Wykorzystanie matematyki do optymalizacji leczenia raka tarczycy

Rak tarczycy jest jednym z częstych nowotworów endokrynnych. Chociaż charakteryzuje się wysokim wskaźnikiem powodzenia, ryzyko nawrotu jest stałym zmartwieniem pacjentów i wyzwaniem dla medycyny. Praca „Zastosowanie matematyki w diagnostyce i leczeniu raka tarczycy” autorstwa studentów Tran Van Luat (K66 Matematyka - Informatyka) i Nguyen Dinh Quang (K67 Program Talentów Matematycznych) z Uniwersytetu Nauk Przyrodniczych (Narodowy Uniwersytet w Hanoi) przedstawia nowe i obiecujące podejście w wykorzystaniu modeli matematycznych do optymalizacji schematów leczenia raka tarczycy, w kierunku leczenia spersonalizowanego.

Nguyen Dinh Quang (okładka po lewej) i Tran Van Luat z plakatami na temat swojej pracy na Konferencji Studentów Nauki 2025 Uniwersytetu Nauk Przyrodniczych.

Od praktycznych zagadnień do przełomowych rozwiązań matematycznych

Podzielając ideę powstania projektu, Nguyen Dinh Quang powiedział, że dzięki badaniom praktycznym zespół badawczy zdał sobie sprawę, że obecnie schemat leczenia zróżnicowanego raka tarczycy opiera się głównie na tyreoidektomii, a następnie leczeniu adiuwantowym jodem radioaktywnym (RAI). Jednak określenie optymalnej dawki RAI dla każdego pacjenta jest nadal subiektywne i opiera się głównie na doświadczeniu klinicznym lekarza, a nie na precyzyjnych metodach dawkowania. Może to prowadzić do tego, że niektórzy pacjenci nie otrzymają odpowiedniej dawki, co zwiększa ryzyko nawrotu, a inni będą odczuwać niepożądane skutki uboczne zbyt wysokiej dawki promieniowania.

Obecnie proces leczenia raka tarczycy w Wietnamie, w tym ustalanie dawki promieniowania dla pacjentów, ściśle przestrzega przepisów Ministerstwa Zdrowia . Jednak w rzeczywistości lekarze nadal muszą w dużej mierze polegać na swoim doświadczeniu klinicznym, aby określić optymalną dawkę promieniowania. Jednocześnie nie dysponują skutecznym narzędziem wsparcia, które pozwoliłoby im uzyskać kompleksowy obraz i precyzyjnie przewidzieć postęp choroby.

„Wychodząc z tych obaw, pod kierunkiem dr. Nguyena Tronga Hieu, profesora nadzwyczajnego, dr. Tang Quoc Bao (Uniwersytet w Grazu, Austria) i mistrzyni medycyny rezydenckiej Nguyena Thi Phuonga (108. Centralny Szpital Wojskowy), śmiało wykorzystaliśmy naszą wiedzę matematyczną, aby znaleźć rozwiązanie. Można powiedzieć, że jest to jedno z pionierskich badań w Wietnamie nad zastosowaniem matematyki we wspieraniu procesu leczenia” – powiedział Quang.

Problemy modelowania i optymalizacji: klucz do spersonalizowanego leczenia

Aby rozwiązać powyższy problem, zespół badawczy zbudował model matematyczny skupiający się na symulacji kluczowych wielkości biologicznych w leczeniu zróżnicowanego raka tarczycy, w tym: liczby komórek nowotworowych (N), stężenia tyreoglobuliny (Tg) i przeciwciał przeciwko tyreoglobulinie (AbTg) – ważnych biomarkerów do monitorowania odpowiedzi na leczenie, wraz z dawką stosowanego jodu radioaktywnego (A).

Quang i jego zespół badawczy przedstawili swój temat na sesji plenarnej Studenckiej Konferencji Naukowej. Temat zdobył drugą nagrodę.

Co istotne, model ten został zaprojektowany tak, aby był prostszy niż niektóre z bardziej złożonych modeli, które istniały wcześniej, a jednocześnie zapewniał dokładne odzwierciedlenie podstawowych interakcji biologicznych. Celem zespołu jest stworzenie modelu, który będzie miał szerokie zastosowanie w warunkach klinicznych, a także będzie łatwy do integracji i użycia.

