Dissertação

Cancer Therapy Optimization based on Unsupervised Learning and Multiple Model Adaptive Control EVALUATED

Nos últimos anos, vários sistemas de suporte à decisão clínica têm sido desenvolvidos, apresentando alguns deles uma clara melhoria de resultados. No entanto, este tipo de processo computarizado de decisão não tem sido muito explorado no tratamento do cancro. Neste trabalho, pretende-se desenvolver um sistema de controlo adaptativo, que projecte uma terapia óptima, permitindo a erradicação do cancro de carninoma metastático de células renais, da forma mais rápida e eficiente possível e com menor toxicidade associada. Para tal, um novo modelo matemático que descreve o crescimento deste tipo de tumor é desenvolvido, tendo em conta os efeitos de duas das mais promissoras terapias: anti-angiogénese e imunoterapia. Para além disso, modelos que descrevem aspectos farmacodinâmicos do organismo são também incluídos. A terapia é projectada através de controlo adaptativo por múltiplos modelos que, juntamente com um sistema de selecção e agregação de classes chave de modelos, permite lidar com a incerteza associada ao paciente, nomeadamente à sua intra e inter variabilidade. Os resultados demonstram que o sistema construído apresenta robustez em termos de estabilidade e desempenho. Os erros de seguimento de referência para as simulações efectuadas situam-se nos 3 %, o que permite uma erradicação do tumor em menos de um ano e meio e com níveis de toxicidade suaves ou moderados. Desta forma, a ferramenta desenvolvida permite criar novas perspectivas na criação de sistemas de suporte de decisão para tratamento de cancro, potenciando assim as escolhas médicas.
Design de Terapias de Cancro, Modelo de Crescimento do Tumor, Anti-Angiogénese; Imunoterapia, Controlo Adaptativo por Múltiplos Modelos, Agregação de Modelos

Novembro 24, 2017, 10:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

João Manuel Lage de Miranda Lemos

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Catedrático