Исследование динамики хронического лимфолейкоза при иммуно- и химиотерапевтическом лечении: модель с запаздыванием

Ключевые слова: хронический лимфолейкоз, математическое моделирование, вычислительный эксперимент, раковые клетки, иммунные клетки, химиотерапия, иммунотерапия, задача Коши для системы обыкновенных дифференциальных уравнений с запаздыванием

Аннотация

В статье представлена математическая модель развития хронического лимфолейкоза, основанная на задаче Коши для системы обыкновенных дифференциальных уравнений с запаздыванием. Система уравнений включает в себя соотношения, описывающие динамику изменения концентраций раковых клеток, иммунных клеток и лекарственного препарата. Взаимодействие между опухолевыми и здоровыми клетками осуществляется в следующих предположениях: рост опухолевых клеток происходит в соответствии с логистическим законом с запаздыванием, иммунные клетки вырабатываются организмом и умирают естественным образом, связь между раковыми и иммунными клетками оказывает на рост обеих популяций негативное влияние, выработка раковых клеток стимулирует рост иммунных клеток, действие химиопрепарата подчиняется гипотезе логарифмического уничтожения, химиотерапевтический препарат выводится из организма в соответствии с кинетикой первого порядка. Для данной модели проведены вычислительные эксперименты при отсутствии лечения, при химиотерапии одним препаратом и при сочетании химиотерапии с иммунотерапией. Исследовано влияние параметра запаздывания на протекание болезни: при отсутствии химиотерапевтического лечения параметр запаздывания не влияет на динамику процесса, при проведении химиолечения или сочетании химио- и иммунотерапии получаемые решения отличаются при различных вариантах параметра запаздывания. Результаты исследований позволяют оценить динамику болезни и определить количество курсов химиотерапии и иммунотерапии для достижения ремиссии.

Скачивания

Данные скачивания пока не доступны.

Биографии авторов

Надежда Николаевна Максимова, Амурский государственный университет

канд. физ.-мат. наук, доц., доцент, и.о. заведующего кафедрой математического анализа и моделирования Амурского государственного университета

Алиса Юрьевна Чепикова, Амурский государственный университет

студент 4-го курса кафедры математического анализа и моделирования Амурского государственного университета (направление подготовки 01.03.02 – Прикладная математика и информатика)

