Computational simulation of gliomas using stochastic methods

Otávio Xavier Barbosa, Weslley Luiz da Silva Assis, Vanessa da Silva Garcia, Gustavo Benitez Alvarez

Resumo


Gliomas são tumores cerebrais primários agressivos e invasivos, no qual o mais comum e maligno, glioblastoma multiforme, possui uma combinação de rápido crescimento e invasibilidade. Com o avanço na capacidade de processamento e armazenamento de dados, a utilização de métodos estocásticos para a simulação de problemas físicos reais vem se tornando cada vez mais frequentes. O objetivo do trabalho é simular computacionalmente o crescimento do glioma resolvendo uma equação de reação-difusão em 1D, pelo método de Crank-Nicolson e transpor essa solução para uma geometria 3D por meio do método do Cone Causal e de Monte Carlo. Os resultados obtidos fornecem informações da evolução do raio, concentração de células cancerosas, volume e uma visualização em 3D do tumor. Estes resultados encontrados se mostraram satisfatórios quando comparado com trabalhos que estudam o crescimento tumoral.

Palavras chave: Equação de Reação-Difusão, Gliomas, Método do Cone Causal, Método de Monte Carlo, Método de Diferenças Finitas.

Texto completo:

PDF

Referências


Alves A.L.M. (2015) Simulação Computacional de Reações com Nucleação e Crescimento de Fases Simultâneas e Sequenciais pelo Método do Cone Causal. Dissertação de Mestrado, Programa de Pós-Graduação em Engenharia Metalúrgica. Universidade Federal Fluminense, Volta Redonda, Rio de Janeiro.

Alves A.L.M., da Fonseca G.D., da Costa M.F.B., Assis W.L.S. & Rios P.R. (2018) Evolution of Individual Grains in 3D Micro-structure Generated by Computational Simulation of Transformations Involving Two Phases. Materials Science Forum, 930: 305–310. https://doi.org/10.4028/www.scientific.net/MSF.930.305

Bellomo N., Chaplain M. & De Angelis E. (2008) Selected Topics in Cancer Modeling: Genesis, Evolution, Immune Competition, and Therapy. Boston: Birkhäuser. 473 p.

Brzezniak Z. & Zastawniak T. (2005) Basic Stochastic Processes. Springer-Verlag London: Springer. 200 p.

Burgess P.K., Kulesa P.M., Murray J.D. & Alvord E.C. (1997) The interaction of growth rates and diffusion coefficients in a three-dimensional mathematical model of gliomas. Journal of Neuropathology and Experimental Neurology, 56(6): 704–713.

https://doi.org/10.1097/00005072-199756060-00008

Cahn J.W. (1996) The Time Cone Method for Nucleation and Growth Kinetics on a Finite Domain. Materials Research Society Symposium - Proceedings, 398: 425–437.

DOI: https://doi.org/10.1557/PROC-398-425

Chaplain M.A.J. (2008) Modelling Aspects of Cancer Growth: Insight from Mathematical and Numerical Analysis and Computational Simulation (p. 147–200). In: Capasso V. & Lachowicz M. (Eds). Multiscale Problems in the Life Sciences. Lecture Notes in Mathematics. Volume 1940. Heidelberg: Springer. 323 p.

Cruywagen G.C., Tracqui P., Woodward D.E., Cook J., Murray J.D. & Alvord E.C. (1995) The modeling of diffusive tumours. Journal of Biological Systems, 3: 937–945.

https://doi.org/10.1142/S0218339095000836

da Fonseca G.D., Alves A.L.M., da Costa M.F.B., Lyrio M.S., Assis W.L.S. & Rios P.R. (2018) Modeling and Simulation of Nucleation and Growth Transformations with Nucleation on Interfaces of Kelvin Polihedra Network. Materials Science Forum, 930: 299–304.

https://doi.org/10.4028/www.scientific.net/MSF.930.299

Deisboeck T.S. & Stamatakos G.S. (2010) Multiscale Cancer Modeling. Boca Raton: CRC Press. 484 p.

de Jesus J.C. (2014) Modelagem do Crescimento de Glioma por Séries Temporais em Resposta à Radioterapia. Dissertação de Mestrado, Programa de Pós-graduação em Modelagem Computacional em Ciência e Tecnologia. Universidade Federal Fluminense, Volta Redonda, Rio de Janeiro.

da Silva J.J. (2014) Modelagem Computacional Aplicada ao Tratamento de Câncer Via Medicina Nuclear. Dissertação de Mestrado, Programa de Pós-graduação em Modelagem Computacional em Ciência e Tecnologia. Universidade Federal Fluminense, Volta Redonda, Rio de Janeiro.

de Souza É.B. (2015) Otimização do plano de tratamento por radioterapia em pacientes com gliomas via algoritmos genéticos. Dissertação de Mestrado, Programa de Pós-graduação em Modelagem Computacional em Ciência e Tecnologia. Universidade Federal Fluminense, Volta Redonda, Rio de Janeiro.

