Estudo de diferentes fracionamentos na dose da radioterapia para o modelo pdgf-driven glioblastomas / Study of different fractions in the dose of radiotherapy for the model pdgf-driven glioblastomas

Authors

  • Larissa Miguez da Silva
  • Eliane Da Silva Christo
  • Gustavo Benitez Alvarez
  • Vanessa da Silva Garcia

DOI:

https://doi.org/10.34117/bjdv7n9-255

Keywords:

Modelagem Computacional, Glioblastoma, Otimização, Radioterapia.

Abstract

Câncer é uma doença em que as células anormais se dividem incontrolavelmente e destroem o tecido do corpo. Existem vários tipos de câncer, classificados conforme sua localização inicial. Em particular, os gliomas são tumores cerebrais bastante agressivos, com rápido crescimento e invisibilidade retratados na taxa de 92% de fatalidade. Devido a essa enorme taxa, modelos matemáticos são estudados para melhorar a eficácia do tratamento e aumentar a sobrevida do paciente. Este trabalho, tem como objetivo simular computacionalmente a evolução do crescimento do glioma em resposta à radioterapia, a partir de um modelo contínuo, baseado em cadeias de Markov. Com base neste modelo, contribuir no tratamento de gliomas fornecendo um cronograma de radioterapia mais eficaz, diminuindo a população de células cancerígenas e assim, aumentando a sobrevida do paciente. Sendo assim, foi encontrado um fracionamento de dose melhor que o encontrado pelos autores do modelo em estudo.

References

Belomo, N., Chaplain, M. and Angelis, E. (2008), Selected Topics in Cancer Modeling Genesis, Evolution, Immune, Competition, and Therapy, Springer Science e Business Media, 473.

Cabral, F. M., Affatato, 0., de Oliveira, M. P. S., and Dias, C. M. (2020). Modelagem matemática e computacional no crescimento do glioblastoma multiforme. Brazilian Journal of Development, 6(3), 10944-10957.

Dolgin, E. (2014), The mathematician versus the malignancy. Nature Medicine, 20(5):460-463. DOI: 10.1038/nm0514-460.

Inca, Estimativa 2016: incidência de câncer no Brasil / Instituto Nacional de Câncer José Alencar Gomes da Silva – Rio de Janeiro: INCA, 2015. Available: http://www.inca.gov.br/estimativa/2016/estimativa- 2016-vll.pdf, Access: Mars, 4, 2018.

Iwasa, Y., Nowak, M. A. and Michor, F. (2006), Evolution of Resistance During Clonal Expansion,

Genetics, 172: 2557-2566.

de Jesus, J. C., Christo, E. D. S., Garcia, V. D. S. and Alvarez, G. B. (2016). Times Series Analysis For Modeling Of Glioma Growth In Response To Radiotherapy. IEEE Latin America Transactions, vol. 14, no. 3.

Leder, K., Pitter, K., LaPlant, Q., Hambardzumyan, D., Ross, B. D., Chan,T. A., Holland, E. C., and Michor, F. (2014), Mathematical Modeling of PDGF-Driven Glioblastoma Reveals Optimized Radiation Dosing Schedules, Cell, 156: 603-616.

Shlegel, W. and Mahr, A. (2002),3D conformal radiation therapy. Springer Verlag.

Silva, J. J., Alvarez, G. B., Garcia, V. S. and Lobão, D. C. (2015), Modelagem Computacional do Crescimento do Glioma via Diferenças Finitas. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics, vol.3, no.I.

Swanson, K. R., Rockne, R., Jr., E. C. A. and Rockhill, J. K. (2008), A mathematical model for brain tumor response to radiation therapy. Jomal of Mathematical Biology, 58:561-578.

Published

2021-09-16

How to Cite

da Silva, L. M., Christo, E. D. S., Alvarez, G. B., & Garcia, V. da S. (2021). Estudo de diferentes fracionamentos na dose da radioterapia para o modelo pdgf-driven glioblastomas / Study of different fractions in the dose of radiotherapy for the model pdgf-driven glioblastomas. Brazilian Journal of Development, 7(9), 90065–90072. https://doi.org/10.34117/bjdv7n9-255

Issue

Section

Original Papers