Administração ótima de medicamentos da combinação de agentes citotóxicos e imunoestimulantes para tratamento de câncer via otimização multiobjetivo

Autores

DOI:

https://doi.org/10.5902/2179460X87129

Palavras-chave:

Tratamento de Câncer, Quimioterapia, Imunoterapia, Controle Ótimo, Otimização Multi-objetivo

Resumo

O câncer representa uma preocupação significativa em termos de saúde pública mundial, destacando-se como uma das principais causas de morte e uma barreira ao avanço da espectativa de vida. Os custos associados ao tratamento do câncer têm crescido acima da taxa de inflação, impulsionados pelo aumento do número de novos pacientes diagnosticados, pelos custos dos materiais e medicamentos envolvidos e pela ineficiência dos cuidados, que estão se tornando cada vez mais complexos e descoordenados. A administração mista de imunoterapia e quimioterapia desempenha um papel fundamental no tratamento do câncer. Contudo, tal combinação de tratamentos pode apresentar desafios decorrentes das complexas interações entre essas duas modalidades terapêuticas. Este trabalho tem como objetivo identificar a combinação ideal de tratamentos que permita minimizar tanto o volume tumoral quanto os efeitos adversos resultantes da administração conjunta de medicamentos através de uma abordagem de otimização multi-objetivo estabelecendo diretrizes para a administração ideal de medicamentos no contexto da combinação de imunoterapia e de quimioterapia.

Downloads

Não há dados estatísticos.

Biografia do Autor

Maicon de Paiva Torres, UERJ

Maicon de Paiva Torres possui graduação em Engenharia Mecânica (2010-2014), mestrado (2016-2018) e doutorado (2019-2023) em Modelagem Computacional pela Universidade do Estado do Rio de Janeiro (UERJ). Foi contemplado com a Bolsa de Mestrado Nota 10 da Fundação Carlos Chagas Filho de Amparo à Pesquisa do Estado do Rio de Janeiro (FAPERJ). Ao longo de sua trajetória acadêmica, atuou em projetos na linha de pesquisa de Matemática Aplicada e Computação Científica, com aplicações em cálculos de blindagens para nêutrons, vibrações, transferência de calor e determinação da administração ótima de medicamentos para o tratamento de câncer. Atualmente trabalha como Engenheiro de Projetos na Altec. Tem experiência nas áreas de análise numérica, otimização estocástica e problemas inversos.

Géssica Ramos da Silva, Instituto Politécnico do Rio de Janeiro - UERJ

Doutora em Modelagem Computacional pela Universidade do Estado do Rio de Janeiro (Instituto Politécnico). Durante o doutorado, atuou na linha de pesquisa "Matemática Aplicada e Computação Científica", empregando a otimização multiobjetivo na estimação de parâmetros de modelos termodinâmicos, com foco em equações cúbicas de estado. Possui mestrado em Modelagem Computacional pela Universidade do Estado do Rio de Janeiro (Instituto Politécnico). Durante o mestrado, atuou na linha de pesquisa "Termofluidodinâmica, Meios Porosos e Transporte de Partículas", empregando o método Smoothed Particle Hydrodynamics na simulação de problemas envolvendo interfaces livres, com foco na dinâmica da formação, oscilação e coalescência de gotas. Possui graduação em Engenharia Mecânica pela Universidade do Estado do Rio de Janeiro (Instituto Politécnico), tendo recebido o certificado de Dignidade Acadêmica no grau Cum Laude, e Licenciatura em Matemática pela Universidade Federal Fluminense. Durante a graduação em Engenharia Mecânica, participou de três projetos de pesquisa: no primeiro (PIBIC-UERJ), trabalhou na área de transporte de massa com ênfase na determinação de parâmetros cinéticos de adsorção, através do uso de algoritmos inversos de otimização; no segundo (FAPERJ), desenvolveu um projeto com enfoque na modelagem de experimentos na análise de resultados de corrosão em materiais metálicos; e, no terceiro, desenvolveu um simulador computacional para o cálculo da espessura ótima de isolamento térmico em dutos de petróleo em condições submarinas.

