سرطان دومین عامل مرگ و میر در جهان است و آن را به یک موضوع مهم در زمینه سلامت و بیماری تبدیل می کند. در نتیجه، درمان و کنترل آن به عنوان یکی از حیاتی ترین زمینه های مطالعاتی در سراسر جهان مطرح شده است. سارینا حقیقت دوست که این پژوهش در قالب پایان نامه کارشناسی ارشد وی در رشته مهندسی مکاترونیک انجام شد با بیان این مقدمه گفت: یکی از عناصر کلیدی در فرآیند درمان سرطان، جلوگیری از افزایش تعداد سلول های سرطانی است.  این پژوهش یک رویکرد جدید مبتنی بر کنترل پیش بینی مدل  (MPC)و یادگیری تقویتی(RL)  توسعه می دهد.
وی افزود: در شبیه سازی، ابتدا هیچ محدودیتی برای یادگیری تقویتی در کنترل کننده در نظرگرفته نشده است، سپس یکبار شبیه سازی را با استفاده از یادگیری تقویتی و بدون در نظر گرفتن شرایط اولیه و یکبار با در نظر گرفتن شرایط اولیه تصادفی در بازه زمانی 30 روزه و با 3 مرحله زمانی متفاوت بررسی کرده ایم. سپس در هر مرحله با توجه به دنباله کنترل بهینه، به بررسی حداکثر بهینه سازی و رفتار کنترل کننده در دارورسانی و انتخاب دوز مناسب دارو می پردازیم. در انتها به تاثیرگذاری هر یک از روش های ایمنی درمانی، شیمی درمانی و ترکیبی از آنها در کاهش تعداد سلول های سرطانی و بررسی بهبود بیماری پرداختیم.
حقیقت دوست اظهار داشت: نتایج نشان داد که بطورکلی لازم است ابتدا با کمک شیمی درمانی سلول های سرطانی تضعیف شوند، سپس سیستم ایمنی می تواند با کاهش تعداد سلول های سرطانی از رشد تومور در محل مورد نظر جلوگیری کند تا زمانی که درمان موثر واقع شود. با توجه به نتایج شبیه سازی، با در نظر گرفتن تمامی شرایط مختلف و مراحل زمانی مختلف، ترکیب این دو روش باعث کاهش تقریباً 65 درصدی تعداد سلول ها شده و این نشان دهنده اثربخشی ترکیب دو روش درمانی با کمک کنترل کننده پیش بین مدل توسعه یافته توسطRL  می باشد
گفتنی است این پژوهش در قالب پایان نامه کارشناسی ارشد سارینا حقیقت دوست با راهنمایی دکتر امین رمضانی در دانشکده مهندسی مکانیک دانشگاه انجام شد.