Menggunakan matematika untuk mengoptimalkan pengobatan kanker tiroid

Kanker tiroid merupakan salah satu kanker endokrin yang paling umum. Meskipun memiliki tingkat keberhasilan yang tinggi, risiko kekambuhan selalu menjadi perhatian pasien dan tantangan bagi dunia kedokteran. Karya "Penerapan Matematika dalam Diagnosis dan Pengobatan Kanker Tiroid" karya mahasiswa Tran Van Luat (K66 Matematika - TI) dan Nguyen Dinh Quang (Program Bakat Matematika K67) dari Universitas Ilmu Pengetahuan Alam (Universitas Nasional Vietnam, Hanoi) telah menghadirkan pendekatan baru yang menjanjikan dalam penggunaan model matematika untuk mengoptimalkan rejimen pengobatan kanker tiroid, menuju pengobatan yang dipersonalisasi.

Nguyen Dinh Quang (sampul kiri) dan Tran Van Luat dengan poster tentang pekerjaan mereka di Konferensi Sains Mahasiswa 2025 di Universitas Ilmu Pengetahuan Alam.

Dari permasalahan praktis hingga solusi matematika yang terobosan

Berbagi gagasan tentang pembentukan proyek ini, Nguyen Dinh Quang mengatakan bahwa melalui penelitian praktis, tim peneliti menyadari bahwa saat ini, rejimen pengobatan untuk kanker tiroid terdiferensiasi terutama bergantung pada tiroidektomi yang diikuti dengan pengobatan adjuvan dengan yodium radioaktif (RAI). Namun, penentuan dosis RAI yang optimal untuk setiap pasien masih subjektif, sebagian besar didasarkan pada pengalaman klinis dokter, bukan pada alat dosis yang tepat. Hal ini dapat menyebabkan beberapa pasien tidak menerima dosis yang dibutuhkan, sehingga meningkatkan risiko kekambuhan, sementara yang lain mengalami efek samping yang tidak diinginkan akibat dosis radiasi yang terlalu tinggi.

Saat ini, proses pengobatan kanker tiroid di Vietnam, termasuk penentuan dosis radiasi untuk pasien, sepenuhnya mengikuti peraturan Kementerian Kesehatan . Namun, pada kenyataannya, dokter masih harus sangat bergantung pada pengalaman klinis mereka untuk menentukan dosis radiasi yang optimal. Di saat yang sama, mereka tidak memiliki alat pendukung yang efektif untuk mendapatkan gambaran yang komprehensif dan memprediksi perkembangan penyakit secara akurat.

Dari permasalahan ini, dengan bimbingan Dr. Nguyen Trong Hieu, Lektor Kepala, Dr. Tang Quoc Bao (Universitas Graz, Austria), dan Dokter Residen Nguyen Thi Phuong (Rumah Sakit Militer Pusat 108), kami dengan berani menerapkan kekuatan kami di bidang matematika untuk menemukan solusi. Dapat dikatakan bahwa ini merupakan salah satu studi perintis di Vietnam dalam penerapan matematika untuk mendukung proses perawatan,” ujar Quang.

Pemodelan dan optimasi: Kunci untuk perawatan yang dipersonalisasi

Untuk memecahkan masalah di atas, tim peneliti membangun model matematika yang berfokus pada simulasi kuantitas biologis utama dalam pengobatan kanker tiroid terdiferensiasi, termasuk: jumlah sel kanker (N), konsentrasi Tiroglobulin (Tg) dan antibodi anti-Tiroglobulin (AbTg) - biomarker penting untuk memantau respons pengobatan, bersama dengan dosis yodium radioaktif yang digunakan (A).

Quang dan tim penelitinya mempresentasikan topik mereka pada sesi pleno Konferensi Sains Mahasiswa. Topik tersebut memenangkan hadiah kedua.

Khususnya, model ini dirancang agar lebih sederhana daripada beberapa model yang lebih kompleks yang telah dikembangkan sebelumnya, namun tetap akurat mencerminkan interaksi biologis inti. Tujuan tim ini adalah untuk mencapai model yang sangat aplikatif dalam pengaturan klinis, mudah diintegrasikan, dan digunakan.

