《European Journal of Control》：Fault-Tolerant Probabilistic-Robust Model Predictive Control for Chemotherapy under Uncertain Tumor Dynamics
编辑推荐：
本研究拓展了用于化疗给药的NMPC（非线性模型预测控制）框架，优先考虑患者安全性、容错性及优化临床结局，同时兼顾肿瘤演化与耐药性等不确定性因素。内部故障被建模为临时性参数偏差，通过计算高效的SQP（序贯二次规划）方法进行管理，该方法在每个采样时刻对非线性动力学
本研究拓展了用于化疗给药的NMPC（非线性模型预测控制）框架，优先考虑患者安全性、容错性及优化临床结局，同时兼顾肿瘤演化与耐药性等不确定性因素。内部故障被建模为临时性参数偏差，通过计算高效的SQP（序贯二次规划）方法进行管理，该方法在每个采样时刻对非线性动力学进行线性化。所提出的基于SQP的Probust NMPC公式将鲁棒安全裕度与概率约束处理相结合，在保证高概率约束满足的同时，实现保守性与治疗效果之间的灵活权衡。该容错架构在检测到偏差时自适应地重构治疗方案。使用肿瘤生长与化疗模型的仿真结果表明，所提框架在in silico环境中提升了鲁棒性并减轻了选定内部参数偏差的影响。这些结果作为面向控制的化疗决策支持的概念验证，而非立即临床就绪的证据。
研究背景方面，癌症仍是全球重大疾病负担，化疗作为肿瘤治疗基石之一，其非选择性导致药物同时杀伤肿瘤细胞与健康细胞，需在疗效与毒性之间取得精细平衡。生物系统给药自动化面临精确数学模型缺失、未建模动态及生理扰动等固有挑战。从最优控制角度，已有研究建立了药物剂量问题的严格基础，包括几何最优控制框架、离散与脉冲给药公式等。在预测控制范式中，MPC（模型预测控制）因其在预测时域内优化输入并处理显式约束的能力，已成为药物给药的自然框架，并在贫血管理等临床领域展示了可行性与安全性。在肿瘤学中，MPC结合MHE（滚动时域估计）已被提出以缓解模型失配与测量稀疏问题。然而，当生理非线性显著时，传统线性MPC可能表现不佳，因此NMPC（非线性模型预测控制）更为可取但计算负担较重。SQP为解决非线性规划问题提供了实用途径。该领域的关键挑战在于不确定性处理，Probust优化明确结合了鲁棒与概率优化原则，通过引入概率约束与显式最坏情况分析，在风险最小化与性能最大化之间取得平衡，较传统鲁棒方法更为保守性低。此外，治疗安全性依赖于对传感器漂移、参数差异或耐药性等偏差的及时检测与管理，而将FDD（故障检测与诊断）紧密集成到化疗MPC回路中的实例仍较为稀缺。本文在作者前期工作基础上，将分析焦点从外部故障转向控制器标称预测模型与实际模拟患者响应之间的内部参数偏差，这些偏差影响治疗有效性、药物消除及淋巴细胞敏感性等关键参数。主要贡献在于将三个要素集成到单一容错控制架构中：基于SQP的Probust NMPC公式处理非线性肿瘤动力学与概率-鲁棒安全约束；基于残差的故障检测机制识别与治疗有效性、药物消除及淋巴细胞敏感性相关的内部参数偏差；监督重构层在检测到内部偏差后修改剂量策略。与标准机会约束MPC相比，所提公式通过Probust约束收紧引入了额外鲁棒裕度；与传统容错MPC方案相比，所提架构在同一预测控制回路内显式链接了基于残差的内部生物医学参数偏差检测与剂量策略重构。需要指出的是，所提框架仅通过基于数学肿瘤生长与化疗模型的仿真进行评估，结果旨在评估该控制架构作为in silico决策支持概念的可行性，而非建立经临床验证的治疗方案。
在技术方法上，研究人员采用以下关键技术：基于细胞周期特异性化疗药物模型，将肿瘤动力学简化为三个状态（生长相Xg、DNA合成相Xs、有丝分裂相Xm），并纳入他莫昔芬（TM）四阶段药代动力学模型及循环淋巴细胞动力学；在每个采样时刻对非线性模型进行局部线性化，构建线性状态空间模型用于预测与残差计算；采用SQP方案求解Probust NMPC问题，将概率约束转化为确定性等价形式并引入额外鲁棒裕度项τσ；基于残差生成与概率-鲁棒阈值进行FDI，阈值由非故障残差的高斯分布统计导出并通过Shapiro-Wilk与Jarque-Bera检验验证正态性；设计监督重构层通过矩阵S、L、M定义故障签名与重构动作映射。样本数据来源于1000次一年期闭环仿真以表征残差分布，以及100次一年期仿真用于性能统计比较。
研究结果方面，在故障检测部分，通过概率化处理残差，故障F1至F3均可被检测与识别。研究人员以100次一年期无故障SQP-based Probust NMPC受控治疗仿真计算检测阈值并考虑其高斯概率分布，结果表明各故障下残差均能超出概率阈值从而触发检测。在故障重构部分，引入重构动作后故障影响得到部分缓解。对于F1，重构动作RA1使控制器部分补偿由kd降低导致的暂时疗效损失，最终肿瘤体积从278.37 mm3降至235.19 mm3（额外15.51%缩减），但略增约束违反时间。对于F2，RA2使淋巴细胞恢复时间从47.20天缩短至17.52天（减少62.88%），约束违反时间从2336.78小时降至1204.64小时。对于F3，RA3使恢复时间从63.72天降至36.88天（减少42.12%），约束违反时间从2275.28小时降至1012.88小时。尽管F2与F3的严重性不可避免地迫使循环淋巴细胞C(t)低于最低安全阈值，但FDI策略通过动态调整给药方案成功最小化了违反持续时间。研究还指出，重构动作系启发式选取且限于允许TM剂量范围的简单修改，未来工作应从系统化监督设计或额外优化层推导这些动作。
讨论部分总结了本研究作为化疗规划控制导向决策支持工具的初步in silico步骤，指出在考虑临床转化前需进一步工作，包括使用更详细的生物医学模型、患者特异性校准、实验或临床数据验证以及系统评估重构策略。未来研究方向包括开发更系统化的随机控制参数（δy与τ）整定方法。研究结论翻译如下：本文在作者前期关于化疗背景下安全可靠故障检测与恢复机制开发工作的基础上，特别考虑了预测所用模型参数与实际值之间差异对应的故障，此类失配可能导致次优控制动作或在极端情况下导致不安全治疗策略，这些参数偏差可源于多种患者特异性因素，因此不仅需检测还需相应调整控制策略。此外，开发了基于SQP的Probust NMPC算法以计算鲁棒控制律，旨在即使在未建模动态等不确定性存在下改善仿真环境中的约束处理与治疗性能。本研究应被理解为面向化疗规划的控制导向决策支持工具开发的初步in silico步骤。