W oparciu o model matematyczny, grupa studentów kontynuowała prace nad problemem optymalnej kontroli. Celem tego problemu jest znalezienie optymalnej dawki i schematu podawania promieniowania jonizującego (RAI) dla każdego pacjenta, aby osiągnąć jednocześnie wiele celów: najskuteczniej zmniejszyć liczbę komórek nowotworowych, ustabilizować stężenia biomarkerów Tg i AbTg oraz, co równie ważne, zminimalizować niepożądane skutki uboczne dawki promieniowania.

Zastosowane do symulacji wyników leczenia obliczenia wykazują racjonalność, mogą pomóc w skróceniu okresu leczenia pacjentów i jednocześnie pomóc lekarzom w rozważeniu zmniejszenia dawek leków.

Symulacje przeprowadzone na trzech typowych grupach pacjentów – od tych, którzy dobrze zareagowali na leczenie, przez tych z umiarkowaną opornością na RAI, po tych z wysoką opornością na RAI – wykazały, że model był w stanie trafnie przewidywać progresję choroby na podstawie danych z badań wyjściowych. W rezultacie model był w stanie zapewnić bardziej odpowiedni schemat i dawkę RAI niż faktycznie stosowane schematy leczenia.

Porównanie „dawki rzeczywistej” i „dawki zalecanej w modelu” wykazało, że optymalna strategia leczenia zaproponowana przez model znacząco poprawiła wskaźnik kontroli komórek nowotworowych i przywróciła ważne stężenia biologiczne do normalnego poziomu.

Potencjalne zastosowania w medycynie spersonalizowanej

Stworzenie tak interdyscyplinarnego projektu, a zwłaszcza połączenie matematyki i medycyny, wymaga ogromnego wysiłku ze strony członków. Quang przyznał, że jako student matematyki, przejście na kierunek związany z medycyną początkowo napotkało wiele trudności. W pierwszych miesiącach, około 2-3 miesięcy, grupa musiała włożyć wiele wysiłku w naukę i zrozumienie mechanizmów medycznych. Zdarzały się noce, kiedy musieliśmy siedzieć i czytać dokumenty.

Na szczęście grupa otrzymała entuzjastyczne wsparcie ze strony ekspertów medycznych i lekarzy. W przypadku problemów, które nie były do końca jasne, grupa dyskutowała bezpośrednio lub online. Jednym z niezapomnianych doświadczeń była pierwsza wizyta grupy w 108. Centralnym Szpitalu Wojskowym, kontakt i bezpośrednia współpraca z zespołem medycznym, zbieranie danych oraz obserwowanie procesu badań lekarskich i leczenia.

„Spędziliśmy około 3 godzin, siedząc z lekarzami, aby zebrać dane i wymienić się wiedzą. Mieliśmy również okazję obserwować część procesu badania lekarskiego i leczenia, proces leczenia pacjentów. To były naprawdę interesujące i pożyteczne doświadczenia” – podzielił się Quang.

Quang powiedział, że jeśli te badania zostaną poświęcone, zainwestowane i rozwinięte, staną się potężnym narzędziem wsparcia dla lekarzy. Pomogą nie tylko przewidzieć postęp choroby w najbliższej przyszłości, około 4-5 lat, ale także zasugerować kolejną dawkę leku, która będzie najbardziej odpowiednia dla każdego pacjenta.

Zespół aktywnie testuje obecnie model na większej liczbie zestawów danych pacjentów, skupiając się w szczególności na pacjentach z wysokim poziomem AbTg – populacji, której wcześniej poświęcano niewiele uwagi w innych badaniach.

Zespół opracowuje również aplikację, która na podstawie danych wejściowych automatycznie zaleci odpowiednią dawkę terapii radioizotopowej (RAI) dla każdego pacjenta. Jeśli projekt zakończy się sukcesem, kolejnym celem będzie opracowanie dedykowanej aplikacji.

W szczególności grupa przygotowuje manuskrypt naukowy, który zostanie opublikowany w prestiżowych czasopismach międzynarodowych. „Mamy nadzieję, że praca ta przyczyni się do rozwoju trendu leczenia spersonalizowanego, który dynamicznie rozwija się we współczesnej medycynie” – powiedział Quang.

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