🔢 mathematics

Fundamental Properties, Comparative Analysis, and Application of Caputo and Riemann-Liouville Fractional Derivatives to a Cancer Cell Epidemic Model

Este artículo establece las distinciones teóricas entre las derivadas fraccionarias de Caputo y de Riemann-Liouville, demostrando la superioridad de la primera para los problemas de valor inicial biológicos, y aplica este marco a un modelo epidémico de células cancerosas para analizar cómo los órdenes fraccionarios influyen en los efectos de memoria, la progresión de la enfermedad y la respuesta a la inmunoterapia.

Autores originales: Jenitha Borges M, John Borg S, Britto Antony Xavier G, Avinash N

Publicado 2026-08-10

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Jenitha Borges M, John Borg S, Britto Antony Xavier G, Avinash N

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina el mundo de la ciencia como una ciudad gigante y bulliciosa donde todo se mueve y cambia constantemente. Durante mucho tiempo, los científicos utilizaron un conjunto muy específico de herramientas para predecir cómo las cosas se mueven, crecen o se propagan. Estas herramientas, llamadas "cálculo", son como una cámara de alta velocidad que solo toma instantáneas del momento presente. Son increíbles para describir cómo una pelota rueda por una colina en este preciso ahora, basándose en cómo se movía hace una fracción de segundo. Pero, ¿qué pasaría si la pelota recordara cómo se sintió ayer? ¿Qué pasaría si un virus no solo reacciona a la persona en la que está ahora, sino que lleva la "memoria" de cada persona que infectó antes?

Aquí es donde entra en juego una rama especial de las matemáticas llamada "cálculo fraccionario". Piensa en esto como una cámara que no solo toma una instantánea, sino que graba un video completo del pasado, mezclando la historia en el presente. En este video, la velocidad del cambio depende no solo del momento actual, sino de todo lo que sucedió antes. Existen dos "lentes" principales para este tipo de matemáticas: el lente de Caputo y el lente de Riemann-Liouville. Ambos pueden registrar el pasado, pero manejan el comienzo de la historia (las "condiciones iniciales") de maneras completamente diferentes. Un lente trata el inicio de la historia como un lienzo en blanco, mientras que el otro añade un extraño y tambaleante error justo al principio. Los científicos se preocupan por esto porque muchas cosas del mundo real —como la propagación de enfermedades o el crecimiento de las células— tienen memorias profundas. Si usas el lente equivocado, tu predicción podría parecer un videojuego con fallos en lugar de la vida real.

Este artículo es una inmersión profunda en la comparación de estos dos lentes y en determinar cuál es la mejor herramienta para estudiar un problema muy serio: la propagación de las células cancerosas. Los autores, un equipo de matemáticos del Sacred Heart College, actúan primero como detectives, desglosando las reglas fundamentales de ambos métodos, Caputo y Riemann-Liouville. Demuestran matemáticamente que si intentas medir un valor constante e invariable (como una población estable de células sanas) usando el lente de Riemann-Liouville, se crea un pico extraño e infinito justo al principio que no tiene sentido en el mundo real. Sin embargo, el lente de Caputo maneja estos estados estables perfectamente, dando un cero limpio. Esto es algo muy importante porque, en biología, necesitamos ser capaces de decir: "Al principio, teníamos 100 células sanas", sin que las matemáticas griten que el número es en realidad infinito.

El equipo toma luego estos hallazgos y construye un "modelo de epidemia de células cancerosas de orden fraccionario". Imagina una simulación digital de un campo de batalla donde las células sanas y las células cancerosas luchan. En un modelo estándar, la batalla ocurre instantáneamente basándose en quién está allí en este momento. Pero en este nuevo modelo, las células tienen "memoria". Las células cancerosas recuerdan qué tan rápido crecieron la semana pasada, y las células sanas recuerdan cuántas se perdieron en el pasado. Los investigadores ejecutaron simulaciones por computadora para ver qué sucede cuando bajan el "dial de la memoria" (llamado orden fraccionario, $\mu$ ) de 1 (sin memoria) a 0.75 (memoria fuerte).

