Machine Learning Spain - Machine Learning Spain XXXII
Thursday 18 October 2018, 19:00 - 20:00
Calle de Manzanares, 1, Madrid, España
Hola, Machine Learners!! Aunque estamos acabando de cerrar el contenido, os queremos anunciar la próxima fecha del meetup para que vayáis planificándolo en vuestras agendas: jueves 18 de octubre en Campus Madrid, a las 18:30h, ya que hay que hacer previo check-in al llegar (recordadlo). Como siempre, Juantomás y Soraya os darán la bienvenida con cerveza fría! 18:30 - Hello&Beers 19:00 - 19:40 Modelización Matemática para la Estimación del Génesis Tumoral, por Santiago López, investigador Abstract: Los gliomas comprenden un grupo muy heterogéneo de tumores que se originan en las células gliales del sistema nervioso central y que afectan al cerebro o a la médula espinal. Debido a que se localizan en el sistema nervioso central, excepto aquellos que son de menor grado, prácticamente todos ellos son malignos. Dentro de los gliomas, debe mencionarse el glioblastoma, que es el tumor cerebral más frecuente. Presenta un rápido crecimiento y mal pronóstico. Debido a su compleja biología celular y molecular, enorme variabilidad y agresividad, los avances terapéuticos signicativos han estado muy limitados. Desde una perspectiva matemática, existen modelos que emplean ecuaciones en derivadas parciales de reacción-difusión, las cuales describen cómo evoluciona espacio-temporalmente una población tumoral. Estos modelos incorporan dos procesos que se pueden distinguir durante la progresión de los gliomas: uno es la proliferación celular (reacción) y el otro es la migración o inltración celular (difusión) a través de los tejidos sanos (parénquima) circundantes. Una de las ecuaciones de reacción-difusión más emblemáticas en biología matemática es la de Fisher-Kolmogorov. Esta ecuación fue propuesta en el contexto de la biología evolutiva y dinámica de poblaciones, sin embargo también presenta aplicaciones en la oncología matemática. Se ha utilizado para describir la evolución espacio-temporal de la densidad de células tumorales de un glioma. Al tratarse de una ecuación difusiva presenta dos inconvenientes: tiene infinitos grados de libertad, lo que diculta su resolución analítica exacta y debido a su irreversibilidad intrínseca no se puede resolver hacia atrás en el tiempo (da lugar a un problema mal planteado). Este hecho impide, por ejemplo, estimar adecuadamente el momento en el que surge un glioma (tumorigénesis). A lo largo de este Trabajo Fin de Grado se resolvió numéricamente la ecuación de Fisher-Kolmogorov y se propuso un modelo alternativo para la modelización de la progresión de un glioma, consistente en un sistema de ecuaciones diferenciales ordinarias con sólo tres grados de libertad, los cuales corresponden a la amplitud, la posición del frente y a la anchura de la densidad espacio-temporal. La idea básica de este modelo simplicado es que, en cierta manera, regulariza aproximadamente aquellas soluciones de la ecuación de Fisher-Kolmogorov que tienen un perfil y propiedades que están de acuerdo con la biología de un glioma. Una vez resuelto este modelo de ecuaciones diferenciales ordinarias, se caracterizó a los pacientes por sus condiciones iniciales y parámetros que identifican tanto el grado de proliferación como el de migración celular. Por último, se realizó una validación exhaustiva del modelo propuesto, mediante un barrido de parámetros y un análisis estadístico. Al aplicar ambos modelos, el clásico y el propuesto, se obtienen predicciones de velocidad de crecimiento y supervivencia. 19:40 TBC 20:15 Despedida y networking Si queréis proponer vuestras propias charlas para futuros eventos, podéis hacerlo en este cuestionario ( https://docs.google.com/forms/d/1Hyn1oS8Gr-5jbHujQywgXi5qBbuOzmcwRtpnQX-n0Cw/edit?ts=59d3bee2) y también podéis enviarnos un mensaje por aquí. Mantendremos siempre abierto el C4P para recoger las charlas más interesantes. La evolución del evento y algunas fotos estarán en la cuenta de Twitter @ml_spain ( https://twitter.com/ml_spain ) Nos vemos en Campus Madrid.
Publicado por: Betabeers