Литература

1. Kalinicheva M. M., Kotin V. V. and Pisarenko E. M. (2008) Modeling the growth of epithelial tissue tumors using cellular automaton algorithms. Almanac of Clinical Medicine. 17-1. P. 179–182.
2. Archetti M. and Pienta K. J. (2018). Cooperation among cancer cells: applying game theory to cancer. Nature Reviews Cancer. 19. P. 110–117. DOI
3. Hillen T., Gatenby R. and Hinow P. (2015) Partial Differential Equations in Cancer Modelling. URL
4. Marinis A. (2015) Some Mathematical Models of Cancer Tumors. Lakehead University. URL
5. Kuchumov A. G. (2010) Mathematical modeling and biomechanical approach to describing the development, diagnosis and treatment of oncological diseases. Russian Journal of Biomechanics. 14, No. 1. P. 42–69.
6. Ghaffari Laleh N., Loeffler CML, Grajek J, Staňková K, Pearson AT, Muti HS [et al.] (2022) Classical mathematical models for prediction of response to chemotherapy and immunotherapy. PLoS Comput Biol. 18(2), e1009822. DOI
7. Chulián S., Martínez-Rubio A, Rosa M. And Pérez-García, V. (2022). Mathematical models of leukaemia and its treatment: a review. SeMA Journal. 79. P. 441–486. DOI
8. Goncharova A. B., Kolpak E. P. and Buchina D. A. (2021) Mathematical model of oncogenesis in the concept of cancer stem cells. Modeling, optimization and information technology. 9. No 1 (32), 1(13). DOI
9. Bratus A. S., Novozhilov A. S. and Platonov A. P. (2010) Dynamic systems and models of biology. Fizmatlit.
10. Bratus A. S., Goncharov A. S. and Todorov Y. T. (2012) Optimal control in a mathematical model of leukemia therapy with phase constraints. Bulletin of Moscow University. Series 15: computational mathematics and cybernetics. 4. P. 25а–29.
11. Grigorenko N. L., Khailov N. L., Grigorieva E. V. and Klimenkova A. D. (2020) Optimal cancer treatment strategies in the Lotka-Volterra mathematical competition model. Proceedings of the Institute of Mathematics and Mechanics, Ural Branch of the Russian Academy of Sciences. 1, P. 71–88. – DOI
12. Niño-López A., Chulián S., Martínez-Rubio A. and Blázquez-Goñi C. (2022) Mathematical modeling of leukemia chemotherapy in bone marrow. Mathematical Modelling of Natural Phenomena. DOI
13. De Pillis L. G. and Radunskaya A. (2001) A Mathematical tumor model with immune resistance and drug therapy: an optimal control approach. Journal of theoretical medicine. 3. P. 79–100.
14. Pillis L. D., Fister K. R., Gu W., Collins C., Daub M., Gross D., Moore J. and Preskill B. (2009) Mathematical Model Creation for Cancer Chemo-Immunotherapy. Computational and Mathematical Methods in Medicine. 10, No 3. P. 165–184. URL
15. Yoshinari G. H., Jr Fassoni, A. C., Mello L. F. and Rego E. M. (2019). Modeling dynamics and alternative treatment strategies in acute promyelocytic leukemia. PloS one. 14(8). e0221011. DOI
16. Gardner Sh. N. (2000) A mechanistic, predictive model of dose-response curves for cell cycle phase-specific and -nonspecific drugs. Cancer research. 60 (5). P. 1417–1425.
17. Nave O. (2022) A mathematical model for treatment using chemo-immunotherapy. Heliyon. No 8(4). e09288 DOI
18. Song Ge, Guizhen Liang, Tianhai Tian and Xinan Zhang (2022) Mathematical Modeling and Analysis of Tumor Chemotherapy. Symmetry. 14, No 4. P. 704. DOI
19. Rodrigues D. S., Mancera P. F. A., Carvalho T. and Gonçalves L. F. (2019) A mathematical model for chemoimmunotherapy of chronic lymphocytic leukemia. Applied Mathematics and Computation. 349. P. 118–133. DOI
20. Baker R. E. and Röst G. (2020) Global dynamics of a novel delayed logistic equation arising from cell biology. Journal of Nonlinear Science. 30. P. 397–418. – DOI
21. Sardar M., Khajanchi S., Biswas S., Abdelwahab S. F. and Nisar K. S. (2021) Exploring the dynamics of a tumor-immune interplay with time delay. Alexandria Engineering Journal. 60, No 5. P. 4875–4888. DOI
22. Voitsekhovsky V. V., Zabolotskikh T. V., Tseluiko S. S., Landyshev Yu. S. and Grigorenko A. A. (2015) Chronic lymphocytic leukemia: Monograph. Publishing house of Amur State Medical Academy of the Ministry of Health of Russia. URL
23. Chronic lymphocytic leukemia/small lymphocyte lymphoma: Clinical guidelines. URL
24. Adoptive immunotherapy. Federal State Budgetary Institution “NMITs Radiology” of the Ministry of Health of Russia. https://new.nmicr.ru/pacientam/metody-diagnostiki-i-lechenija/adoptivnaja-immunoterapija/" target="_blank">URL
Опубликован
2024-02-05
Как цитировать
Максимова, Н. Н., & Чепикова, А. Ю. (2024). Исследование динамики хронического лимфолейкоза при иммуно- и химиотерапевтическом лечении: модель с запаздыванием. Вестник ВГУ. Серия: Системный анализ и информационные технологии, (4), 5-18. https://doi.org/10.17308/sait/1995-5499/2023/4/5-18
Раздел
Математические методы системного анализа, управления и моделирования