سرطان تیروئید یکی از سرطانهای شایع غدد درونریز است، اگرچه میزان موفقیت بالایی دارد، اما خطر عود آن همیشه یک نگرانی مداوم برای بیماران و یک چالش برای پزشکی است. کار "کاربرد ریاضیات در تشخیص و درمان سرطان تیروئید" توسط دانشجویان تران ون لوات (K66 Math - IT) و نگوین دین کوانگ (برنامه استعدادهای ریاضی K67) از دانشگاه علوم طبیعی (دانشگاه ملی هانوی) رویکردی جدید و امیدوارکننده در استفاده از مدلهای ریاضی برای بهینهسازی رژیمهای درمانی سرطان تیروئید، به سمت درمان شخصیسازی شده، ارائه داده است.
نگوین دین کوانگ (سمت چپ جلد) و تران ون لوات به همراه پوسترهایی درباره کارشان در کنفرانس علوم دانشجویی ۲۰۲۵ دانشگاه علوم طبیعی.
از دغدغههای عملی تا راهحلهای ریاضیِ پیشرفته
نگوین دین کوانگ با بیان ایده تشکیل این پروژه، گفت که تیم تحقیقاتی از طریق تحقیقات عملی متوجه شدند که در حال حاضر، رژیم درمانی برای سرطان تیروئید تمایز یافته عمدتاً مبتنی بر تیروئیدکتومی و به دنبال آن درمان کمکی با ید رادیواکتیو (RAI) است. با این حال، تعیین دوز بهینه RAI برای هر بیمار هنوز ذهنی است و عمدتاً بر اساس تجربه بالینی پزشک و نه ابزارهای دقیق تعیین دوز است. این امر میتواند منجر به عدم دریافت دوز لازم توسط برخی از بیماران و افزایش خطر عود بیماری شود، در حالی که برخی دیگر از عوارض جانبی ناخواسته ناشی از دوز بسیار بالای تابش رنج میبرند.
در حال حاضر، فرآیند درمان سرطان تیروئید در ویتنام، از جمله تعیین دوز تابش برای بیماران، کاملاً از مقررات وزارت بهداشت پیروی میکند. با این حال، در واقع، پزشکان هنوز هم باید تا حد زیادی به تجربه بالینی خود برای تعیین دوز بهینه تابش تکیه کنند. در عین حال، آنها ابزار پشتیبانی مؤثری برای داشتن دیدگاه جامع و پیشبینی دقیق پیشرفت بیماری ندارند.
کوانگ گفت: «با توجه به این نگرانیها، با راهنمایی دکتر نگوین ترونگ هیو، دانشیار، دکتر تانگ کوک بائو (دانشگاه گراتس، اتریش) و دکتر ارشد رزیدنت نگوین تی فوئونگ (بیمارستان مرکزی نظامی ۱۰۸)، ما جسورانه از قدرت خود در ریاضیات برای یافتن راهحل استفاده کردیم. میتوان گفت که این یکی از مطالعات پیشگام در ویتنام در زمینه بهکارگیری ریاضیات برای پشتیبانی از فرآیند درمان است.»
مدلسازی و بهینهسازی مسائل: کلید درمان شخصیسازیشده
برای حل مشکل فوق، تیم تحقیقاتی یک مدل ریاضی ساختند که بر شبیهسازی کمیتهای بیولوژیکی کلیدی در درمان سرطان تیروئید تمایز یافته تمرکز دارد، از جمله: تعداد سلولهای سرطانی (N)، غلظت تیروگلوبولین (Tg) و آنتیبادیهای ضد تیروگلوبولین (AbTg) - نشانگرهای زیستی مهم برای نظارت بر پاسخ به درمان، همراه با دوز ید رادیواکتیو مورد استفاده (A).
کوانگ و تیم تحقیقاتیاش موضوع خود را در جلسه عمومی کنفرانس علوم دانشجویی گزارش دادند. این موضوع جایزه دوم را از آن خود کرد.
نکته قابل توجه این است که این مدل به گونهای طراحی شده است که سادهتر از برخی از مدلهای پیچیدهتری باشد که قبلاً وجود داشتهاند، در عین حال که همچنان بازتاب دقیقی از تعاملات بیولوژیکی اصلی را تضمین میکند. هدف این تیم دستیابی به مدلی است که در محیطهای بالینی بسیار کاربردی باشد، به راحتی ادغام و استفاده شود.
بر اساس مدل ریاضی، گروه دانشجویان به توسعه یک مسئله کنترل بهینه ادامه دادند. هدف از این مسئله یافتن دوز و برنامه بهینه RAI برای هر بیمار خاص است تا بتوان همزمان به چندین هدف دست یافت: کاهش مؤثر تعداد سلولهای سرطانی، تثبیت غلظت نشانگرهای زیستی Tg و AbTg و به همان اندازه مهم، به حداقل رساندن عوارض جانبی غیرضروری ناشی از دوز تابش.
