혼합정수선형프로그램으로 효율적인 화학요법 일정 모델링

본 연구는 암 환자의 종양 크기를 일정 수준 이하로 유지하면서 치료 비용을 최소화하는 화학요법 스케줄링 문제를 수학적으로 모델링하고, 효율적인 최적화 방법을 제시한다. 1. **문제 정의** - 치료 기간을 K개의 동일한 구간(예: 주)으로 나누고, 각 구간 시작 시 치료를 할지 말지를 이진 변수 Xₖ(1=치료,0=비치료)로 표현한다. - 치료가 없을 경우 종양은 성장 함수 f에 따라 Sₖ₊₁ = f(Sₖ) 로 증가하고, 치료가 있을 경우 감소 함수 g에 따라 Sₖ₊₁ = g(Sₖ) 로 감소한다. - f와 g는 각각 증가 함수이며, f는 지수 또는 곰페르츠 모델( f(x)=x+α·x^β ), g는 상수 비율 RF<1을 곱하는 형태( g(x)=RF·x+α·x^β )로 가정한다. - 목표는 전체 치료 비용 ∑ₖ p·Xₖ 를 최소화하면서, 모든 구간에서 종양 크기 Sₖ 가 최소값 S_min 이상, 허용 상한 S_Tol 이하가 되도록 하는 것이다. 2. **휴리스틱의 최적성 증명** - 직관적인 휴리스틱: “현재 구간에서 치료하지 않으면 다음 구간 시작 시 종양 크기가 S_Tol을 초과하므로, 그때만 치료한다.” - Bellman 최적성 원리를 이용해 비용 함수 Cₖ(S) 가 S에 대해 단조 증가함을 보이고, (g∘f)(S) ≤ (f∘g)(S) 라는 부등식이 성립하면 휴리스틱이 전역 최적임을 귀납적으로 증명한다. - 이 부등식은 성장 함수가 지수·곰페르츠 형태이고, 치료 감소가 상수 비율일 때 항상 만족한다. 따라서 해당 모델에서는 복잡한 탐색 없이도 최적 스케줄을 바로 얻을 수 있다. 3. **혼합정수선형 프로그램(MILP) 정식화** - 비선형 관계를 로그 변환하여 선형화한다. Lₖ = log Sₖ 로 두면 Lₖ = β·Lₖ₋₁ – α·log RF·Xₖ₋₁ + constant (성장·감소 모두 동일 형태) - 따라서 전체 문제는 ``` min ∑ₖ p·Xₖ s.t. L₁ = log S_init Lₖ = β·Lₖ₋₁ – α·log RF·Xₖ₋₁ + … ∀k≥2 S_min ≤ e^{Lₖ} ≤ S_Tol ∀k Xₖ ∈ {0,1} ``` 와 같은 혼합정수선형 형태가 된다. - 이 MILP는 Gurobi, CPLEX 등 상용 솔버로 수 초 내에 최적해를 도출할 수 있다. 4. **모델 확장 및 강화** - **조합치료 (P₂)**: n가지 약물 각각 비용 p_i와 감소 비율 RF_i 를 갖도록 하고, 한 구간에 하나만 선택하도록 제약 ∑_i X_{i,k} ≤ 1 을 추가한다. 로그 선형화는 동일하게 적용된다. - **치료 간 최소 간격 (P₃)**: 치료 후 δ개의 구간은 반드시 비치료가 되도록 Xₖ + Xₖ₊₁ + … + Xₖ₊δ ≤ 1 로 제약을 넣는다. 이는 선형 제약이며, 기존 MILP에 간단히 추가된다. - **최대 종양 크기 최소화**: 비용 제한 C_max 를 두고, 새로운 변수 Z 를 도입해 Z ≥ Lₖ ∀k 로 설정한 뒤 Z 를 최소화한다. 이는 목표 함수를 바꾸는 것만으로 구현 가능하다. - **치료 후 최소 종양 크기 제한**: 치료 후 종양 크기가 S_min 이하로 떨어지지 않도록 하는 부등식 max{log(1‑RF·e^{Lₖ₋₁}), Lₖ} ≥ log S_min 로 표현한다. 필요 시 새로운 이진 변수를 도입해 선형화한다. 5. **계산 실험 및 결과** - 다양한 파라미터(α,β,RF,예산 p 등)와 치료 기간(K=52주)에서 휴리스틱과 MILP 해가 일치함을 확인하였다. - 예산을 증가시키면 최적 해의 치료 횟수가 감소하면서도 종양 크기 유지 수준은 크게 변하지 않아, 비용 효율성이 높아짐을 보여준다. - 조합치료와 최소 간격 제약을 포함한 확장 모델에서도 솔버가 몇 초 내에 최적해를 찾았으며, 모델 규모가 K·n 정도로 선형적으로 증가함을 확인하였다. 6. **결론 및 의의** - 종양 성장·감소 동역학을 로그 변환으로 선형화함으로써, 기존 비선형 최적화보다 훨씬 빠르고 확장 가능한 MILP 기반 해법을 제시하였다. - 직관적인 휴리스틱이 최적임을 증명함으로써, 실제 임상 현장에서 빠른 의사결정을 지원한다. - 제시된 모델은 치료 비용, 약물 종류, 치료 간격, 최대 종양 크기 등 다양한 임상·경제적 목표를 동시에 고려할 수 있어, 맞춤형 암 치료 계획 수립에 실용적인 도구가 될 것이다.