มะเร็งต่อมไทรอยด์เป็นมะเร็งต่อมไร้ท่อที่พบบ่อยที่สุดชนิดหนึ่ง แม้ว่าจะมีอัตราความสำเร็จสูง แต่ความเสี่ยงของการกลับมาเป็นซ้ำยังคงเป็นข้อกังวลสำหรับผู้ป่วยและเป็นความท้าทายทางการแพทย์ งานวิจัยเรื่อง "การประยุกต์ใช้คณิตศาสตร์ในการวินิจฉัยและรักษามะเร็งต่อมไทรอยด์" โดยนักศึกษา Tran Van Luat (K66 คณิตศาสตร์ - ไอที) และ Nguyen Dinh Quang (K67 คณิตศาสตร์พรสวรรค์) แห่งมหาวิทยาลัย วิทยาศาสตร์ ธรรมชาติ (มหาวิทยาลัยแห่งชาติเวียดนาม ฮานอย) ได้นำเสนอแนวทางใหม่และมีแนวโน้มในการใช้แบบจำลองทางคณิตศาสตร์เพื่อปรับแผนการรักษามะเร็งต่อมไทรอยด์ให้เหมาะสมที่สุด ไปสู่การรักษาเฉพาะบุคคล
เหงียน ดินห์ กวาง (ปกซ้าย) และตรัน วัน ลวัต พร้อมโปสเตอร์เกี่ยวกับผลงานของพวกเขาในงานประชุมวิทยาศาสตร์นักศึกษา ประจำปี 2568 ของมหาวิทยาลัยวิทยาศาสตร์ธรรมชาติ
จากความกังวลเชิงปฏิบัติสู่แนวทางแก้ปัญหาทางคณิตศาสตร์ที่ก้าวล้ำ
เหงียน ดิ่ง กวาง ผู้ร่วมแบ่งปันแนวคิดในการก่อตั้งโครงการนี้ กล่าวว่า จากการวิจัยเชิงปฏิบัติ ทีมวิจัยได้ตระหนักว่าปัจจุบันการรักษามะเร็งต่อมไทรอยด์ชนิดแยกโรคส่วนใหญ่อาศัยการผ่าตัดต่อมไทรอยด์ออกก่อน แล้วจึงรักษาเสริมด้วยไอโอดีนกัมมันตรังสี (RAI) อย่างไรก็ตาม การกำหนดขนาดยา RAI ที่เหมาะสมสำหรับผู้ป่วยแต่ละรายยังคงขึ้นอยู่กับประสบการณ์ทางคลินิกของแพทย์มากกว่าเครื่องมือกำหนดขนาดยาที่แม่นยำ ซึ่งอาจทำให้ผู้ป่วยบางรายไม่ได้รับยาในปริมาณที่จำเป็น และเพิ่มความเสี่ยงต่อการกลับมาเป็นซ้ำ ในขณะที่ผู้ป่วยบางรายอาจได้รับผลข้างเคียงที่ไม่พึงประสงค์จากการได้รับรังสีในปริมาณที่สูงเกินไป
ปัจจุบัน กระบวนการรักษามะเร็งต่อมไทรอยด์ในเวียดนาม รวมถึงการกำหนดปริมาณรังสีสำหรับผู้ป่วย ปฏิบัติตามกฎระเบียบของ กระทรวงสาธารณสุข อย่างเคร่งครัด อย่างไรก็ตาม ในความเป็นจริง แพทย์ยังคงต้องอาศัยประสบการณ์ทางคลินิกเป็นหลักในการกำหนดปริมาณรังสีที่เหมาะสม ในขณะเดียวกัน แพทย์ก็ยังไม่มีเครื่องมือสนับสนุนที่มีประสิทธิภาพในการมองเห็นภาพรวมและคาดการณ์ความก้าวหน้าของโรคได้อย่างแม่นยำ
จากความกังวลเหล่านี้ ภายใต้การชี้นำของ ดร.เหงียน จ่อง เฮียว รองศาสตราจารย์ ดร.ตัง ก๊วก เบา (มหาวิทยาลัยกราซ ประเทศออสเตรีย) และแพทย์ประจำบ้าน อาจารย์เหงียน ถิ เฟือง (โรงพยาบาลทหารกลาง 108) เราจึงได้ใช้ศักยภาพทางคณิตศาสตร์อย่างกล้าหาญเพื่อค้นหาวิธีแก้ปัญหา กล่าวได้ว่านี่เป็นหนึ่งในการศึกษาบุกเบิกในเวียดนามที่นำคณิตศาสตร์มาสนับสนุนกระบวนการรักษา” กวางกล่าว
