Onderzoekers hebben een nieuwe AI-gestuurde methode onthuld die is ontworpen om te voorspellen hoe patiënten met gevorderde darmkanker zullen reageren op een specifiek door de NHS goedgekeurd medicijn. Het doel is om te voorkomen dat duizenden patiënten behandelingen ondergaan die waarschijnlijk niet zullen werken, en hen zo te behoeden voor slopende bijwerkingen.
De uitdaging van geavanceerde darmkanker
Darmkanker blijft een van de meest dodelijke kwaadaardige ziekten, waarbij alleen longkanker in sterftecijfers achterblijft. De inzet is bijzonder hoog vanwege het dramatische verschil in overlevingskansen op basis van het stadium van de diagnose:
– Detectie in een vroeg stadium: Overlevingspercentages kunnen oplopen tot 98%.
– Geavanceerde detectie: Het overlevingspercentage na vijf jaar kan dalen tot slechts 10%.
In Groot-Brittannië worden jaarlijks bijna 10.000 gevallen van gevorderde darmkanker gediagnosticeerd, waarbij het aantal gevallen onder jongere volwassenen zorgwekkend stijgt. Voor deze patiënten is het vinden van een effectieve behandeling een race tegen de klok, maar niet elk medicijn is een universele oplossing.
Precisiegeneeskunde versus ‘trial and error’
In december keurde de NHS het gebruik van bevacizumab goed, een medicijn dat zich richt op de eiwitten die tumoren nodig hebben om te groeien. Hoewel het voor sommigen een essentiële levensader biedt, is het niet voor iedereen effectief. Bovendien brengt het medicijn aanzienlijke risico’s met zich mee, waaronder:
– Bloedstolsels
– Maag-darmproblemen
Zonder een manier om de werkzaamheid te voorspellen, worden artsen vaak gedwongen tot een ‘trial and error’-aanpak. Dit betekent dat veel patiënten toxische behandelingen ondergaan die geen klinisch voordeel opleveren, maar alleen onnodig lijden.
Hoe “PhenMap” werkt
Om dit op te lossen hebben wetenschappers van het Londense Institute of Cancer Research (ICR) en de RCSI University of Medicine and Health Sciences in Dublin PhenMap ontwikkeld. De naam is een combinatie van fenotype (waarneembare eigenschappen) en mapping.
De AI-tool werkt door:
1. Complexe gegevens integreren: Het analyseert de ingewikkelde genetische samenstelling van een tumor.
2. Patroonherkenning: Het identificeert biologische patronen die te complex zijn voor menselijke artsen om handmatig te detecteren.
3. Risicostratificatie: In een onderzoek onder 117 Europese patiënten identificeerde PhenMap met succes een specifieke groep met een gedeelde genmutatie die een hoog risico liep op negatieve reacties en een slechte respons op het medicijn.
“Ons onderzoek maakt gebruik van geavanceerde AI-methoden om grote hoeveelheden complexe gegevens samen te brengen, waardoor we patronen kunnen ontdekken die anders voor een mens onmogelijk te zien zijn”, zegt professor Anguraj Sadanandam van het ICR.
De weg naar klinisch gebruik
Hoewel de eerste resultaten een belangrijke mijlpaal vormen in de precisiegeneeskunde, merken de onderzoekers op dat het hulpmiddel nog niet klaar is voor wijdverbreid klinisch gebruik. De volgende stappen omvatten:
– Grotere cohorten: Het testen van de AI op een veel grotere groep patiënten om de nauwkeurigheid ervan te valideren.
– Bredere toepassing: Bepalen of deze mappingmethode kan worden aangepast om de reacties op geneesmiddelen die bij andere soorten kanker worden gebruikt, te voorspellen.
De ultieme visie is om deze technologie om te zetten in een standaard klinische test, waardoor artsen echt gepersonaliseerde zorg kunnen bieden die de overlevingskansen maximaliseert en onnodige schade tot een minimum beperkt.
Conclusie: Door gebruik te maken van AI om tumorgenetica te decoderen, komen onderzoekers dichter bij een toekomst waarin de kankerbehandeling wordt afgestemd op het individu, waardoor patiënten alleen de meest effectieve therapieën krijgen.