Elaff I. (2018) Comparative study between spatio-temporal models for brain tumor growth. Biochemical and Biophysical Research Communications, 496(4): 1263–1268.

https://doi.org/10.1016/j.bbrc.2018.01.183

Franco N.M.B. (2007) Cálculo Numérico. São Paulo: Pearson Education. 520 p.

Hirsch C. (2007) Numerical Computation of Internal and External Flows. Great Britain: Elsevier. 715 p.

Junior S.C.F. (2003) Modelos de Reação Difusão para o Crescimento de Tumores. Tese de Doutorado, Programa de Pós-Graduação em Física. Universidade Federal de Minas Gerais, Instituto de Ciências Exatas, Departamento de Física, Belo Horizonte, Minas Gerais.

Kansal A.R., Torquato S., Harsh IV G.R., Chiocca E.A. & Deisboeck T.S. (2000) Cellular automaton of idealized brain tumor growth dynamics. Bio Systems, 55: 119–127.

https://doi.org/10.1016/S0303-2647(99)00089-1

LeSar R. (2013) Introduction to Computational Materials Science: Fundamentals to Applications. New York: Cambridge University Press. 427 p.

Murray J.D. (2003) Mathematical Biology II: Spatial Models and Biomedical Applications. 3° edition. Heidelberg: Springer. 814 p.

Nelson B.L. (2010) Stochastic Modeling: Analysis and Simulation. New York: Dover. 338 p.

Ribeiro T.C.S. (2011) Simulação Computacional da Microestutura das Transformções por Nucleação e Crescimento. Tese de Doutorado, Programa de Pós-Graduação em Engenharia Metalúrgica. Universidade Federal Fluminense, Centro Tecnológico, Escola de Engenharia Industrial Metalúrgica de Volta Redonda, Volta Redonda, Rio de Janeiro.

Rockne R., Alvord E.C., Rockhill J.K. & Swanson K.R. (2009) A mathematical model for brain tumor response to radiation therapy. Journal of Mathematical Biology, 58(4-5): 561–578.

https://doi.org/10.1007/s00285-008-0219-6

Rodríguez C.R., Calvo G.F., Ramis-Conde I. & Belmonte-Beitia J. (2017) Stochastic modelling of slow-progressing tumors: Analysis and applications to the cell interplay and control of lowgrade gliomas. Communications in Nonlinear Science and Numerical Simulation, 49: 63–80. https://doi.org/10.1016/j.cnsns.2017.02.008

Smolle J.S.H. (1993) Computer simulation of tumor cell invasion by a stochastic. Journal of Theoretical Biology, 160: 63–72. https://doi.org/10.1006/jtbi.1993.1004

Swanson K.R., Alvord J. & Murray J.D. (2000) A quantitative model for differential motility of gliomas in grey and white matter. Cell Proliferation, 33(5): 317–329.

https://doi.org/10.1046/j.1365-2184.2000.00177.x.

Swanson K.R., Bridge C., Murray J.D. & Alvord E.C. (2003) Virtual and real brain tumors: Using mathematical modeling to quantify glioma growth and invasion. Journal of the Neurological Sciences, 216(1): 1–10. https://doi.org/10.1016/j.jns.2003.06.001

Tanaka M.L., Debinski W. & Puri I.K. (2009) Hybrid mathematical model of glioma progression. Cell Proliferation, 42(5): 637–646. https://doi.org/10.1111/j.1365-2184.2009.00631.x

Tracqui P., Woodward D.E., Cook J., Cruywagen G.C., Murray J.D. & Alvord E.C. (1995) A mathematical model of glioma growth: the effect of chemotherapy on spatio-temporal growth. Cell proliferation, 28: 17–31. https://doi.org/10.1111/j.1365-2184.1995.tb00036.x

Unkelbach J., Menze B.H., Konukoglu E., Dittmann F., Le M., Ayache N. & Shih H.A. (2014) Radiotherapy planning for glioblastoma based on a tumor growth model: Improving target volume delineation. Physics in Medicine and Biology, 59(3): 747–770.

https://doi.org/10.1088/0031-9155/59/3/747

Ventura H., Alves A.L.M., Assis W.L.S. & Rios P.R. (2018) Influence of an exclusion radius around each nucleus on the microstructure and transformation kinetics. Materialia, 2: 167–175. https://doi.org/10.1016/j.mtla.2018.07.009

Yoriyaz H. (2009) Método de Monte Carlo: princípios e aplicações em Física Médica. Revista Brasileira de Física Médica, 3(1): 141–149. http://dx.doi.org/10.29384/rbfm.2009.v3.n1.p141-149




DOI: http://dx.doi.org/10.29215/pecen.v3i2.1285

Apontamentos

  • Não há apontamentos.


Direitos autorais 2019 Autor e Revista mantêm os direitos da publicação

____________________________________________
Pesquisa e Ensino em Ciências Exatas e da Natureza
Unidade Acadêmica de Ciências Exatas e da Natureza - CFP - UFCG
Cajazeiras - PB, Brasil
(ISSN 2526-8236)

 

 

 

 

 

 

 

 


 

 

 

INDEX COPERNICUS INTERNACIONAL

 

ICI WORLD OF JOURNALS