Berdasarkan model matematika tersebut, kelompok mahasiswa tersebut kemudian mengembangkan masalah kendali optimal. Tujuan dari masalah ini adalah untuk menemukan dosis dan jadwal RAI yang optimal untuk setiap pasien, guna mencapai beberapa tujuan sekaligus: mengurangi jumlah sel kanker secara efektif, menstabilkan konsentrasi biomarker Tg dan AbTg, dan yang tak kalah penting, meminimalkan efek samping yang tidak perlu akibat dosis radiasi.

Bila diterapkan untuk mensimulasikan hasil pengobatan, perhitungannya menunjukkan kewajaran, dapat membantu memperpendek masa pengobatan bagi pasien, dan mendukung dokter dalam mempertimbangkan pengurangan dosis pengobatan.

Simulasi pada tiga kelompok pasien representatif—mulai dari mereka yang merespons pengobatan dengan baik, mereka yang memiliki resistansi RAI sedang, hingga mereka yang memiliki resistansi RAI kuat—menunjukkan bahwa model tersebut mampu memprediksi perkembangan penyakit berdasarkan data laboratorium dasar, dan bahwa model tersebut dapat memberikan jadwal dan dosis RAI yang lebih tepat daripada rejimen pengobatan aktual yang digunakan.

Ketika membandingkan "dosis aktual" dan "dosis yang direkomendasikan model", hasilnya menunjukkan bahwa strategi pengobatan optimal yang diusulkan oleh model tersebut secara signifikan meningkatkan laju pengendalian sel kanker, dan mengembalikan konsentrasi biologis penting ke tingkat normal.

Potensi aplikasi menuju pengobatan yang dipersonalisasi

Untuk mewujudkan proyek interdisipliner semacam ini, terutama kombinasi matematika dan kedokteran, dibutuhkan upaya yang besar dari para anggota. Quang bercerita bahwa sebagai mahasiswa jurusan Matematika, transisi ke bidang yang berkaitan dengan Kedokteran awalnya menemui banyak kesulitan. Pada bulan-bulan pertama, sekitar 2-3 bulan, kelompok ini harus berupaya keras untuk mempelajari dan memahami mekanisme medis. Ada malam-malam di mana kami harus begadang untuk membaca dokumen.

Untungnya, kelompok ini mendapatkan dukungan antusias dari para ahli medis dan dokter. Ketika ada hal-hal yang kurang dipahami, kelompok ini berdiskusi secara langsung atau daring. Salah satu pengalaman yang berkesan adalah kunjungan pertama mereka ke Rumah Sakit Pusat Militer 108, di mana mereka dapat berinteraksi dan bekerja langsung dengan tim medis, mengumpulkan data, serta mengamati proses pemeriksaan dan perawatan medis.

"Kami menghabiskan sekitar 3 jam duduk bersama para dokter untuk mengumpulkan data dan bertukar keahlian. Selain itu, kami juga berkesempatan mengamati sebagian proses pemeriksaan dan perawatan medis, serta proses perawatan pasien. Pengalaman ini sungguh menarik dan bermanfaat," ujar Quang.

Quang mengatakan bahwa jika penelitian ini mendapat perhatian, diinvestasikan, dan dikembangkan, penelitian ini akan menjadi alat pendukung yang ampuh bagi para dokter. Penelitian ini tidak hanya membantu memprediksi perkembangan penyakit dalam waktu dekat, sekitar 4-5 tahun ke depan, tetapi juga membantu memberikan saran tentang dosis pengobatan berikutnya yang paling tepat untuk setiap pasien.

Tim kini tengah aktif menguji model tersebut dengan lebih banyak kumpulan data pasien, dengan fokus khusus pada pasien dengan kadar AbTg tinggi – kelompok yang sebelumnya kurang mendapat perhatian dari penelitian lain.

Selain itu, tim sedang mengembangkan aplikasi perangkat lunak yang dapat secara otomatis merekomendasikan dosis perawatan RAI yang tepat untuk setiap individu berdasarkan data masukan. Jika proyek ini berhasil, tujuan selanjutnya adalah mengembangkan aplikasi spesifik (app).

Secara khusus, kelompok ini sedang mempersiapkan naskah ilmiah untuk dipublikasikan di jurnal internasional bergengsi. "Kami berharap karya ini akan berkontribusi pada tren perawatan personal yang semakin berkembang pesat dalam kedokteran modern," ujar Quang.

Komentar (0)