Abstract:
Mesmo tratável e podendo ser prevenida com medicamentos, a tuberculose (TB) continua a infectar e causar mortes em toda população, especialmente nas de países pobres e em partes mais vulneráveis de países ricos. Diante dessa situação, o estudo da curva de crescimento do Mycobacterium tuberculosis, causador da tuberculose, pode ser um forte aliado contra a TB, seja para a elaboração de novos fármacos, ou até mesmo no desenvolvimento da teoria. Este trabalho modela a curva de crescimento do Mycobacterium tuberculosis com a utilização de simulação baseada em agentes, e tem como objetivo simular a curva com o mínimo de erro possível com relação à real. Para implementar esse modelo, foi definido um meio onde agentes representam as bactérias em seu habitat, a forma como interagem umas com as outras e como ambiente. E para tornar o modelo mais similar a um modelo de crescimento real, os valores das variáveis dos agentes são gerados a partir de distribuições de probabilidades. O modelo baseado em agentes desenvolvido apresentou resultados satisfatórios, uma vez que a curva de crescimento modelada revelou-se similar a curva real. Essa similaridade torna o modelo bastante útil para verificação de hipóteses, já que as simulações levam minutos, em oposição aos experimentos in vitro que levariam dias.
Even treatable and prevented with medicines, tuberculosis (TB) continues to infect and cause deaths in the whole population, especially in poor countries and in vulnerable parts of the rich countries. In this way, the study of the growth curve of Mycobacterium tuberculosis can be a strong ally against TB, to develop new drugs or a theory.This paper models the growth curve of Mycobacterium tuberculosis with using agent-based simulation, and it aims to simulate the curve with minimum error possible comparing to real. To implement this model, we have defined agents as the bacteria in their habitat, how they interact each other and with the environment. And to make the model more similar to a real growth model, the values of the agents variables are generated from probability distributions.The agent-based model developed presented satisfactory results, since the growth curve modeled proved similar to real curve. This similarity makes the model high useful for verification of hypotheses, since simulations take minutes to execute on contrary of in vitro experiments that could take days.
