Számítógépes Terápiaoptimalizálás Kutatócsoport

Kutatási téma:

A Számítógépes Terápiaoptimalizálás Kutatócsoport célja olyan matematikai és mérnöki módszerek fejlesztése, amelyek az élettani folyamatok modellezésével és az orvosi terápiák optimalizálásával segítik a személyre szabott kezelések kialakítását. Kiemelt kutatási területünk a daganatos betegségek matematikai modellezése és a kemoterápiás kezelések optimalizálása. Célunk olyan algoritmusok kidolgozása, amelyek az egyéni betegadatok alapján számítják ki az optimális gyógyszeradagokat, csökkentve a mellékhatásokat és maximalizálva a túlélési esélyeket.

Kutatásaink az élettani folyamatokat leíró differenciálegyenletekre épülnek, amelyeket mérésekkel személyre szabunk, és optimalizálási algoritmusokat fejlesztünk a terápiás hatékonyság növelésére. Az általunk alkalmazott modell négy állapotváltozós rendszert használ, amely figyelembe veszi a tumor növekedését, a halott tumor sejtek dinamikáját, valamint a gyógyszer farmakokinetikáját és farmakodinamikáját. Az optimalizálási megközelítés célja a gyógyszerszint fenntartása egy adott hatékonysági küszöb felett, a minimálisan szükséges dózisokkal.

Többféle stratégiát dolgoztunk ki a gyógyszeradagolás optimalizálására:

1. Maximális hatékonyságot biztosító személyre szabott terápia – célja, hogy a gyógyszerkoncentráció mindig a terápiás határérték felett maradjon.
2. Minimális dózissal fenntartott hatásosság – olyan algoritmusok fejlesztése, amelyek a tumor térfogatának növekedését minimális gyógyszeradaggal gátolják.
3. Robusztus terápia – amikor a betegspecifikus paraméterek nem ismertek, akkor egy szélesebb betegpopulációra optimalizált stratégiát alkalmazunk.

A módszereink nemcsak a daganatterápiában alkalmazhatók, hanem más gyógyszeradagolási problémákra is kiterjeszthetők, például antibiotikum-kezelések vagy egyéb farmakológiai beavatkozások optimalizálására. Kutatásainkat kísérleti adatokkal validáljuk, és algoritmusainkat valós biológiai rendszereken teszteljük, hogy azok minél hamarabb alkalmazhatóvá váljanak a klinikai gyakorlatban.

Főbb eredményeink:

Az IEEE Transactions on Systems, Man, and Cybernetics folyóiratban megjelent cikkünkben bemutatjuk az általunk kifejlesztett algoritmusokat, amelyekkel impulzív rendszerelméleti módszereket alkalmazva optimalizáltuk a kemoterápiás gyógyszeradagolást.

Főbb eredmények:

• Olyan matematikai modell alapú terápia-optimalizációs algoritmusokat fejlesztettünk, amelyek személyre szabott gyógyszeradagolást tesznek lehetővé, csökkentve a felesleges dózisokat és mellékhatásokat.
• Az algoritmusainkat állatkísérleteken validáltuk. Egereken végzett in vivo kísérletek során a fejlesztett módszerekkel jelentősen megnöveltük az egerek túlélési idejét egy általánosan használt kemoterápiás protokollhoz képest.
• Kifejlesztettünk egy intervallum-algebrai megközelítést, amely lehetővé teszi, hogy a terápia akkor is hatékony maradjon, ha a betegspecifikus paraméterek bizonytalansága nagy.
• Az alkalmazott impulzív irányításelméleti módszerek képesek figyelembe venni a gyógyszerek időszakos adagolását, biztosítva a hatékony és fenntartható terápiás stratégiákat.

Ezek az eredmények új utakat nyitnak a daganatterápiák matematikai alapú megközelítéseiben, és hozzájárulhatnak a személyre szabott orvoslás fejlődéséhez, valamint a jövőbeni klinikai alkalmazásokhoz.

Pályázatok:

2015-2016: FP7-PEOPLE-2012-IRSES-316338 „Dynamical Systems and Applications”

2016- 2021: European Research Council Starting Grant ERC-StG 67968 ”Tamed Cancer”

2017- : H2020-MSCA-RISE-2017, Proposal No. 777911, „Dynamics”, „Contributions to codimension k bifurcations in dynamical systems theory

2018-2.1.11-TÉT-SI-2018-00007 – Kvalitatív és számítógépes módszerek biokémiai és műszaki modellekre

2019-1-3-1-KK-2019-00007 – Innovációs szolgáltató bázis létrehozása diagnosztikai, terápiás és kutatási célú kiberorvosi rendszerek fejlesztésére

TKP2021-NKTA-36 – Innovatív és digitális egészségipari technológiák fejlesztése és értékelése

HORIZON-MSCA-2023-SE-01-01-101183111 – DSYREKI – Dynamical Systems and Reaction Kinetics Networks

2020-2.1.1-ED-2024-00346 – Dinamikus rendszerek és reakciókinetikai hálózatok