Использование математики для оптимизации лечения рака щитовидной железы

Группа студентов из Университета естественных наук (Вьетнамский национальный университет, Ханой) стала пионером в использовании математических моделей для оптимизации лечения рака щитовидной железы.

Рак щитовидной железы является одним из наиболее распространенных видов эндокринного рака. Хотя он имеет высокий процент успеха, риск рецидива всегда является постоянной проблемой для пациентов и вызовом для медицины. Работа «Применение математики в диагностике и лечении рака щитовидной железы» студентов Чан Ван Луата (K66 Math - IT) и Нгуен Динь Куанга (K67 Math Talent Program) Университета естественных наук (Вьетнамский национальный университет, Ханой) принесла новый и многообещающий подход к использованию математических моделей для оптимизации схем лечения рака щитовидной железы в направлении персонализированного лечения.

Нгуен Динь Куанг (слева на обложке) и Тран Ван Луат с плакатами о своей работе на Студенческой научной конференции 2025 года в Университете естественных наук.

От практических проблем к прорывным математическим решениям

Поделившись идеей создания проекта, Нгуен Динь Куанг сказал, что благодаря практическим исследованиям исследовательская группа поняла, что в настоящее время схема лечения дифференцированного рака щитовидной железы в основном основана на тиреоидэктомии с последующей адъювантной терапией радиоактивным йодом (RAI). Однако определение оптимальной дозы RAI для каждого пациента по-прежнему субъективно и во многом основано на клиническом опыте врача, а не на точных инструментах дозирования. Это может привести к тому, что некоторые пациенты не получат необходимую дозу, что увеличит риск рецидива, в то время как другие будут страдать от нежелательных побочных эффектов от слишком высокой дозы радиации.

В настоящее время процесс лечения рака щитовидной железы во Вьетнаме, включая определение дозы облучения для пациентов, строго следует постановлениям Министерства здравоохранения . Однако в реальности врачам по-прежнему приходится в значительной степени полагаться на свой клинический опыт для определения оптимальной дозы облучения. В то же время у них нет эффективного инструмента поддержки, чтобы иметь всестороннее представление и точно прогнозировать прогрессирование заболевания.

«Исходя из этих опасений, под руководством доктора Нгуен Тронг Хьеу, доцента, доктора Тан Куок Бао (Университет Граца, Австрия) и магистра. Врача-резидента Нгуен Тхи Фыонг (108 Центральный военный госпиталь) мы смело применили наши силы в математике, чтобы найти решение. Можно сказать, что это одно из пионерских исследований во Вьетнаме по применению математики для поддержки процесса лечения», — сказал Куанг.

Моделирование и оптимизация: ключ к персонализированному лечению

Для решения вышеуказанной проблемы исследовательская группа построила математическую модель, ориентированную на моделирование ключевых биологических величин при лечении дифференцированного рака щитовидной железы, включая: количество раковых клеток (N), концентрацию тиреоглобулина (Tg) и антител к тиреоглобулину (AbTg) — важных биомаркеров для мониторинга ответа на лечение, а также дозу используемого радиоактивного йода (A).

Куанг и его исследовательская группа представили свою тему на пленарном заседании студенческой научной конференции. Тема заняла второе место.

Примечательно, что эта модель разработана так, чтобы быть проще, чем некоторые из более сложных моделей, которые были разработаны ранее, при этом точно отражая основные биологические взаимодействия. Цель команды — получить модель, которая будет в высокой степени применима в клинических условиях, проста в интеграции и использовании.

На основе математической модели группа студентов продолжила разрабатывать задачу оптимального управления. Цель этой задачи — найти оптимальную дозу и график RAI для каждого конкретного пациента, чтобы одновременно достичь нескольких целей: наиболее эффективно сократить количество раковых клеток, стабилизировать концентрации биомаркеров Tg и AbTg и, что не менее важно, минимизировать ненужные побочные эффекты от дозы облучения.

При применении для моделирования результатов лечения расчеты показывают обоснованность, могут помочь сократить период лечения пациентов и помочь врачам рассмотреть возможность снижения доз лечения.

Моделирование на трех репрезентативных группах пациентов — от пациентов с хорошим ответом на лечение, пациентов с умеренной резистентностью к радиоактивному йоду и пациентов с сильной резистентностью к радиоактивному йоду — показало, что модель способна предсказывать прогрессирование заболевания на основе исходных лабораторных данных и что модель может обеспечить более подходящий график и дозировку радиоактивного йодуду, чем фактически используемые схемы лечения.

При сравнении «фактической дозы» и «рекомендованной моделью дозы» результаты показали, что оптимальная стратегия лечения, предложенная моделью, значительно улучшила показатели контроля раковых клеток и вернула важные биологические концентрации к нормальным уровням.

Потенциальные возможности применения в персонализированной медицине

Чтобы воплотить в жизнь такой междисциплинарный проект, особенно сочетание математики и медицины, требуются большие усилия со стороны участников. Куанг рассказал, что, будучи студентом, специализирующимся на математике, переход в область, связанную с медициной, изначально столкнулся со многими трудностями. В первые месяцы, около 2-3 месяцев, группе пришлось приложить большие усилия, чтобы изучить и понять медицинские механизмы. Были ночи, когда нам приходилось не спать, чтобы читать документы».

К счастью, группа получила восторженную поддержку от медицинских экспертов и врачей. Когда возникали вопросы, которые не были четко поняты, группа обсуждала их напрямую или онлайн. Одним из памятных событий стал первый визит группы в 108-й военный центральный госпиталь, где они смогли напрямую взаимодействовать и работать с медицинской бригадой, собирать данные и наблюдать за процессом медицинского обследования и лечения.

«Мы провели около 3 часов, сидя с врачами, чтобы собрать данные и обменяться опытом. Кроме того, у нас также была возможность наблюдать часть процесса медицинского обследования и лечения, процесса лечения пациентов. Это был действительно интересный и полезный опыт», — поделился Куанг.

Куанг сказал, что если этому исследованию уделить внимание, инвестировать в него и развивать его, оно станет мощным инструментом поддержки для врачей. Оно не только помогает предсказать прогрессирование заболевания в ближайшем будущем, примерно на ближайшие 4-5 лет, но и помогает давать рекомендации по следующей дозе лечения, которая наиболее подходит для каждого пациента.

В настоящее время команда активно тестирует модель с использованием большего количества наборов данных пациентов, уделяя особое внимание пациентам с высоким уровнем AbTg — группе, которой ранее уделялось мало внимания в других исследованиях.

Кроме того, команда разрабатывает программное приложение, которое может автоматически рекомендовать подходящую дозу лечения RAI для каждого человека на основе входных данных. Если проект будет успешным, то дальнейшей целью станет разработка специального приложения (app).

В частности, группа готовит научную рукопись для публикации в престижных международных журналах. «Мы надеемся, что работа внесет вклад в тенденцию персонализированного лечения, которая все сильнее развивается в современной медицине», — поделился Куанг.

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