سامانه همایش‌ها TSTA | ثبت‌نام و ارسال مقاله کنفرانس‌ها و کنگره‌های ملی

صفحه اصلی / سی و دومین کنفرانس ملی و دهمین کنفرانس بین المللی مهندسی زیست پزشکی ایران

طراحی چارچوب شخصی‌سازی‌شده درمان بیماری MS مبتنی بر یادگیری تقویتی عمیق SAC

نویسندگان :

مریم سبزه یان¹ محبوبه سبزه یان² امین نوری³ ماندانا سادات غفوریان⁴

1- دانشگاه سجاد مشهد 2- دانشگاه سجاد مشهد 3- دانشگاه سجاد مشهد 4- دانشگاه فردوسی مشهد

کلمات کلیدی :

الگوریتم SAC،کنترل دارویی شخصی‌سازی‌شده،مدل ریاضی زیستی،مولتیپل اسکلروزیس،یادگیری تقویتی عمیق

چکیده :

مولتیپل اسکلروزیس (MS) یک بیماری خودایمنی مزمن سیستم عصبی مرکزی ( CNS) است که با تخریب پیش‌رونده غلاف میلین و پاسخ‌های التهابی غیرطبیعی همراه است. محدودیت درمان‌های فعلی در انطباق با وضعیت پویای بیماران، نیاز به راهکارهای هوشمند و انعطاف‌پذیر را برجسته می‌سازد. در این پژوهش، برای نخستین‌بار یک چارچوب کنترلی تطبیقی مبتنی بر یادگیری تقویتی عمیق (DRL) توسعه داده شده است که دوز داروی تعدیل‌کننده سیستم ایمنی را به‌صورت شخصی‌سازی‌شده تنظیم می‌کند. این چارچوب از الگوریتم بازیگر منتقد نرم (SAC) بهره می‌برد و بر مدلی زیستی متشکل از شش معادله دیفرانسیل جزئی (PDE) برای بافت مغزی و شش معادله دیفرانسیل معمولی (ODE) برای گره‌های لنفی استوار است. نوآوری کلیدی در افزودن یک ترم کنترلی به معادلات است که اثر داروی هدف‌گیرنده سلول‌های B را شبیه‌سازی می‌کند. تا آنجا که اطلاع داریم، این نخستین کاربرد DRL در کنترل تطبیقی دارو بر پایه مدل چند مقیاسی در MS است. نتایج شبیه‌سازی در بازه ۱۴۰ روزه نشان داد که سیاست بهینه استخراج‌شده منجر به کاهش التهاب، تثبیت پاسخ ایمنی و کاهش وابستگی به دوز ثابت دارویی شد.