Resumen

Los modelos matemáticos se proponen cada vez más para describir la respuesta dinámica de los tumores a los tratamientos con el objetivo de mejorar su eficacia. Los más utilizados son los modelos de EDO no lineales, cuya identificación a menudo es difícil debido a limitaciones experimentales. Nos enfocamos en el tema de la estimación de parámetros en estudios oncológicos basados en modelos. Dada su complejidad, muchos de estos modelos son no identificables, teniendo un número infinito de soluciones de parámetros. Estas describen de manera equivalente los datos experimentales pero están asociadas con diferentes evoluciones dinámicas de variables no medibles. Proponemos el uso conjunto de dos metodologías de identificabilidad diferentes, las cuales tradicionalmente se consideran como disjuntas. Esta nueva metodología proporciona el número de soluciones de parámetros, las relaciones analíticas entre los parámetros no identificables útiles para reducir la complejidad del modelo, una clasificación entre los parámetros que revela las estimaciones más confiables, y una manera de desentrañ

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Modelos matemáticos; Tumores; Tratamientos; Modelos de EDO; Estimación de parámetros; Estudios oncológicos
• Keywords:Mathematical models; Tumors; Treatments; ODE models; Parameter estimation; Oncological studies