Aplicación de SPEA2 al cálculo de esquemas de dosificación para el tratamiento quimioterapéutico del cáncer

Autores/as

  • Carlos Jordán Villamar Escuela Superior Politécnica del Litoral
  • Ismael Valderrama Saltos

Resumen

RESUMEN
En este trabajo se aborda la aplicación de SPEA2, un método para optimización multiobjetivo, al cálculo de un esquema de dosificación para el tratamiento quimioterapéutico de una masa tumoral; entiéndase por esquema de dosificación la especificación del o de los agentes cito-tóxicos, sus dosis y tiempos en que deben administrarse. El problema de optimización aquí resuelto es uno multiobjetivo, pues el esquema de dosificación a calcularse debe minimizar no solo el tamaño del tumor, sino también la toxicidad remanente al término del tratamiento, su costo, etc. El SPEA2 es un algoritmo genético que aplica el criterio de Pareto; por lo tanto, lo que calcula es una aproximación a la frontera de Pareto, soluciones de entre las cuales el usuario puede escoger la “mejor”. En el proceso de esta investigación se construyó SoT-Q, una herramienta de software que consiste de dos módulos principales: un optimizador para calcular los esquemas de dosificación óptimos, y un simulador para aplicar dichos esquemas a un paciente (simulado) con masa tumoral; el funcionamiento del simulador se basa en un modelo fármaco-dinámico que representa el tumor. El programa SoT-Q podría en el futuro -una vez extensamente probado y depurado- asistir a médicos oncólogos en la toma de decisiones respecto a tratamientos quimioterapéuticos; o podría servir también como ayuda pedagógica en el entrenamiento de nuevos profesionales de la salud. Los resultados obtenidos fueron muy buenos; en todos los casos de prueba utilizados se logró reducir de manera significativa tanto el tamaño del tumor como la toxicidad remanente al término del tratamiento; en algunos casos la reducción fue de tres órdenes de magnitud.
Palabras clave: Cáncer, quimioterapia, optimización multiobjetivo, algoritmos genéticos, SPEA2.

ABSTRACT
This paper presents the application of SPEA2 to calculate optimal dosage schemes for the chemotherapeutic treatments of tumors, where such schemes consists in the specification of several cytotoxic agents, its frequencies and doses to be administered. In this optimization problem, the calculated schedules should optimize more than one objective at the same time: not only tumor size but also the toxicity that remains after the treatment, cost, etc. SPEA2 is a genetic algorithm that applies the Pareto optimality criterion to calculate an approximation to the Pareto frontier, from which the user can choose the "best" or more appropriate solution. In this work a software tool was developed: SoT-Q. It has two main modules: an optimizer that calculates optimal dosage schemes and a simulator that applies these schedules to a simulated patient with a tumor; the functioning of the simulator is based on a pharmacodynamic model to represent the tumor. In the future, once SoT-Q is extensively tested and debugged, this computer program could assist oncologists in decision making about chemotherapy treatments; it could also serve as a teaching aid in training new health professionals. Results obtained using this tool were very good; in all test cases, both tumor size and residual toxicity at the end of treatment were reduced significantly; even more, in some examples the reduction was of three orders of magnitude.
Keywords: Cancer, chemotherapy, multiobjective optimization, genetic algorithms, SPEA2.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Amuso, V.J., 2007. The strength pareto evolutionary algorithm 2 (SPEA2) applied to simultaneous multi-mission waveform design. International Conference Waveform Diversity and Design, 407-417.

Ashlock, D., 2006. Evolutionary computation for modeling and optimization. Computational Science & Engineering, Springer, 572 pp.

Buzaid, A.C., F.C. Maluf, C.M. Rocha. Manual de oncología clínica de Brasil. Dendrix Publ., São Paulo, Brasil.

Cámara, M., J. Ortega, F.J. Toro, 2007. Parallel processing for dynamic multi-objective optimization in dynamic environments. IEEE International Symposium on Parallel and Distributed Processing (IPDPS), 8 pp.

Flórez, J., J.A. Armijo, A. Mediavilla, 2003. Farmacología humana (4a ed.). Editorial Masson, Barcelona, 1440 pp.

Galmarini, D., C.M. Galmarini, F.C. Galmarini, 2012. Cancer chemotherapy: A critical analysis of its 60 years of history. Critical Reviews in Oncology / Hematology, 84(2), 181-199.

Harrold, J.M., R.S. Parker, 2004. An MILP approach to cancer chemotherapy dose regimen design. Proc. of the 2004 American Control Conference, Vol. 1, 969-974.

Hejmadi, M., 2010. Introduction to cancer biology. Hejmadi & Ventus Publishing ApS, 46 pp.

Janice, G., 2006. The biology of cancer. John Wiley & Sons, Ltd., 202 pp.

Jordán, C.I., C.J. Jordán, 2014. An efficient method for searching biological motifs based on estimation of distribution algorithms. Primer Congreso Internacional de Ingeniería Biomédica y Modelamiento Matemático, Quito, Ecuador.

Mackillop, W.J., 1990. The growth kinetics of human tumours. Clinical Physics and Physiological Measurement, 11, 121-3.

Petrovski, A., J. McCall, B. Sudha, 2009. Multi-objective optimization of cancer chemotherapy. Proceedings of the Symposium Evolutionary Systems, 6 pp.

Sarapata, E., L. de Pillis, 2013. A comparison and catalog of intrinsic tumor growth models. Bulletin of Mathematical Biology,76(8), 2010-2024.

Tannock, I., R. Hill, R. Bristow, L. Harrington, 2005. The basic science of oncology. (4a ed.). Publisher: McGraw-Hill Professional, 555 pp.

Valderrama, I., 2014. Desarrollo e implementación de un sistema de toma de decisiones para la optimización de tratamientos quimioterapéuticos contra el cáncer: SoT-Q. Escuela Superior Politécnica del Litoral, Guayaquil, Ecuador.

WHO, 2013. Disponible en http://www.who.int/mediacentre/factsheets/fs310/en/index.html.

Zitzler, E., M. Laumanns, L. Thiele, 2001. SPEA2: Improving the strength pareto evolutionary algorithm. TIK-Report 103, Department of Electrical Engineering Swiss Federal Institute of Technology (ETH) Zurich, Suiza, 21 pp.

Zitzler, E., M. Laumanns, S. Bleuler, 2003. A tutorial on evolutionary multiobjective optimization. Swiss Federal Institute of Technology (ETH), Zurich, Computer Engineering and Networks Laboratory (TIK), 37 pp.

Descargas

Publicado

2016-04-25

Cómo citar

Jordán Villamar, C., & Valderrama Saltos, I. (2016). Aplicación de SPEA2 al cálculo de esquemas de dosificación para el tratamiento quimioterapéutico del cáncer. Maskana, 5(Ed. Esp.). Recuperado a partir de https://publicaciones.ucuenca.edu.ec/ojs/index.php/maskana/article/view/724