کنترل میزان تزریق ویروس آنکولیتیک با در نظر گرفتن تاخیر زمانی

ویروس‌درمانی آنکولیتیک یک استراتژی نوید دهنده جدید علیه سرطان است. ویروس‌های آنکولیتیک می‌توانند در سلول‌های سرطانی و نه در سلول‌های طبیعی تکثیر شوند، که منجر به لیز توده تومور و تحریک سیستم ایمنی می‌شود. حین ویروس‌درمانی، یک تاخیر زمانی از زمانی که سرایت ویروسی اولیه در سلول‌ تومور اتفاق افتاده تا زمانی که این سلول‌های آلوده به مرحله‌ای برسند که قادر به آلوده کردن سایر سلول‌های تومور باشند، وجود دارد. دانستن تاثیر این تاخیر بر ویروس‌درمانی سرطان مهم است. بدین منظور یک مدل ریاضی برای شناخت این تاخیر معرفی شده‌ است. برای تحلیل اثرات تاخیر در ویروس‌درمانی، مدل با افزودن دو کنترل ویروس‌درمانی و ایمن‌درمانی بازسازی شد. در نهایت، با استفاده از شبیه‌سازی عددی، برای نخستین بار طراحی و استفاده از یک کنترل‌کننده جبران‌ساز توزیع شده موازی فازی انجام شد. نتایج عددی نشان داد با اعمال کنترل مناسب، با گذشت زمان، کاهش جمعیت سلول‌های توموری به زیر 10 درصد رخ می‌دهد. همچنین مشاهده می‌شود استفاده از معیار پایداری مستقل از تاخیر برای طراحی کنترل‌کننده جبران‌ساز توزیع شده موازی حساسیت پاسخ سیستم به افزایش تاخیر زمانی را تا حد قابل قبولی کاهش داده است. از آنجا که سیستم مورد مطالعه فقط در یکی از مراجع معرفی و تنها کنترل‌کننده بهینه بر آن اعمال شده است، مقایسه صورت گرفته، برتری و قدرت کنترل‌کننده طراحی شده را نشان می‌دهد.

Control of the Amount of Oncolytic Virus Injection by Considering Time Delay

Oncolytic viral therapy is a new promising strategy against cancer. Oncolytic viruses can replicate in cancer cells rather than in normal cells, leading to lysis of the tumor mass and stimulate the immune system. During cancer viral therapy, there is a time delay from the initial virus infection of the tumor cells up to the time those infected cells reach the stage of being able to infect other cells. It is important to understand how the delay affects cancer viral therapy. For this purpose, a mathematical model is introduced to identify this delay. To analyze the effects of delay on virus therapy, the model was reconstructed by adding both virus therapy and immunotherapy control. Finally, using a numerical simulation, a fuzzy parallel distributed compensation controller was designed for the first time. Numerical results showed that with proper control, the tumor cell population decreased to below 10% over time. It is also observed that the use of a delayindependent stability criterion for the design of the parallel distributed compensation controller has reduced the sensitivity of the system response to increasing time delay to an acceptable level. Since the studied system is introduced only in one reference and only the optimal controller is applied, the comparison shows the superiority and power of the designed fuzzy parallel distributed compensation controller.