การสร้างแบบจำลองและการเพิ่มประสิทธิภาพ: กุญแจสำคัญในการรักษาเฉพาะบุคคล
เพื่อแก้ปัญหาข้างต้น ทีมวิจัยได้สร้างแบบจำลองทางคณิตศาสตร์ที่เน้นการจำลองปริมาณทางชีวภาพที่สำคัญในการรักษามะเร็งต่อมไทรอยด์ที่แตกต่าง ซึ่งรวมถึง: จำนวนเซลล์มะเร็ง (N) ความเข้มข้นของไทรอยด์โกลบูลิน (Tg) และแอนติบอดีต่อไทรอยด์โกลบูลิน (AbTg) ซึ่งเป็นไบโอมาร์กเกอร์ที่สำคัญในการติดตามการตอบสนองต่อการรักษา ร่วมกับปริมาณไอโอดีนกัมมันตรังสีที่ใช้ (A)
คุณ Quang และทีมวิจัยของเขาได้นำเสนอหัวข้อวิจัยในการประชุมใหญ่ของการประชุมวิทยาศาสตร์นักศึกษา หัวข้อวิจัยนี้ได้รับรางวัลรองชนะเลิศ
ที่น่าสังเกตคือ แบบจำลองนี้ได้รับการออกแบบให้เรียบง่ายกว่าแบบจำลองที่ซับซ้อนกว่าบางแบบที่เคยพัฒนามาก่อน แต่ยังคงสะท้อนปฏิสัมพันธ์ทางชีววิทยาหลักได้อย่างแม่นยำ เป้าหมายของทีมคือการบรรลุแบบจำลองที่สามารถนำไปประยุกต์ใช้ทางคลินิกได้อย่างมีประสิทธิภาพ ง่ายต่อการผสานรวมและใช้งาน
จากแบบจำลองทางคณิตศาสตร์ กลุ่มนักศึกษาได้พัฒนาโจทย์ควบคุมที่เหมาะสมต่อไป เป้าหมายของโจทย์นี้คือการหาปริมาณรังสี RAI และตารางเวลาที่เหมาะสมสำหรับผู้ป่วยแต่ละราย เพื่อให้บรรลุเป้าหมายหลายประการในเวลาเดียวกัน ได้แก่ การลดจำนวนเซลล์มะเร็งอย่างมีประสิทธิภาพสูงสุด รักษาระดับความเข้มข้นของไบโอมาร์กเกอร์ Tg และ AbTg ให้คงที่ และที่สำคัญไม่แพ้กันคือ ลดผลข้างเคียงที่ไม่จำเป็นจากปริมาณรังสี
เมื่อนำไปใช้ในการจำลองผลการรักษา การคำนวณแสดงให้เห็นถึงความสมเหตุสมผล ช่วยลดระยะเวลาการรักษาสำหรับผู้ป่วย และสนับสนุนแพทย์ในการพิจารณาลดขนาดยาในการรักษา
การจำลองกลุ่มผู้ป่วยตัวแทนสามกลุ่ม ได้แก่ กลุ่มที่ตอบสนองต่อการรักษาได้ดี กลุ่มที่มีความต้านทาน RAI ปานกลาง และกลุ่มที่มีความต้านทาน RAI รุนแรง แสดงให้เห็นว่าแบบจำลองสามารถคาดการณ์ความก้าวหน้าของโรคได้โดยอาศัยข้อมูลห้องปฏิบัติการพื้นฐาน และแบบจำลองสามารถกำหนดตารางและปริมาณยา RAI ที่เหมาะสมกว่าแผนการรักษาจริงที่ใช้
เมื่อเปรียบเทียบ “ขนาดยาจริง” กับ “ขนาดยาที่แบบจำลองแนะนำ” ผลลัพธ์แสดงให้เห็นว่ากลยุทธ์การรักษาที่เหมาะสมที่สุดที่แบบจำลองเสนอมาสามารถปรับปรุงอัตราการควบคุมเซลล์มะเร็งได้อย่างมีนัยสำคัญ และทำให้ความเข้มข้นทางชีวภาพที่สำคัญกลับมาสู่ระดับปกติ
การประยุกต์ใช้ที่เป็นไปได้ต่อการแพทย์เฉพาะบุคคล
