Využití matematiky k optimalizaci léčby rakoviny štítné žlázy

Skupina studentů z Univerzity věd (Vietnamská národní univerzita v Hanoji) se stala průkopníkem ve využití matematických modelů k optimalizaci léčby rakoviny štítné žlázy.

Rakovina štítné žlázy je jedním z nejčastějších endokrinních nádorů. Přestože má vysokou míru úspěšnosti, riziko recidivy je pro pacienty neustálým problémem a výzvou pro medicínu. Práce „Aplikace matematiky v diagnostice a léčbě rakoviny štítné žlázy“ studentů Tran Van Luata (K66 Matematika - IT) a Nguyen Dinh Quanga (K67 Matematický talentový program) z Univerzity přírodních věd (Vietnamská národní univerzita, Hanoj) přinesla nový a slibný přístup k využití matematických modelů k optimalizaci léčebných režimů rakoviny štítné žlázy směrem k personalizované léčbě.

Nguyen Dinh Quang (levá obálka) a Tran Van Luat s postery o své práci na Studentské vědecké konferenci Univerzity přírodních věd 2025.

Od praktických problémů k průlomovým matematickým řešením

Nguyen Dinh Quang se s námětem projektu podělil o to, že výzkumný tým si prostřednictvím praktického výzkumu uvědomil, že v současnosti se léčebný režim diferencovaného karcinomu štítné žlázy opírá hlavně o tyreoidektomii následovanou adjuvantní léčbou radioaktivním jódem (RAI). Stanovení optimální dávky RAI pro každého pacienta je však stále subjektivní a do značné míry vychází z klinických zkušeností lékaře spíše než z přesných dávkovacích nástrojů. To může vést k tomu, že někteří pacienti nedostanou potřebnou dávku, což zvyšuje riziko recidivy, zatímco jiní trpí nežádoucími vedlejšími účinky z příliš vysoké dávky záření.

V současné době se léčba rakoviny štítné žlázy ve Vietnamu, včetně stanovení dávky záření pro pacienty, striktně řídí předpisy Ministerstva zdravotnictví . Ve skutečnosti se však lékaři při určování optimální dávky záření stále musí spoléhat do značné míry na své klinické zkušenosti. Zároveň nemají k dispozici účinný podpůrný nástroj, který by jim umožnil získat komplexní přehled a přesně předpovědět průběh onemocnění.

„Na základě těchto obav jsme s vedením Dr. Nguyen Trong Hieu, docenta Dr. Tang Quoc Bao (Univerzita v Grazu, Rakousko) a magistra rezidentního doktora Nguyen Thi Phuonga (108. centrální vojenská nemocnice) odvážně využili naše síly v matematice k nalezení řešení. Dá se říci, že se jedná o jednu z průkopnických studií ve Vietnamu v oblasti aplikace matematiky na podporu léčebného procesu,“ řekl Quang.

Modelování a optimalizace: Klíč k personalizované léčbě

Pro vyřešení výše uvedeného problému výzkumný tým vytvořil matematický model zaměřený na simulaci klíčových biologických veličin v léčbě diferencovaného karcinomu štítné žlázy, včetně: počtu rakovinných buněk (N), koncentrace tyreoglobulinu (Tg) a protilátek proti tyreoglobulinu (AbTg) – důležitých biomarkerů pro sledování léčebné odpovědi, spolu s dávkou použitého radioaktivního jódu (A).

Quang a jeho výzkumný tým přednesli své téma na plenárním zasedání Studentské vědecké konference. Téma získalo druhou cenu.

Je pozoruhodné, že tento model je navržen tak, aby byl jednodušší než některé složitější modely, které byly vyvinuty dříve, a zároveň přesně odrážel základní biologické interakce. Cílem týmu je dosáhnout modelu, který je vysoce použitelný v klinickém prostředí, snadno integrovatelný a použitelný.

