توصيفگر ها :
مدلسازي رياضي تومور , شبيهسازي تومور , ميدان فاز , شخصيسازي مدل تومور , رگزايي , كموتكسي در تومور
چكيده فارسي :
هدف از اين پژوهش ارايه يك مدل رياضي مناسب براي بررسي پديده رشد تومورهاي سرطاني در يك شبكه رگي در حال تحول است. براي اين منظور يك مدل ميدان فاز با در نظر گرفتن اثر تكثير سلولهاي سرطاني و تغيير فنوتايپ آنها براي شبيه سازي رشد تومور معرفي شد و اثر عوامل ميكرو محيط با حل معادله انتشار مواد مغزي در بافت از طريق يك شبكه رگي ديناميكي با مدل رگزايي گسسته به آن اضافه گرديد. سپس، با استفاده از مدل مذكور اثر تغيير پارامترها بر رشد تومور در يك محيط دوبعدي، مورد بررسي قرار گرفت و در نهايت رفتار داروهاي ضدرگزايي بر رشد تومور توسط مدل پيش بيني شد. نتايج بدست آمده نشان ميدهند كه با كاهش 66 درصدي فاصله ابتدايي تومور از رگ مادر باعث افزايش چشمگير سرعت رشد تا 63 درصد شرايط اوليه شده و با افزايش اين فاصله ممكن است تومور به حالت پايدار رسيده و رشد آن متوقف شود. همچنين مشاهده شد كه با در نظر گرفتن رفتار كموتكسي در سرعت حركت سلولها، تومور با افزايش ناپايداريها سريعتر به رگها نزديك ميشود و سرعت رشد تا 28 درصد افزايش پيدا ميكند. همچنين با در نظر گرفتن درمان ضد رگزايي ديده شد كه تاثير اين درمان بر روي تومورهاي با حركت كموتكسي كمتر است و اگرچه اين درمان ممكن است در مورد تومورهايي كه رشد پايدار دارد موثر باشد اما امكان توقف رشد تومورهاي ناپايدار با استفاده از اين درمان وجود ندارد. سپس شخصيسازي اين مدل رياضي با دو روش بر مبناي تصويربرداريهاي پزشكي ارائه شد. در روش اول هندسه ميدان حل تومور و ضرايب تحرك سلولهاي آن بر مبناي بافتهاي تفكيك شده با استفاده از پردازش تصوير پزشكي يك شخص خاص بهدست آمد و تومور در اين ميدان، حل شد. مزيت اصلي اين روش شخصيسازي با استفاده از تصاوير پزشكي در يك زمان و عدم نياز به تصاوير پزشكي متوالي در زمانهاي مختلف است كه در اكثر مواقع به سادگي در دسترس نيست. در روش دوم با توجه به اين نكته كه پارامترهاي ديگري نظير نرخ تكثير ميتوز، ضخامت لايه پخش، و پارامترهاي مربوط به رگزايي، امكان شخصيسازي با استفاده از روش اول را ندارد، يك مسئله معكوس براي تخمين پارامترها حل شد. مسئله معكوس پيدا كردن پارامترهاي تومور با استفاده از يك روش زيرمجموعه روش سيمپلكس مناسب براي مسائل غيرخطي براي پارامترهاي نرخ تكثير ميتوز و ضخامت لايه پخش حل شد. پارامترهاي نرخ تكثير و ضخامت لايه پخش كه با استفاده از حل معكوس بهدست آمد، با مقادير مربوط به توموري كه به عنوان هدف در نظر گرفته شد منطبق بود. با داشتن پارامترهاي شخصيسازي شده، ميتوان از اين مدل براي پيشبيني رفتار تومور در يك هندسه خاص و ضرايب مربوط به اين شخص استفاده كرد.
چكيده انگليسي :
Today, one of the main causes of death in the world is cancer. Despite the great advances in cancer treatment in recent decades, there is still much room for further progress. One of the methods of studying biology is the use of mathematical modeling of biological phenomena. In this study, the goal is to obtain a tool for mathematical modeling of cancer in the angiogenesis phase and to study the phenomenon of tumor growth in an evolving vascular network. For this purpose, a phase field model is used, considering cell proliferation and phase transformations in the source terms and coupling these source terms with the oxygen equation coupled with discrete angiogenesis. By changing the parameters, their effect on tumor growth in the aforementioned environment is investigated, and finally, the effect of antiangiogenic drugs on tumor growth is investigated. By changing the initial distance of the tumor from the vessel, it was seen that the proximity of the initial tumor to the vessel significantly increases the growth rate, and by increasing it, the tumor may reach a stable state and stop growing. By adding chemotaxis to tumor cells, instabilities in growth are increased and the tumor approaches the vessels faster and the growth rate increases. Also, considering anti-angiogenic therapy, it is seen that the effect of this treatment on tumors with chemotaxis is less, and although this treatment may be effective for tumors that are growing steadily, it is not possible to stop the growth of unstable tumors using this treatment. Then, the personalization of this mathematical model was presented with two methods based on medical imaging. In the first method, the geometry of the tumor domain and the motility coefficients of tumor cells are obtained based on the segmented tissues using medical image processing of a specific person and the tumor model is solved in this field. The main advantage of this method is the independence of the solution of consecutive medical images, which in most cases will not be easily available. However, other parameters such as the rate of mitotic proliferation, the thickness of the interface layer, and the parameters related to angiogenesis cannot be personalized using this method, and for this purpose, an inverse problem needs to be solved. The inverse problem of finding tumor parameters was solved using a subset of the simplex method suitable for nonlinear problems for the parameters of mitotic proliferation rate and diffusion layer thickness. The parameters were consistent with the parameters considered in solving this tumor, and as a result, this personalized tumor can be used to predict the behavior of this tumor in a specific geometry and the coefficients related to this person.
