic and intermittent treatment schedules. Finally, the ability of the models to perform short-term tumor growth predictions is also investigated. The simulation results are presented, discussed, and conclusions are drawn.

Meeting ID: 934 400 1013
Password: 123456