Fran Sérgio Lobato, Universidade Federal de Uberlândia

Nascido em Araguari-MG. Obteve o Título de Engenheiro Químico em 2002, na Faculdade de Engenharia Química da Universidade Federal de Uberlândia, onde concluiu sua Dissertação de Mestrado, que tinha como enfoque a Teoria de Controle Ótimo Algébrico-Diferencial, em 2004. Concluiu em 2008 sua Tese de Doutorado na Faculdade de Engenharia Mecânica da Universidade Federal de Uberlândia, onde trabalhou com o Algoritmo de Evolução Diferencial aplicado a problemas multi-objetivos. Atualmente é professor associado na Universidade Federal de Uberlândia, docente permanente do Programa de Pós Graduação em Modelagem e Otimização da Universidade Federal de Goiás, Campus Catalão e docente permanente do Programa de Pós Graduação em Engenharia Mecânica da Universidade Federal de Uberlândia, Campus Santa Mônica. Tem como áreas de interesse: i) Teoria de Controle Ótimo Algébrico-Diferencial com Índice Flutuante, com aplicações em áreas diversas, principalmente em processos biotecnológicos e em medicina para o desenvolvimento de estratégias para o tratamento de carcinomas; ii) Métodos de Otimização Clássicos, Heurísticos, Estruturais e Bio-Inspirados na Natureza; iii) Atualização de parâmetros de algoritmos evolutivos usando Modelos Caóticos de Busca e o Conceito de Taxa de Convergência baseado no Conceito de Homogeneidade da População; iv) Problemas Inversos; v) Projeto de Sistemas de Engenharia Multi-objetivos; vi) Tratamento de Problemas de Otimização Robustos e vii) Tratamento de Problemas de Otimização com Confiabilidade.

Gustavo Barbosa Libotte, Instituto Politécnico do Rio de Janeiro - UERJ

Possui graduação em Engenharia de Computação (2010-2014), mestrado (2014-2015) e doutorado (2016-2020) em Modelagem Computacional pela Universidade do Estado do Rio de Janeiro. Foi contemplado com a Bolsa de Doutorado Nota 10 da Fundação Carlos Chagas Filho de Amparo à Pesquisa do Estado do Rio de Janeiro. Foi bolsista de pós-doutorado do Programa de Capacitação Institucional (PCI/CNPq) do Laboratório Nacional de Computação Científica (2020-2021) e da Universidade Federal do Rio de Janeiro (2021-2022), Chamada C-Ação Emergencial COVID-19 (FAPERJ), onde realizou pesquisas sobre a modelagem epidemiológica da COVID-19. Atualmente é professor adjunto do Departamento de Modelagem Computacional do Instituto Politécnico da Universidade do Estado do Rio de Janeiro (IPRJ/UERJ) e docente permanente do Programa de Pós-graduação em Modelagem Computacional do IPRJ/UERJ. Representante docente titular da Comissão de Pós-Graduação em Modelagem Computacional do Instituto Politécnico, eleito para o mandato de 01/09/2023 a 31/08/2025. Desde 2023, é membro do experimento ATLAS, em operação no acelerador de partículas LHC, no CERN. Tem experiência na área de análise numérica e otimização estocástica, com ênfase em algoritmos evolucionários, estimação de parâmetros e análise de incerteza.

Referências

Borcoman, E., Kanjanapan, Y., Champiat, S., Kato, S., Servois, V., Kurzrock, R., Goel, S., Bedard, P., Le Tourneau, C. (2019).

Novel patterns of response under immunotherapy. Annals of Oncology, 30(3), 385–396.

Chaplain, M., Matzavinos, A. (2006). Mathematical modelling of spatio-temporal phenomana in tumour immunology. Lecture

Notes in Mathematics, 1872.

Deb, K. (2001). Multi-objective optimization using evolutionary algorithms, vol 1. John Wiley & Sons, Inc, England.

Deb, K., Pratap, A., Agarwal, S., Meyarivan, T. (2002). A fast and elitist multiobjective genetic algorithm: NSGA-II. IEEE

Transactions on Evolutionary Computation, 6.

D’Onofrio, A., Ledzewicz, U., Schättler, H. (2012). On the Dynamics of Tumor-Immune System Interactions and Combined

Chemo- and Immunotherapy. Em: d’Onofrio, A., Cerrai, P., Gandolfi, A. (Eds) SEMA SIMAI Springer Series, Springer Milan,

Milano, pp. 249–266.

Kuznetsov, V. A., Makalkin, I. A., Taylor, M. A., Perelson, A. S. (1994). Nonlinear dynamics of immunogenic tumors: Parameter

estimation and global bifurcation analysis. Bulletin of Mathematical Biology, 56.

Lake, R. A., Robinson, B. W. (2005). Immunotherapy and chemotherapy - a practical partnership. Nature Reviews Cancer, 5.

Laleh, N. G., Loeffler, C. M. L., Grajek, J., Staˇnková, K., Pearson, A. T., Muti, H. S., Trautwein, C., Enderling, H., Poleszczuk, J.,

Kather, J. N. (2022). Classical mathematical models for prediction of response to chemotherapy and immunotherapy. PLoS

Computational Biology, 18.

Ledzewicz, U., Schättler (2020). On the role of the objective in the optimization of compartmental models for biomedical therapies.

Journal of Optimization Theory and Applications, 187.

