کنترل جمعیت سلول‌های سرطانی در مدل غیرخطی سرطان ملانوما با لحاظ عدم قطعیت با استفاده از الگوریتم یادگیری q تحت سیاست استدلال مبتنی بر مورد(cbr)

سرطان پوست یکی از خطرناک‌ترین سرطان‌هایی است که همه ساله افراد زیادی به آن مبتلا می‌شوند. به همین دلیل تشخیص و درمان سریع این سرطان بسیار برای پزشکان حایز اهمیت می‌باشد، در چند دهه اخیر برای بهبود تشخیص و درمان این بیماری استفاده از روش‌های هوشمند بسیار مورد توجه قرار گرفته است. هدف اصلی در این مقاله، تعیین مقدار بهینه دارو برای از بین‌بردن سلول‌های سرطانی می‌باشد به گونه‌ای که از تاثیر سوء دارو بر روی سلول‌های سالم جلوگیری شود. از الگوریتم یادگیری q بدین منظور استفاده شده است. برای انتخاب اعمال، از سیاست استدلال مبتنی بر مورد با نام اختصاری cbrکه یک نوع سیاست اکتشافی شتاب داده شده می‌باشد، استفاده گشته است که باعث افزایش سرعت یادگیری و کاهش زمان، برای رسیدن به سیاست بهینه می‌شود. مورد دیگری که در این مقاله لحاظ شده است، تاثیر نیمه عمر دارو برای بدست‌آوردن اثر دارو در هر لحظه در بدن بیمار می‌باشد. برای اینکه عملکرد روش یادگیری تقویتی در کنترل سلول‌های سرطانی و تعیین میزان بهینه دوز دارو بهتر نشان داده شود، این روش با یکی از روش‌های کنترل بهینه به نام روش همیلتونین و روش تزریق دوز داروی ثابت مقایسه شده است. در نهایت نشان داده شده است مجموع دوز داروی تزریقی به بیمار با استفاده از روش یادگیری تقویتی در مقایسه با حالتی که از روش کنترل بهینه و دوز داروی ثابت برای تمام زمان‌ها استفاده شده است، بسیار کاهش پیدا کرده است و در ضمن جمعیت سلول‌های سرطانی نیز کنترل شده است. با اعمال نویز و عدم قطعیت در پارامترهای سیستم و شرایط اولیه باز هم روش انتخابی قادر به کنترل سلول‌های سرطانی می‌باشد.

Controlling the Cancer Cells in a Nonlinear Model of Melanoma by Considering the Uncertainty Using Q-learning Algorithm Under the Case Based Reasoning Policy

Melanoma is one of the most dangerous types of cancers and every year, many people suffer from this cancer. Hence, quick diagnosis and treatment are significantly important for the physicians. In the recent decade, intelligent methods have attracted considerable attention for diagnosing and treating the melanoma. The main objective of this paper is determining the optimal dosage of the drug for the elimination of the cancer cells while preventing from the side effect of the drug on the normal cells. To this aim, the Qlearning algorithm is employed. In order to select the actions, a CaseBased Reasoning (CBR) policy is used, which is an accelerated heuristic policy. The considered policy has increased the learning speed and reduced the overall time, to reach the optimal policy. The halflife effect of the drug is also considered to obtain the side effect of the drug on the patientchr('39')s body, at each time step. In order to demonstrate Qlearning algorithm performance in cancer cells control and optimal dosage determination purposes, Qlearning is compared with two methods, including fix dosage injection method and Hamiltonian method, which is one of the most important optimal control methods. Finally, it is revealed that the total injected dosage by using Reinforcement Learning method (Qlearning) is significantly reduced within the whole period of time in comparison with employing the optimal control and a fixed dosage injection cases. The number of cancer cells is controlled, as well. It should be noted that by applying the noise and uncertainty to the system parameters and the initial conditions, the proposed method can successfully control the cancer cells.