Análise de Controlabilidade Local para um Modelo de dinâmica Tumoral

Análise de Controlabilidade Local para um Modelo de dinâmica Tumoral

Autores

DOI:

https://doi.org/10.5433/1679-0375.2025.v46.53579

Palavras-chave:

modelagem do câncer, teoria da controlabilidade, posto de Kalman, oncologia matemática

Resumo

Este estudo investiga a controlabilidade local de um modelo matemático que descreve a dinâmica tumoral, incorporando a competição entre células e a atuação de intervenções externas representadas por uma variável de controle. O modelo adotado consiste em uma modificação da formulação proposta por Gatenby (1996), cuja dinâmica é analisada por meio da linearização em torno dos pontos de equilíbrio. A partir do critério de posto de Kalman, são estabelecidas condições sob as quais o sistema apresenta controlabilidade local. Os resultados obtidos oferecem uma base teórica para compreender de que forma estímulos externos podem conduzir o sistema entre distintos estados biológicos, especialmente no contexto das interações entre células tumorais e saudáveis. O trabalho articula conceitos de controle não linear e modelagem matemática aplicada à oncologia, com o objetivo de contribuir para o desenvolvimento de estratégias clínicas mais eficazes. Nossa análise fornece subsídios para identificar cenários nos quais um tratamento, modelado como controle externo, pode efetivamente estabilizar ou até reverter o crescimento tumoral.

Downloads

Não há dados estatísticos.

Biografia do Autor

Francis Felix Cordova Puma, Universidade Federal de Santa Catarina

Prof. Dr., Departamento de Matemática, Universidade Federal de Santa Catarina (UFSC), Campus de Blumenau, Santa Catarina, Brasil

Referências

Baumeister, J., & Leitão, A. (2014). Introdução à teoria de controle e programação dinâmica. Instituto Nacional de Matemática Pura e Aplicada.

Bellomo, N., Li, N., & Maini, P. K. (2008). On the foundations of cancer modelling: Selected topics, speculations, and perspectives. Mathematical Models and Methods in Applied Sciences, 18(4), 593–646. https://doi.org/10.1142/S0218202508002796

Bray, F., Laversanne, M., Weiderpass, E., & Soerjomataram, I. (2021). The ever-increasing importance of cancer as a leading cause of premature death worldwide. Cancer, 127(16), 3029–3030. https://doi.org/10.1002/cncr.33587

Byrne, H. M., & Chaplain, M. A. J. (1995). Growth of nonnecrotic tumors in the presence and absence of inhibitors. Mathematical Biosciences, 130(2), 151–181. https://doi.org/10.1016/0025-5564(94)00117-3

Coron, J. M. (2007). Control and nonlinearity. American Mathematical Soc. https://www.ljll.fr/~coron/Documents/Coron-book.pdf

Cristini, V., & Lowengrub, J. (2010). Multiscale Modeling of Cancer: An Integrated Experimental and Mathematical Modeling Approach. https://doi.org/10.1017/CBO9780511781452

De Pillis, L. G., & Radunskaya, A. E. (2003). The dynamics of an optimally controlled tumor model: A case study. Mathematical and Computer Modelling, 37(11), 1221–1244. https://doi.org/10.1016/S0895-7177(03)00133-X

Doering, C. I., & Lopes, A. O. (2016). Equações Diferenciais Ordinárias (Coleção Matemática Universitária). IMPA.

El-Gohary, A., & Yassen, M. (2001). Optimal control and synchronization of Lotka–Volterra model. Chaos, Solitons & Fractals, 12(11), 2087–2093. https://doi.org/10.1016/S0960-0779(00)00023-0

Gatenby, R. A. (1996). Application of competition theory to tumour growth: Implications for tumour biology and treatment. European Journal of Cancer, 32(4), 722–726. https://doi.org/10.1016/0959-8049(95)00658-3

Gatenby, R. A., & Gawlinski, E. T. (1996). A Reaction-Diffusion Model of Cancer Invasion [PubMed PMID: 8971186]. Cancer Research, 56(24), 5745–5753. https://pubmed.ncbi.nlm.nih.gov/8971186/

Lotka, A. J. (1925). Elements of Physical Biology. Williams & Wilkins. https://archive.org/details/elementsofphysic017171mbp

Murray, J. D. (2002). Mathematical Biology I: An Introduction (3rd ed.). Springer. https://doi.org/10.1007/b98868

Nave, O. (2022). A mathematical model for treatment using chemo-immunotherapy. Heliyon, 8(4), e09288. https://doi.org/10.1016/j.heliyon.2022.e09288

Puma, F. F. C., & Henarejsos, A. W. (2024). Controlabilidade local para um modelo Lotka-Volterra. REMAT: Revista Eletrônica da Matemática, 10(1), e3003. https://doi.org/10.35819/remat2024v10i1id6923

Rodrigues, D. S., Mancera, P. F. A., & Pinho, S. T. R. (2011). Modelagem Matemática em Câncer e Quimioterapia: Uma Introdução (Vol. 58). SBMAC. https://www.sbmac.org.br/wp-content/uploads/2022/08/livro_58.pdf

Roose, T., Chapman, S. J., & Maini, P. K. (2007). Mathematical Models of Avascular Tumor Growth. SIAM Review, 49(2), 179–208. https://doi.org/10.1137/S0036144504446291

Salvador, J. A., & Arenales, S. (2022). Modelagem Matemática Ambiental. Editora da Universidade Federal de São Carlos.

Volterra, V. (1931). Leçons sur la Théorie Mathématique de la Lutte pour la Vie. Gauthier-Villars.

Wang, X., Zanette, L., & Zou, X. (2016). Modelling the fear effect in predator–prey interactions. Mathematical Models and Methods in Applied Sciences, 73, 1179–1204. https://doi.org/10.1007/s00285-016-0989-1

Zhang, S., Yuan, S., & Zhang, T. (2022). A predator-prey model with different response functions to juvenile and adult prey in deterministic and stochastic environments. Applied Mathematics and Computation, 413, 126598. https://doi.org/10.1016/j.amc.2021.126598

Downloads

Publicado

2025-12-03

Como Citar

Puma, F. F. C. (2025). Análise de Controlabilidade Local para um Modelo de dinâmica Tumoral. Semina: Ciências Exatas E Tecnológicas, 46, e53579. https://doi.org/10.5433/1679-0375.2025.v46.53579

Edição

Seção

Biomatemática (Seção especial)
Loading...