Na základě matematického modelu skupina studentů pokračovala ve vývoji problému optimálního řízení. Cílem tohoto problému je najít optimální dávku a schéma RAI pro každého konkrétního pacienta, aby se dosáhlo více cílů současně: co nejefektivněji snížit počet rakovinných buněk, stabilizovat koncentrace biomarkerů Tg a AbTg a neméně důležité je minimalizovat zbytečné vedlejší účinky dávky záření.

Při simulaci výsledků léčby výpočty ukazují přiměřenost, mohou pomoci zkrátit dobu léčby pacientů a podpořit lékaře při zvažování snížení dávek léčby.

Simulace na třech reprezentativních skupinách pacientů – od pacientů s dobrou odpovědí na léčbu, přes pacienty se střední rezistencí vůči RAI až po pacienty se silnou rezistencí vůči RAI – ukázaly, že model byl schopen předpovědět progresi onemocnění na základě výchozích laboratorních údajů a že model mohl poskytnout vhodnější schéma a dávkování RAI než skutečně používané léčebné režimy.

Při porovnání „skutečné dávky“ a „dávky doporučené modelem“ výsledky ukázaly, že optimální léčebná strategie navržená modelem významně zlepšila míru kontroly rakovinných buněk a vrátila důležité biologické koncentrace zpět na normální úrovně.

Potenciální aplikace v personalizované medicíně

Realizace takového interdisciplinárního projektu, zejména kombinace matematiky a medicíny, vyžaduje od členů velké úsilí. Quang se podělil o to, že jako student matematiky se přechod na obor související s medicínou zpočátku setkal s mnoha obtížemi. V prvních měsících, asi 2-3 měsících, musela skupina vynaložit velké úsilí, aby se naučila a pochopila lékařské mechanismy. Byly noci, kdy jsme museli zůstat vzhůru a číst dokumenty.

Skupina naštěstí získala nadšenou podporu od lékařských expertů a lékařů. Pokud se vyskytly problémy, které nebyly jasně pochopeny, diskutovala o nich přímo nebo online. Jedním z nezapomenutelných zážitků byla první návštěva 108. vojenské ústřední nemocnice, kde mohli přímo komunikovat a spolupracovat s lékařským týmem, shromažďovat data a pozorovat průběh lékařského vyšetření a léčby.

„Strávili jsme asi 3 hodiny s lékaři, abychom shromažďovali data a vyměňovali si odborné znalosti. Kromě toho jsme měli také možnost pozorovat část lékařského vyšetření a léčebného procesu, tedy léčebného procesu pacientů. Byly to opravdu zajímavé a užitečné zkušenosti,“ sdělil Quang.

Quang uvedl, že pokud se tomuto výzkumu bude věnována pozornost, bude do něj investováno a bude rozvíjen, stane se pro lékaře silným podpůrným nástrojem. Nejenže pomůže předpovědět progresi onemocnění v blízké budoucnosti, tedy v příštích 4–5 letech, ale také pomůže poskytnout návrhy na další léčebnou dávku, která je pro každého pacienta nejvhodnější.

Tým nyní aktivně testuje model s více soubory dat o pacientech, přičemž se zaměřuje konkrétně na pacienty s vysokými hladinami AbTg – skupinu, které se dříve v jiných studiích věnovala jen malá pozornost.

Tým navíc vyvíjí softwarovou aplikaci, která dokáže na základě vstupních dat automaticky doporučit vhodnou dávku léčby RAI pro každého jednotlivce. Pokud bude projekt úspěšný, dalším cílem je vývoj specifické aplikace.

Skupina konkrétně připravuje vědecký rukopis, který bude předložen k publikaci v prestižních mezinárodních časopisech. „Doufáme, že práce přispěje k trendu personalizované léčby, který se v moderní medicíně stále silněji rozvíjí,“ sdělil Quang.

Zdroj: https://khoahocdoisong.vn/dung-toan-hoc-toi-uu-hoa-dieu-tri-ung-thu-tuyen-giap-post1544500.html