راهبردهای سیاستی درمان شخصی شده برای بیماران مبتلا به سرطان با مدل سازی ریاضی

پزشکی شخصی شده بر این اصل استوار است که درمان هر بیمار بایستی بر اساس ویژگی های منحصربه فرد او و نه پروتکل های عمومی و یکسان طراحی شود. این رویکرد در حوزه ی درمان سرطان که بیماری دشوار، پویا و تطبیق پذیر است، اهمیت بیشتری می یابد. این خلاصه سیاستی بر اساس پژوهشی تدوین شد که با هدف مدل سازی تعامل دارو و سلول های سرطانی با استفاده از تئوری بازی ها و رقابت استکلبرگ انجام شده است. یافته های پژوهش نشان داد مدل استکلبرگ قادر به پیش بینی سه الگوی مقاومت دارویی شامل مقاومت سریع، تدریجی و متقاطع است و می تواند با تعیین استراتژی بهینه دوزینگ شامل دوز اولیه قوی، تطبیق تدریجی و دوره های استراحت، طول عمر بیماران را تا ۲۳ درصد افزایش داده و عوارض جانبی را تا ۳۱ درصد کاهش دهد. بر اساس یافته ها و طبق مشورت متخصصان، سه گزینه سیاستی شامل «توسعه و استقرار مدل استکلبرگ در مراکز منتخب سرطان»، «تداوم وضعیت موجود»، و «توسعه مدل های آماری ساده مبتنی بر داده های گذشته نگر» ارائه شد. تحلیل گزینه ها نشان داد با توجه به محدودیت های موجود در زمینه زیرساخت های داده، نیروی انسانی متخصص و بودجه، اولویت نخست بایستی به توسعه مدل های آماری ساده و استانداردسازی جمع آوری داده های بالینی اختصاص یابد. این اقدام می تواند فرهنگ تصمیم گیری داده محور را در جامعه پزشکی نهادینه کرده و زمینه را برای پذیرش مدل های پیشرفته تر مانند استکلبرگ در مراحل بعدی فراهم کند. همزمان، اشتراک ملی داده های ژنومیک و بالینی سرطان، تخصیص بودجه پژوهشی ویژه برای طرح های چندرشته ای، و طراحی کارآزمایی های بالینی برای اعتبارسنجی مدل ها، از جمله اقداماتی است که می تواند استقرار پزشکی شخصی شده مبتنی بر مدلسازی ریاضی در کشور را تسهیل نماید.

کلیدواژه ها:

تئوری بازی ها ، مدل سازی ریاضی ، درمان شخصی شده ، سرطان ، مقاومت دارویی ، خلاصه سیاستی