Los resultados fueron fascinantes. Cuando la memoria era fuerte (valores de $\mu$ más bajos), el cáncer no se apoderaba tan rápido. El sistema parecía "vacilar", recordando su estado saludable inicial durante más tiempo. Era como si las células cancerosas se movieran a través de un jarabe espeso en lugar de agua; el pasado las frenaba. Las simulaciones mostraron que con un factor de memoria de 0.75, la población de cáncer crecía mucho más lento que en el modelo estándar, y las células sanas sobrevivían más tiempo. El artículo también probó un escenario de "tratamiento", añadiendo un término para representar la inmunoterapia (un tratamiento que ayuda al sistema inmunológico a combatir el cáncer). Las matemáticas mostraron que este tratamiento funcionaba de una manera aditiva y directa: cuanto más tratamiento añades, más se suprime el cáncer, independientemente de la configuración de la memoria.

Crucialmente, los autores demostraron que intentar usar el lente de Riemann-Liouville para este modelo biológico habría sido un desastre. Debido a que ese método crea un "error" matemático (una singularidad) al principio de cualquier valor constante, habría hecho que el modelo fuera imposible de configurar con números iniciales del mundo real. El lente de Caputo, por el contrario, les permitió establecer el número inicial de células exactamente como son en la realidad y observar cómo la historia se desarrolla naturalmente. El artículo concluye que para modelar cosas como el crecimiento del cáncer, donde la historia importa y los números iniciales son reales y fijos, la derivada de Caputo es la herramienta superior. Proporciona una forma matemáticamente consistente de incluir la "memoria" de la enfermedad sin romper las reglas de la física o la biología.

Resumen Técnico: Propiedades Fundamentales, Análisis Comparativo y Aplicación de las Derivadas Fraccionarias de Caputo y Riemann-Liouville a un Modelo de Epidemia de Células Cancerosas

Planteamiento del Problema
El artículo aborda las distinciones teóricas y prácticas entre las derivadas fraccionarias de Caputo y de Riemann-Liouville (RL), específicamente dentro del contexto del modelado de sistemas biológicos con efectos de memoria. Si bien el cálculo fraccionario está establecido como una herramienta para modelar características hereditarias en sistemas complejos, la elección del operador es crítica para los problemas de valor inicial. Los autores identifican una discrepancia fundamental: la derivada de RL de una constante es distinta de cero (produciendo una singularidad en el origen), mientras que la derivada de Caputo de una constante es cero. Esta distinción plantea desafíos para el modelado biológico, donde las condiciones iniciales (por ejemplo, las poblaciones celulares iniciales) son constantes físicamente significativas, y las singularidades en $t=0$ carecen de interpretación biológica. El estudio tiene como objetivo establecer rigurosamente las propiedades de ambos operadores y determinar cuál es más adecuado para un modelo de epidemia de células cancerosas.

Metodología
La investigación emplea una combinación de derivación analítica, demostración de teoremas comparativos y simulación numérica:

Marco Teórico: Los autores definen las funciones Gamma y Beta, seguidas de las definiciones formales de las integrales y derivadas fraccionarias de RL y de Caputo. Derivan sistemáticamente propiedades fundamentales, incluyendo:
- Las derivadas y de las integrales fraccionarias de funciones de potencia ( $z^m$ ).
- La linealidad de ambos operadores.
- La relación entre los dos operadores mediante un teorema de término de corrección, que expresa la derivada de Caputo como la derivada de RL menos una suma de términos de valor inicial.
- Propiedades inversas, demostrando cómo las integrales fraccionarias recuperan las funciones originales hasta polinomios determinados por las condiciones iniciales.
Análisis Comparativo: El artículo utiliza ilustraciones gráficas y ejemplos específicos (por ejemplo, funciones constantes, $f(z)=1$ y funciones cuadráticas, $f(z)=z^2$ ) para visualizar el comportamiento de ambas derivadas. Esto resalta el comportamiento singular de la derivada de RL cerca del origen para constantes frente a la derivada de Caputo que se anula.
Aplicación del Modelo: Los resultados teóricos se aplican a un sistema de ecuaciones diferenciales de orden fraccionario acoplado que modela las poblaciones de células sanas ( $H$ ) y cancerosas ( $C$ ). El modelo incorpora crecimiento logístico, competencia intercelular y control por inmunoterapia. Se selecciona el operador de Caputo para la formulación del modelo para asegurar la compatibilidad con las condiciones iniciales clásicas ( $H(0)=H_0, C(0)=C_0$ ).
Simulación Numérica: El sistema se resuelve numéricamente utilizando el esquema de aproximación de Grünwald-Letnikov. Las simulaciones se realizan sobre el intervalo de tiempo $z \in [0, 12]$ con órdenes fraccionarios variables ( $\mu \in \{1.0, 0.9, 0.75, 0.7\}$ ) e intensidades de tratamiento para observar los efectos de memoria y la progresión de la enfermedad.

