كنترل جمعيت سلول‌هاي سرطاني در مدل غيرخطي سرطان ملانوما با لحاظ عدم قطعيت با استفاده از الگوريتم يادگيري Q تحت سياست استدلال مبتني بر مورد(CBR)

سرطان پوست يكي از خطرناك‌ترين سرطان‌هايي است كه همه ساله افراد زيادي به آن مبتلا مي‌شوند. به همين دليل تشخيص و درمان سريع اين سرطان بسيار براي پزشكان حايز اهميت مي‌باشد، در چند دهه اخير براي بهبود تشخيص و درمان اين بيماري استفاده از روش‌هاي هوشمند بسيار مورد توجه قرار گرفته است. هدف اصلي در اين مقاله، تعيين مقدار بهينه دارو براي از بين‌بردن سلول‌هاي سرطاني مي‌باشد به گونه‌اي كه از تاثير سوء دارو بر روي سلول‌هاي سالم جلوگيري شود. از الگوريتم يادگيري Q بدين منظور استفاده شده است. براي انتخاب اعمال، از سياست استدلال مبتني بر مورد با نام اختصاري CBRكه يك نوع سياست اكتشافي شتاب داده شده مي‌باشد، استفاده گشته است كه باعث افزايش سرعت يادگيري و كاهش زمان، براي رسيدن به سياست بهينه مي‌شود. مورد ديگري كه در اين مقاله لحاظ شده است، تاثير نيمه عمر دارو براي بدست‌آوردن اثر دارو در هر لحظه در بدن بيمار مي‌باشد. براي اينكه عملكرد روش يادگيري تقويتي در كنترل سلول‌هاي سرطاني و تعيين ميزان بهينه دوز دارو بهتر نشان داده شود، اين روش با يكي از روش‌هاي كنترل بهينه به نام روش هميلتونين و روش تزريق دوز داروي ثابت مقايسه شده است. در نهايت نشان داده شده است مجموع دوز داروي تزريقي به بيمار با استفاده از روش يادگيري تقويتي در مقايسه با حالتي كه از روش كنترل بهينه و دوز داروي ثابت براي تمام زمان‌ها استفاده شده است، بسيار كاهش پيدا كرده است و در ضمن جمعيت سلول‌هاي سرطاني نيز كنترل شده است. با اعمال نويز و عدم قطعيت در پارامترهاي سيستم و شرايط اوليه باز هم روش انتخابي قادر به كنترل سلول‌هاي سرطاني مي‌باشد.