L'apparition des trithérapies a permis d'améliorer et de prolonger la vie des patients atteints par le VIH mais paradoxalement leur utilisation à long terme à plein dosage n'est pas sans risque pour la santé des malades et tend à rendre les diverses souches virales résistantes aux traitements. L'objectif est de proposer une amélioration aux chronothérapies actuelles en utilisant les outils du contrôle optimal. La dynamique de l'infection est modélisée par un système d'équations différentielles non linéaires qui tient compte de la réponse immunitaire et de l'action des médicaments. Le problème revient alors à un problème de contrôle optimal à horizon fini où les commandes sont directement liées aux doses de médicaments administrés. L'étude est menée en appliquant le principe du minimum de Pontryaguine et en choisissant un coût original incluant la dose de médicaments, la charge virale et aussi sa cinétique. La résolution du problème est obtenue en utilisant une approche indirecte associée à un algorithme de Runge–Kutta à pas adaptatif. Les résultats montrent l'évolution au cours du temps de la posologie de chaque classe de médicaments. La possibilité d'un traitement à interruptions programmées est aussi analysée.
Highly Active Anti-Retroviral Therapies (HAART) have proven to be extremely effective in improving and prolonging the patient's life. Though, a concern arises since a long term drug intake induces many strong sides effects and reduces reactivity of the virus to any therapy. The purpose of the paper is to use numerical analysis and optimization tools to suggest improved therapies to handle HIV infection. The evolution of the infection is modelled by an ordinary differential equation system which includes both immune response and multi-drug effects. For a fixed time, one looks for a two drugs control strategy based on Pontryagine's minimum principle with an objective function which takes into account three contributions: the viral load, the transient evolution of infection and the quantities of drug used. Simulations are carried out using an indirect optimization method along with Runge–Kutta adaptative stepsize algorithm. Numerical solutions to the optimality system are obtained and related histories are shown. The possibility of Scheduled Treatment Interruption is also examined.
Accepté le :
Publié le :
@article{CRMATH_2010__348_21-22_1179_0,
author = {Orellana, Jose Marie},
title = {Application du contr\^ole optimal \`a l'am\'elioration des trith\'erapies},
journal = {Comptes Rendus. Math\'ematique},
pages = {1179--1183},
publisher = {Elsevier},
volume = {348},
number = {21-22},
year = {2010},
doi = {10.1016/j.crma.2010.10.020},
language = {fr},
url = {http://www.numdam.org/articles/10.1016/j.crma.2010.10.020/}
}
TY - JOUR AU - Orellana, Jose Marie TI - Application du contrôle optimal à l'amélioration des trithérapies JO - Comptes Rendus. Mathématique PY - 2010 SP - 1179 EP - 1183 VL - 348 IS - 21-22 PB - Elsevier UR - http://www.numdam.org/articles/10.1016/j.crma.2010.10.020/ DO - 10.1016/j.crma.2010.10.020 LA - fr ID - CRMATH_2010__348_21-22_1179_0 ER -
%0 Journal Article %A Orellana, Jose Marie %T Application du contrôle optimal à l'amélioration des trithérapies %J Comptes Rendus. Mathématique %D 2010 %P 1179-1183 %V 348 %N 21-22 %I Elsevier %U http://www.numdam.org/articles/10.1016/j.crma.2010.10.020/ %R 10.1016/j.crma.2010.10.020 %G fr %F CRMATH_2010__348_21-22_1179_0
Orellana, Jose Marie. Application du contrôle optimal à l'amélioration des trithérapies. Comptes Rendus. Mathématique, Tome 348 (2010) no. 21-22, pp. 1179-1183. doi : 10.1016/j.crma.2010.10.020. http://www.numdam.org/articles/10.1016/j.crma.2010.10.020/
[1] Risks and benefits of structured antiretroviral drug therapy interruptions in HIV-1 infection, AIDS, Volume 14 (2000) no. 15, p. 2313
[2] Applied Optimal Control, Wiley, New York, 1975
[3] HIV-1 infection and low steady state viral loads, Bulletin of Mathematical Biology, Volume 64 (2002) no. 1, pp. 29-64
[4] A delay-differential equation model of HIV infection of CD4+ T-cells, Mathematical Biosciences, Volume 165 (2000) no. 1, pp. 27-39
[5] Optimal HIV treatment by maximising immune response, Journal of Mathematical Biology, Volume 48 (2004) no. 5, pp. 545-562
[6] Ph. Destuynder, Analyse et contrôle des systèmes modélisés par des équations différentielles, Cours du CNAM Calcul Scientifique, Paris, 2008.
[7] et al. Residual HIV-1 RNA in blood plasma of patients taking suppressive highly active antiretroviral therapy, The Journal of the American Medical Association, Volume 282 (1999) no. 17, pp. 1627-1632
[8] Optimal control of combined therapy in a single strain HIV-1 model, Electronic Journal of Differential Equations, Volume 52 (2005), pp. 1-22
[9] Optimizing chemotherapy in an HIV model, Electronic Journal of Differential Equations, Volume 32 (1998), pp. 1-12
[10] Evaluation of HIV-1 kinetic models using quantitative discrimination analysis, Bioinformatics, Volume 21 (2005) no. 8, pp. 1668-1677
[11] Optimal Control, Wiley–Interscience, 1995
[12] Anti-viral drug treatment: dynamics of resistance in free virus and infected cell populations, Journal of Theoretical Biology, Volume 184 (1997) no. 2, pp. 203-217
[13] Optimal control for HIV therapy strategies enhancement, International Journal of Pure and Applied Mathematics, Volume 59 (2010) no. 1, pp. 39-57
[14] Mathematical analysis of HIV-1 dynamics in vivo, SIAM Review, Volume 41 (1998), pp. 3-44
[15] The Mathematical Theory of Optimal Processes, Wiley, New York, 1962
[16] Stochastic modeling of the dynamics of CD4+ T-cell infection by HIV and some Monte Carlo studies, Mathematical Biosciences, Volume 147 (1998) no. 2, pp. 173-205
[17] Direct and indirect methods for trajectory optimization, Annals of Operations Research, Volume 37 (1992) no. 1, pp. 357-373
Cité par Sources :