Ledzewicz, U., Naghnaeian, M., Schättler, H. (2011a). Dynamics of tumor-immune interaction under treatment as an optimal

control problem. Discrete and Continuous Dynamical Systems- Series A.

Ledzewicz, U., Naghnaeian, M., Schättler, H. (2011b). An optimal control approach to cancer treatment under immunological

activity. Applicationes Mathematicae, 38.

Ledzewicz, U., Naghnaeian, M., Schättler, H. (2012). Optimal response to chemotherapy for a mathematical model of tumor-

immune dynamics. Journal of Mathematical Biology, 64.

Norton, L. (1988). A gompertzian model of human breast cancer growth. Cancer Research, 48.

Norton, L., Simon, R. (1977). Growth curve of an experimental solid tumor following radiotherapy. Journal of the National

Cancer Institute, 58.

Pillis, L. G. D., Fister, K. R., Gu, W., Head, T., Maples, K., Neal, T., Murugan, A., Kozai, K. (2008). Optimal control of mixed

immunotherapy and chemotherapy of tumors. Journal of Biological Systems, 16.

Stepanova, N. V. (1979). Course of the immune reaction during the development of a malignant tumour. Biophysics, 24.

Tan, S., Li, D., Zhu, X. (2020). Cancer immunotherapy: Pros, cons and beyond. Biomedicine and Pharmacotherapy, 124.

Downloads

Publicado

2024-11-07

Como Citar

Torres, M. de P., Silva, G. R. da, Lobato, F. S., & Libotte, G. B. (2024). Administração ótima de medicamentos da combinação de agentes citotóxicos e imunoestimulantes para tratamento de câncer via otimização multiobjetivo. Ciência E Natura, 46(esp. 1), e87129. https://doi.org/10.5902/2179460X87129

Edição

v. 46 n. esp. 1 (2024): ERMAC e ENMC

Seção

Edição Especial 1

Licença

Copyright (c) 2024 Ciência e Natura

Creative Commons License

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Para acessar a DECLARAÇÃO DE ORIGINALIDADE E EXCLUSIVIDADE E CESSÃO DE DIREITOS AUTORAIS clique aqui.

 

Diretrizes Éticas para Publicação de Revistas

A revista Ciência e Natura está empenhada em garantir a ética na publicação e na qualidade dos artigos.

A conformidade com padrões de comportamento ético é, portanto, esperada de todas as partes envolvidas: Autores, Editores e Revisores.

Em particular, 

Autores: Os Autores devem apresentar uma discussão objetiva sobre a importância do trabalho de pesquisa, bem como detalhes e referências suficientes para permitir que outros reproduzam as experiências. Declarações fraudulentas ou intencionalmente incorretas constituem comportamento antiético e são inaceitáveis. Artigos de Revisão também devem ser objetivos, abrangentes e relatos precisos do estado da arte. Os Autores devem assegurar que seu trabalho é uma obra totalmente original, e se o trabalho e / ou palavras de outros têm sido utilizadas, isso tem sido devidamente reconhecido. O plágio em todas as suas formas constitui um comportamento publicitário não ético e é inaceitável. Submeter o mesmo manuscrito a mais de um jornal simultaneamente constitui um comportamento publicitário não ético e é inaceitável. Os Autores não devem submeter artigos que descrevam essencialmente a mesma pesquisa a mais de uma revista. O Autor correspondente deve garantir que haja um consenso total de todos os Co-autores na aprovação da versão final do artigo e sua submissão para publicação.

Editores: Os Editores devem avaliar manuscritos exclusivamente com base no seu mérito acadêmico. Um Editor não deve usar informações não publicadas na própria pesquisa do Editor sem o consentimento expresso por escrito do Autor. Os Editores devem tomar medidas de resposta razoável quando tiverem sido apresentadas queixas éticas relativas a um manuscrito submetido ou publicado.

Revisores: Todos os manuscritos recebidos para revisão devem ser tratados como documentos confidenciais. As informações ou ideias privilegiadas obtidas através da análise por pares devem ser mantidas confidenciais e não utilizadas para vantagens pessoais. As revisões devem ser conduzidas objetivamente e as observações devem ser formuladas claramente com argumentos de apoio, de modo que os Autores possam usá-los para melhorar o artigo. Qualquer Revisor selecionado que se sinta desqualificado para rever a pesquisa relatada em um manuscrito ou sabe que sua rápida revisão será impossível deve notificar o Editor e desculpar-se do processo de revisão. Os Revisores não devem considerar manuscritos nos quais tenham conflitos de interesse resultantes de relacionamentos ou conexões competitivas, colaborativas ou outras conexões com qualquer dos autores, empresas ou instituições conectadas aos documentos.