Використання математики для оптимізації лікування раку щитовидної залози

Група студентів з Університету наук (В'єтнамський національний університет, Ханой) стала піонером у використанні математичних моделей для оптимізації лікування раку щитовидної залози.

Рак щитовидної залози є одним із поширених ендокринних видів раку, хоча він має високий рівень успішності, ризик рецидиву завжди є постійною проблемою для пацієнтів та викликом для медицини. Робота «Застосування математики в діагностиці та лікуванні раку щитовидної залози» студентів Тран Ван Луата (K66 Математика - ІТ) та Нгуєн Дінь Куанг (K67 Програма математичних талантів) з Університету природничих наук (Ханойський національний університет) запропонувала новий та перспективний підхід до використання математичних моделей для оптимізації схем лікування раку щитовидної залози, спрямований на персоналізоване лікування.

Нгуєн Дінь Куанг (ліва обкладинка) та Тран Ван Луат з постерами про свою роботу на Студентській науковій конференції Університету природничих наук 2025 року.

Від практичних питань до проривних математичних рішень

Поділившись ідеєю створення проєкту, Нгуєн Дінь Куанг зазначив, що завдяки практичним дослідженням дослідницька група усвідомила, що наразі схема лікування диференційованого раку щитоподібної залози переважно спирається на тиреоїдектомію з подальшим ад'ювантним лікуванням радіоактивним йодом (РАЙ). Однак визначення оптимальної дози РАЙ для кожного пацієнта все ще є суб'єктивним і значною мірою ґрунтується на клінічному досвіді лікаря, а не на точних інструментах дозування. Це може призвести до того, що деякі пацієнти не отримають необхідної дози, що збільшує ризик рецидиву, тоді як інші страждають від небажаних побічних ефектів від занадто високої дози опромінення.

Наразі процес лікування раку щитоподібної залози у В'єтнамі, включаючи визначення дози опромінення для пацієнтів, суворо відповідає правилам Міністерства охорони здоров'я . Однак насправді лікарям все ще доводиться значною мірою покладатися на свій клінічний досвід для визначення оптимальної дози опромінення. Водночас вони не мають ефективного інструменту підтримки, щоб мати повне уявлення та точно прогнозувати прогресування захворювання.

«Виходячи з цих проблем, за допомогою доцента доктора Нгуєн Тронг Хьєу, доктора Тан Куок Бао (Університет Граца, Австрія) та лікаря-резидента магістра Нгуєн Тхі Фуонга (108-й військовий центральний шпиталь), ми сміливо застосували наші сильні сторони в математиці, щоб знайти рішення. Можна сказати, що це одне з новаторських досліджень у В'єтнамі щодо застосування математики для підтримки процесу лікування», – сказав Куанг.

Проблеми моделювання та оптимізації: ключ до персоналізованого лікування

Щоб вирішити вищезазначену проблему, дослідницька група створила математичну модель, яка зосереджена на моделюванні ключових біологічних величин у лікуванні диференційованого раку щитоподібної залози, включаючи: кількість ракових клітин (N), концентрацію тиреоглобуліну (Tg) та антитіл до тиреоглобуліну (AbTg) – важливих біомаркерів для моніторингу відповіді на лікування, а також дозу використаного радіоактивного йоду (A).

Куанг та його дослідницька група доповіли про свою тему на пленарному засіданні Студентської наукової конференції. Тема отримала другу премію.

Примітно, що ця модель розроблена простішою за деякі складніші моделі, що існували раніше, водночас забезпечуючи точне відображення основних біологічних взаємодій. Мета команди — створити модель, яка буде високо застосовною в клінічних умовах, легкою в інтеграції та використанні.

На основі математичної моделі група студентів продовжила розробку задачі оптимального керування. Метою цієї задачі є пошук оптимальної дози та графіку опромінення (RAI) для кожного конкретного пацієнта, щоб досягти кількох цілей одночасно: найефективніше зменшити кількість ракових клітин, стабілізувати концентрації біомаркерів Tg та AbTg, і, що не менш важливо, мінімізувати непотрібні побічні ефекти від дози опромінення.

При застосуванні до моделювання результатів лікування розрахунки демонструють обґрунтованість, можуть допомогти скоротити період лікування пацієнтів і водночас допомогти лікарям розглянути можливість зниження доз лікування.

Моделювання трьох типових груп пацієнтів – тих, хто добре реагував на лікування, тих, хто мав помірну стійкість до RAI, та тих, хто мав високу стійкість до RAI – показало, що модель змогла добре прогнозувати прогресування захворювання на основі даних базового тестування. Як результат, модель змогла запропонувати більш доцільний графік та дозу RAI, ніж фактично застосовані схеми лікування.

Порівнюючи «фактичну дозу» та «рекомендовану моделлю дозу», результати показали, що оптимальна стратегія лікування, запропонована моделлю, значно покращила швидкість контролю ракових клітин та повернула важливі біологічні концентрації до нормального рівня.

Потенційні застосування в персоналізованій медицині

Щоб реалізувати такий міждисциплінарний проект, особливо поєднання математики та медицини, потрібні великі зусилля від учасників. Куанг розповів, що, будучи студентом, який спеціалізується на математиці, перехід до галузі, пов'язаної з медициною, спочатку зіткнувся з багатьма труднощами. У перші місяці, приблизно 2-3 місяці, групі довелося докласти великих зусиль, щоб вивчити та осягнути медичні механізми. Були ночі, коли нам доводилося не спати, щоб читати документи.

На щастя, група отримала захоплену підтримку від медичних експертів та лікарів. Коли виникали питання, які були нечіткими, група обговорювала їх безпосередньо або онлайн. Одним із пам’ятних моментів став перший візит групи до 108-го Центрального військового шпиталю, контакт та безпосередня співпраця з медичною командою, збір даних та спостереження за процесом медичного обстеження та лікування.

«Ми провели близько 3 годин, сидячи з лікарями, щоб зібрати дані та обмінятися досвідом. Крім того, ми також мали можливість спостерігати за частиною процесу медичного обстеження та лікування, процесом лікування пацієнтів. Це був справді цікавий та корисний досвід», – поділився Куанг.

Куанг сказав, що якщо цьому дослідженню приділять увагу, інвестуватимуть у нього та розвиватимуть його, воно стане потужним інструментом підтримки для лікарів. Воно не лише допоможе передбачити прогресування захворювання найближчим часом, приблизно на наступні 4-5 років, але й допоможе надати рекомендації щодо наступного дозування лікування, яке найбільше підходить для кожного пацієнта.

Зараз команда активно тестує модель з більшою кількістю наборів даних пацієнтів, зосереджуючись саме на пацієнтах з високим рівнем AbTg – групі, якій раніше приділялося мало уваги в інших дослідженнях.

Крім того, команда розробляє програмний застосунок, який може автоматично рекомендувати відповідну дозу лікування RAI для кожної людини на основі вхідних даних. Якщо проєкт буде успішним, подальшою метою є розробка спеціального застосунку (додатку).

Зокрема, група готує науковий рукопис для публікації в престижних міжнародних журналах. «Ми сподіваємося, що ця робота сприятиме тенденції персоналізованого лікування, яка дедалі сильніше розвивається в сучасній медицині», – поділився Куанг.

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