การจะทำให้โครงการสหวิทยาการดังกล่าวเป็นรูปเป็นร่างขึ้น โดยเฉพาะการผสมผสานระหว่างคณิตศาสตร์และการแพทย์ จำเป็นต้องอาศัยความพยายามอย่างมากจากสมาชิก คุณ Quang เล่าว่าในฐานะนักศึกษาวิชาเอกคณิตศาสตร์ การเปลี่ยนผ่านไปสู่สาขาที่เกี่ยวข้องกับการแพทย์ในช่วงแรกนั้นต้องเผชิญกับความยากลำบากมากมาย ในช่วงเดือนแรก ๆ ประมาณ 2-3 เดือน กลุ่มต้องพยายามอย่างมากในการเรียนรู้และเข้าใจกลไกทางการแพทย์ มีบางคืนที่เราต้องอดหลับอดนอนเพื่ออ่านเอกสาร
โชคดีที่กลุ่มนี้ได้รับการสนับสนุนอย่างกระตือรือร้นจากผู้เชี่ยวชาญ ทางการแพทย์ และแพทย์ เมื่อมีปัญหาที่ยังไม่เป็นที่เข้าใจอย่างชัดเจน กลุ่มจะหารือกันโดยตรงหรือทางออนไลน์ หนึ่งในประสบการณ์ที่น่าจดจำคือการได้ไปที่โรงพยาบาลทหารกลาง 108 เป็นครั้งแรก ซึ่งพวกเขาได้มีปฏิสัมพันธ์และทำงานร่วมกับทีมแพทย์โดยตรง รวบรวมข้อมูล และสังเกตการณ์กระบวนการตรวจและการรักษา
“เราใช้เวลานั่งพูดคุยกับแพทย์ประมาณ 3 ชั่วโมง เพื่อรวบรวมข้อมูลและแลกเปลี่ยนความเชี่ยวชาญ นอกจากนี้ เรายังมีโอกาสได้สังเกตกระบวนการตรวจและการรักษาทางการแพทย์ ซึ่งเป็นส่วนหนึ่งของกระบวนการรักษาผู้ป่วย นับเป็นประสบการณ์ที่น่าสนใจและมีประโยชน์อย่างมาก” คุณ Quang กล่าว
ดร. Quang กล่าวว่า หากงานวิจัยนี้ได้รับความสนใจ ลงทุน และพัฒนา ก็จะเป็นเครื่องมือสนับสนุนที่มีประสิทธิภาพสำหรับแพทย์ ไม่เพียงแต่ช่วยคาดการณ์ความก้าวหน้าของโรคในอนาคตอันใกล้ ประมาณ 4-5 ปีข้างหน้าเท่านั้น แต่ยังช่วยให้คำแนะนำเกี่ยวกับขนาดยาที่เหมาะสมที่สุดสำหรับผู้ป่วยแต่ละรายอีกด้วย
ขณะนี้ทีมงานกำลังทดสอบโมเดลอย่างจริงจังกับชุดข้อมูลผู้ป่วยเพิ่มเติม โดยมุ่งเน้นไปที่ผู้ป่วยที่มีระดับ AbTg สูงโดยเฉพาะ ซึ่งเป็นกลุ่มที่ได้รับความสนใจน้อยมากจากการศึกษาวิจัยอื่นๆ มาก่อน
นอกจากนี้ ทีมงานกำลังพัฒนาแอปพลิเคชันซอฟต์แวร์ที่สามารถแนะนำขนาดยา RAI ที่เหมาะสมสำหรับแต่ละบุคคลโดยอัตโนมัติตามข้อมูลที่ป้อนเข้า หากโครงการประสบความสำเร็จ เป้าหมายต่อไปคือการพัฒนาแอปพลิเคชันเฉพาะ (แอป)
โดยเฉพาะอย่างยิ่ง กลุ่มกำลังเตรียมต้นฉบับทางวิทยาศาสตร์เพื่อส่งตีพิมพ์ในวารสารนานาชาติที่มีชื่อเสียง “เราหวังว่างานวิจัยนี้จะช่วยสนับสนุนแนวโน้มการรักษาเฉพาะบุคคล ซึ่งกำลังพัฒนาอย่างแข็งแกร่งในวงการแพทย์สมัยใหม่” กวางกล่าว
ที่มา: https://khoahocdoisong.vn/dung-toan-hoc-toi-uu-hoa-dieu-tri-ung-thu-tuyen-giap-post1544500.html
การแสดงความคิดเห็น (0)