وقتی این محاسبات برای شبیهسازی نتایج درمان به کار گرفته شوند، معقول بودن آنها را نشان میدهند، میتوانند به کوتاه شدن دوره درمان بیماران کمک کنند و در عین حال از پزشکان در بررسی کاهش دوزهای درمانی پشتیبانی کنند.
شبیهسازیها روی سه گروه بیمار معمولی - از کسانی که به درمان پاسخ خوبی دادند، کسانی که مقاومت متوسطی در برابر RAI داشتند و کسانی که مقاومت بالایی در برابر RAI داشتند - نشان داد که این مدل قادر است پیشرفت بیماری را بر اساس دادههای آزمایش پایه به خوبی پیشبینی کند. در نتیجه، این مدل توانست برنامه و دوز RAI مناسبتری نسبت به رژیمهای درمانی واقعی اعمال شده ارائه دهد.
هنگام مقایسه «دوز واقعی» و «دوز توصیهشده توسط مدل»، نتایج نشان داد که استراتژی درمانی بهینه ارائه شده توسط مدل، میزان کنترل سلولهای سرطانی را به طور قابل توجهی بهبود بخشیده و غلظتهای بیولوژیکی مهم را به سطوح نرمال بازگردانده است.
کاربردهای بالقوه در پزشکی شخصیسازیشده
شکلگیری چنین پروژه میانرشتهای، بهویژه ترکیب ریاضیات و پزشکی، نیازمند تلاش فراوان اعضا است. کوانگ اظهار داشت که به عنوان یک دانشجوی رشته ریاضی، گذار به رشتهای مرتبط با پزشکی در ابتدا با مشکلات زیادی روبرو بود. در ماههای اول، حدود ۲-۳ ماه، گروه مجبور بود تلاش زیادی برای یادگیری و درک مکانیسمهای پزشکی انجام دهد. شبهایی بود که مجبور بودیم برای خواندن اسناد بیدار بمانیم.
خوشبختانه، این گروه از حمایت مشتاقانه متخصصان پزشکی و پزشکان برخوردار شد. وقتی مسائلی وجود داشت که به وضوح درک نشده بودند، گروه مستقیماً یا به صورت آنلاین در مورد آنها بحث میکرد. یکی از تجربیات به یاد ماندنی، اولین باری بود که گروه به بیمارستان مرکزی نظامی ۱۰۸ رفت، با تیم پزشکی تماس گرفت و مستقیماً با آنها همکاری کرد، دادهها را جمعآوری کرد و روند معاینه پزشکی و درمان را مشاهده کرد.
کوانگ به اشتراک گذاشت: «ما حدود ۳ ساعت را با پزشکان گذراندیم تا دادهها را جمعآوری و تخصص خود را تبادل کنیم. علاوه بر این، ما همچنین این فرصت را داشتیم که بخشی از روند معاینه پزشکی و درمان، یعنی روند درمان بیماران را مشاهده کنیم. اینها واقعاً تجربیات جالب و مفیدی بودند.»
کوانگ گفت اگر به این تحقیق توجه شود، روی آن سرمایهگذاری شود و توسعه یابد، به یک ابزار پشتیبانی قدرتمند برای پزشکان تبدیل خواهد شد. این ابزار نه تنها به پیشبینی پیشرفت بیماری در آینده نزدیک، حدود ۴ تا ۵ سال آینده، کمک میکند، بلکه به ارائه پیشنهادهایی در مورد دوز درمانی بعدی که برای هر بیمار مناسبتر است نیز کمک خواهد کرد.
این تیم اکنون به طور فعال این مدل را با مجموعه دادههای بیماران بیشتری آزمایش میکند و به طور خاص بر روی بیمارانی با سطح بالای AbTg تمرکز دارد - جمعیتی که قبلاً توجه کمی از مطالعات دیگر دریافت کرده است.
علاوه بر این، این تیم در حال توسعه یک نرمافزار کاربردی است که میتواند به طور خودکار دوز درمانی مناسب RAI را برای هر فرد بر اساس دادههای ورودی توصیه کند. در صورت موفقیتآمیز بودن پروژه، هدف بعدی توسعه یک برنامه (اپلیکیشن) خاص است.
به طور خاص، این گروه در حال آمادهسازی یک نسخه علمی برای انتشار در مجلات معتبر بینالمللی است. کوانگ اظهار داشت: «ما امیدواریم که این کار به روند درمان شخصیسازیشده که به طور فزایندهای در پزشکی مدرن در حال توسعه است، کمک کند.»
منبع: https://khoahocdoisong.vn/dung-toan-hoc-toi-uu-hoa-dieu-tri-ung-thu-tuyen-giap-post1544500.html






نظر (0)