Contribuciones Clave

Clarificación Analítica: El artículo proporciona una prueba rigurosa de que la derivada de Caputo de una constante se anula, mientras que la de RL produce un término singular proporcional a $z^{-\mu}$ . Esto se formaliza mediante el Teorema 3.4 y el Lema 3.3.
Relación de Término de Corrección: Los autores establecen el Teorema 5.3, que cuantifica explícitamente la diferencia entre los dos operadores como una suma de valores iniciales ponderados por núcleos singulares. Esto justifica matemáticamente por qué la formulación de RL introduce términos singulares "espurios" en contextos biológicos.
Selección de Operador para la Biología: El estudio demuestra que la formulación de Caputo es la elección natural para los problemas de valor inicial biológicos porque permite la prescripción directa de datos iniciales físicos sin introducir singularidades no físicas en $t=0$ .
Cuantificación del Efecto de Memoria: A través de simulaciones numéricas, el artículo ilustra cómo los órdenes fraccionarios más bajos ( $\mu < 1$ ) inducen un comportamiento sub-difusivo, ralentizando efectivamente la tasa de progresión del cáncer y prolongando la "memoria" del sistema respecto a su estado inicial en comparación con el modelo clásico de orden entero ( $\mu = 1$ ).

Resultos

Teóricos: El análisis confirma que para funciones donde los valores iniciales y las derivadas de orden inferior se anulan en el origen (por ejemplo, $f(z)=z^2$ ), las derivadas de Caputo y de RL coinciden. Sin embargo, para funciones constantes o funciones con valores iniciales no nulos, los operadores divergen significativamente.
Numéricos:
- Impacto del Orden Fraccionario: Disminuir $\mu$ de 1.0 a 0.75 resulta en una convergencia más lenta de la población de células cancerosas hacia el equilibrio y un retraso en la toma de control de las células sanas. La población celular total se acerca a la capacidad de carga ( $K$ ) más lentamente, lo que refleja la retención de la historia de baja densidad inicial.
- Respuesta al Tratamiento: La inclusión de un término de inmunoterapia ( $-\sigma C$ ) muestra una reducción aditiva en la densidad de las células cancerosas, consistente con la linealidad del operador de Caputo. Una mayor intensidad de tratamiento ( $\sigma$ ) conduce a una recuperación más rápida de las células sanas.
- Retratos de Fase: Las trayectorias para $\mu < 1$ atraviesan un arco más amplio en el plano de fase antes de converger al equilibrio dominante de cáncer, lo que indica un aumento de la memoria y una propagación de información más lenta.

Significancia
El artículo afirma que su principal significancia radica en proporcionar una base matemáticamente consistente y biológicamente interpretable para el uso de ecuaciones diferenciales fraccionarias en la biología matemática aplicada. Al probar rigurosamente que la derivada de Caputo evita las singularidades inherentes a la formulación de RL para estados iniciales constantes, el estudio valida el operador de Caputo como la herramienta apropiada para modelar la dinámica de las células cancerosas. El trabajo cierra la brecha entre la teoría abstracta del cálculo fraccionario y el modelado epidemiológico práctico, demostrando cómo los órdenes fraccionarios pueden utilizarse para ajustar la "memoria" de un sistema biológico. Los autores concluyen que su análisis ofrece una base teórica necesaria para futuras investigaciones sobre la estabilidad, existencia y unicidad de los equilibrios en modelos biológicos fraccionarios, así como para el desarrollo de esquemas numéricos más precisos para tales sistemas.

Más como este