Använda matematik för att optimera behandling av sköldkörtelcancer

En grupp studenter från University of Science (Vietnam National University, Hanoi) har varit pionjärer inom användningen av matematiska modeller för att optimera behandlingen av sköldkörtelcancer.

Sköldkörtelcancer är en av de vanligaste endokrina cancerformerna, även om den har en hög framgångsgrad är risken för återfall alltid en ständig oro för patienter och en utmaning för medicinen. Arbetet "Tillämpning av matematik vid diagnos och behandling av sköldkörtelcancer" av studenterna Tran Van Luat (K66 Math - IT) och Nguyen Dinh Quang (K67 Math Talent Program) vid University of Natural Sciences (Hanoi National University) har introducerat en ny och lovande metod för att använda matematiska modeller för att optimera behandlingar för sköldkörtelcancer, i riktning mot personlig behandling.

Nguyen Dinh Quang (vänster omslag) och Tran Van Luat med affischer om sitt arbete vid studentkonferensen i naturvetenskap 2025 vid Naturvetenskapliga universitetet.

Från praktiska problem till banbrytande matematiska lösningar

Nguyen Dinh Quang, som delade idén bakom projektet, sa att forskargruppen genom praktisk forskning insåg att behandlingsregimen för differentierad sköldkörtelcancer för närvarande huvudsakligen bygger på tyreoidektomi följt av adjuvant behandling med radioaktivt jod (RAI). Att bestämma den optimala RAI-dosen för varje patient är dock fortfarande subjektivt och till stor del baserat på läkarens kliniska erfarenhet snarare än exakta doseringsverktyg. Detta kan leda till att vissa patienter inte får den nödvändiga dosen, vilket ökar risken för återfall, medan andra drabbas av oönskade biverkningar av en för hög stråldos.

För närvarande följer behandlingsprocessen för sköldkörtelcancer i Vietnam, inklusive fastställandet av stråldosen för patienter, strikt hälsoministeriets föreskrifter. I verkligheten måste dock läkare fortfarande i hög grad förlita sig på sin kliniska erfarenhet för att bestämma den optimala stråldosen. Samtidigt saknar de ett effektivt stödverktyg för att få en heltäckande bild och korrekt förutsäga sjukdomsförloppet.

”Utifrån dessa funderingar, med vägledning av Dr. Nguyen Trong Hieu, docent, Dr. Tang Quoc Bao (Graz universitet, Österrike) och Master. Reservistläkare Nguyen Thi Phuong (108 Military Central Hospital), använde vi djärvt vår styrka inom matematik för att hitta en lösning. Man kan säga att detta är en av de banbrytande studierna i Vietnam när det gäller att tillämpa matematik för att stödja behandlingsprocessen”, sa Quang.

Modellerings- och optimeringsproblem: Nyckeln till personlig behandling

För att lösa ovanstående problem byggde forskargruppen en matematisk modell som fokuserar på att simulera viktiga biologiska storheter vid behandling av differentierad sköldkörtelcancer, inklusive: antalet cancerceller (N), koncentrationen av tyreoglobulin (Tg) och anti-tyreoglobulin-antikroppar (AbTg) – viktiga biomarkörer för att övervaka behandlingsrespons, tillsammans med dosen av radioaktivt jod som används (A).

Quang och hans forskargrupp presenterade sitt ämne vid plenarsessionen på Student Science Conference. Ämnet vann andra pris.

Det är värt att notera att denna modell är utformad för att vara enklare än några av de mer komplexa modeller som tidigare funnits, samtidigt som den säkerställer en korrekt återspegling av centrala biologiska interaktioner. Teamets mål är att uppnå en modell som är mycket tillämpbar i kliniska miljöer, lätt att integrera och använda.

Baserat på den matematiska modellen fortsatte studentgruppen att utveckla ett optimalt kontrollproblem. Målet med detta problem är att hitta den optimala RAI-dosen och schemat för varje specifik patient, för att uppnå flera mål samtidigt: att mest effektivt minska antalet cancerceller, stabilisera koncentrationerna av Tg- och AbTg-biomarkörer, och lika viktigt, minimera onödiga biverkningar från stråldosen.

När beräkningarna tillämpas på simulering av behandlingsresultat visar de sig vara rimliga, kan bidra till att förkorta behandlingsperioden för patienter och samtidigt stödja läkare i att överväga att minska behandlingsdoserna.

Simuleringar på tre typiska patientgrupper – från de som svarade bra på behandlingen, de som var måttligt RAI-resistenta och de som var mycket RAI-resistenta – visade att modellen kunde förutsäga sjukdomsprogression väl baserat på baslinjedata. Som ett resultat kunde modellen ge ett mer lämpligt RAI-schema och dos än de faktiska behandlingsregimerna som tillämpades.

Vid jämförelse av den "faktiska dosen" och den "modellrekommenderade dosen" visade resultaten att den optimala behandlingsstrategin som föreslogs av modellen avsevärt förbättrade graden av cancercellskontroll och återförde viktiga biologiska koncentrationer till normala nivåer.

Potentiella tillämpningar inom personlig medicin

Att ta form av ett sådant tvärvetenskapligt projekt, särskilt kombinationen av matematik och medicin, kräver stora ansträngningar från medlemmarna. Quang berättade att som student med matematik som huvudämne stötte övergången till ett område relaterat till medicin inledningsvis på många svårigheter. Under de första månaderna, cirka 2-3 månader, var gruppen tvungen att anstränga sig mycket för att lära sig och förstå medicinska mekanismer. Det fanns nätter då vi var tvungna att vara uppe för att läsa dokument.

Lyckligtvis fick gruppen entusiastiskt stöd från medicinska experter och läkare. När det fanns problem som inte var helt klara diskuterade gruppen dem direkt eller online. En av de minnesvärda upplevelserna var första gången gruppen besökte 108 Military Central Hospital, kontaktade och arbetade direkt med det medicinska teamet, samlade in data och observerade den medicinska undersökningen och behandlingsprocessen.

”Vi tillbringade ungefär tre timmar med att sitta med läkare för att samla in data och utbyta expertis. Dessutom fick vi möjlighet att observera en del av den medicinska undersökningen och behandlingsprocessen, patienternas behandlingsprocess. Det var verkligen intressanta och användbara erfarenheter”, berättade Quang.

Quang sa att om denna forskning uppmärksammas, investeras i och utvecklas, kommer den att bli ett kraftfullt stödverktyg för läkare. Den kommer inte bara att hjälpa till att förutsäga sjukdomsförloppet inom en snar framtid, ungefär de kommande 4–5 åren, utan också att ge förslag på nästa behandlingsdos som är mest lämplig för varje patient.

Teamet testar nu aktivt modellen med fler patientdataset, med specifikt fokus på patienter med höga AbTg-nivåer – en population som tidigare har fått liten uppmärksamhet i andra studier.

Dessutom utvecklar teamet en mjukvaruapplikation som automatiskt kan rekommendera lämplig RAI-behandlingsdos för varje individ baserat på indata. Om projektet lyckas är det fortsatta målet att utveckla en specifik applikation (app).

Gruppen förbereder särskilt ett vetenskapligt manuskript som ska skickas in för publicering i prestigefyllda internationella tidskrifter. ”Vi hoppas att arbetet kommer att bidra till trenden med personlig behandling som utvecklas allt starkare inom modern medicin”, delade Quang.

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