Modelización eficiente de geometrías complejas del crecimiento tumoral mediante ecuaciones diferenciales parciales de difusión termoelástica y redes neuronales artificiales Autores: Manana Chumburidze - Akaki Tsereteli State University (GE) Valer Niminet - Vasile Alecsandri University of Bacau (RO) Resumen La disponibilidad de datos de imagen de alta calidad impulsa el desarrollo de nuevas técnicas conceptuales destinadas a lograr un pronóstico y un tratamiento precisos del cáncer. En este estudio proponemos un problema de valores de frontera para modelizar la elasticidad tumoral y el impacto de diversos tipos de tensiones mecánicas sobre las propiedades de las células cancerosas, asumiendo condiciones isotrópicas e inhomogéneas. Mostramos que la solución de este modelo multiescala, expresado mediante ecuaciones diferenciales parciales (EDP), se aproxima numéricamente por medio de una arquitectura de red neuronal artificial basada en una descomposición generalizada de Fourier. El paso clave de conexión es el uso del Operador Neuronal de Laplace, que contribuye a una tasa de convergencia eficiente del algoritmo. Aunque futuras investigaciones de este modelo podrían abordar aspectos críticos relacionados con la verificación de la optimalidad del aprendizaje automático, este marco constituye un desarrollo racional para el pronóstico médico oncológico y la terapia.