scrollTop top

Precisiegeneeskunde: kanker in het vizier

Door rekening te houden met de specifieke eigenheid van elke tumor van iedere patiënt, overwint precisiegeneeskunde vandaag kankers die ooit onverslaanbaar waren. Maar op dit moment profiteert slechts een kleine fractie van de patiënten daarvan. Kan de geneeskunde de kloof dichten?

Precisiegeneeskunde herschrijft het kankerverhaal van tienduizenden patiënten. Neem nu Linda Boyed. Tijdens een familievakantie in Hawaï genoot deze 52-jarige ergotherapeute volop van het zonnebaden en de lange strandwandelingen. Maar ze slaagde er maar niet in om van een constant gevoel van vermoeidheid af te raken. Bij haar thuiskomst was haar huid inmiddels gelig geworden. Haar huisdokter verwees haar door naar een oncoloog, die haar het slechte nieuws bracht: galwegkanker, al te ver uitgezaaid om nog behandeld te worden met chemotherapie of chirurgie. Hij bood aan om haar zo pijnloos mogelijk bij te staan in de laatste maanden van haar leven.

Boyeds echtgenoot weigerde echter om die prognose te aanvaarden. Hij vond een arts die de leiding had over een onderzoek naar experimentele medicatie voor gastro-intestinale kankers. Boyed gaf zich op als proefpersoon. Genetische tests op haar tumoren brachten een genmutatie aan het licht die de groei van de kanker waarschijnlijk stimuleerde. Het betrof FGFR (kort voor ‘fibroblastgroeifactorreceptor’). De dokter gaf haar BGJ398, een experimenteel medicijn om de tumorcellen met deze de FGFR-mutatie af te remmen. Boyeds symptomen verdwenen, de groei van de tumoren stopte en ze herwon de kilo’s die ze verloren had.

Precisiegeneeskunde overwint vandaag al kankers die ooit onverslaanbaar waren.

Dat was drie jaar geleden. ‘Ik leef gewoon weer een normaal leven op dit moment’, vertelt ze nu vrolijk. ‘Ik was erbij toen mijn zoon afstudeerde aan de middelbare school en ik denk dat ik het in het voorbije jaar zelfs drukker gehad heb dan voor de kanker toesloeg.’

Nieuwe hoop

Verhalen zoals dat van Boyed hoor je tegenwoordig overal in de VS. Nieuwe kankermedicijnen laten het laboratorium achter zich en worden getest. De tijd waarin alle kankerpatiënten over dezelfde kam geschoren werden en ze allemaal chemotherapie en bestraling kregen, zou weleens snel tot het verleden kunnen behoren.

Dokters hebben een veel genuanceerder beeld gekregen van welke medicatie en behandelingen werken bij welk soort patiënten. Bovendien weten ze nu veel beter welke verschillende kankers er allemaal bestaan.

Elke tumor z’n behandeling

Het principe achter deze zogenaamde precisiegeneeskunde, of gepersonaliseerde medicatie, berust op genetische tests van patiënt én tumor. Die bepalen welke medicatie of behandelingen de grootste kans op succes leveren.

Hoewel de technieken van precisiegeneeskunde nu op vele ziektes uitgeprobeerd worden, is hun impact het sterkst voelbaar bij kanker. Onderzoekers werken aan een groeiende lijst van genen en genetische mutaties die in tumoren voorkomen, en koppelen ze aan medicatie die de tumoren kan stoppen. Op dit moment zijn er al tientallen kankergenen in het vizier van de geneeskunde en voelen honderden andere de hete adem van de onderzoekers in de nek.

Voor bepaalde kankers die vroeger als virtuele doodstraffen beschouwd werden, zijn de vooruitzichten al veel verbeterd. Ongeveer de helft van de longkankerpatiënten reageert goed op de nieuwe gengerelateerde therapieën en in de helft van die gevallen komt de kanker ook niet meer terug. FGFR-remmers – de medicijnen die Boyed redden – zijn niet alleen veelbelovend voor galwegkanker maar ook bij bepaalde types van blaas-, long-, borst- en baarmoederkanker. ‘Voor FGFR-remmers alleen al hebben we momenteel zes proefprojecten lopen’, zegt dr. Sameek Roychowdhury, de oncoloog die Boyeds leven redde. ‘Tegen het einde van het jaar zouden dat er twintig moeten zijn.’

Oncoloog Sameek Roychowdhury. Foto: YouTube

Na decennia van vallen en opstaan in het domein van kankeronderzoek is de doorbraak door precisiegeneeskunde welkom nieuws. Maar vergis je niet: er is geen remedie. De nieuwe medicatie heeft kanker nog lang niet tegen het canvas gemept. Van de patiënten met vergevorderde kanker – al uitgezaaid of verspreid – beschikt slechts één op de tien over genen die momenteel bekend zijn en waarvan de kanker dus vatbaar is voor de nieuwe medicatie.

‘Het is ons doel om honderd procent van de patiënten te behandelen op basis van genomische tests’, zegt Roychowdhury. ‘Maar vandaag bestaat nog geen speciale behandeling voor negen van de tien genomische tests die we uitvoeren.’

Precisiegeneeskunde helpt op dit moment slechts een fractie van de zeventien miljoen kankerpatiënten wereldwijd.

Om het aantal patiënten dat in aanmerking komt voor de behandeling te verdubbelen, doen de dokters een beroep op artificiële intelligentie. Genetische tests genereren zodanig veel data dat zelfs een heel leger professoren er verloren in loopt. Maar dankzij artificiële intelligentie wordt het grote datavolume een voordeel in plaats van een nadeel.

Wetenschappers delegeren de zoektocht naar zwaktes in kankertumoren naar wat we deeplearning-software noemen. Die baant zich een weg door miljoenen resultaten van patiënten en genetische tests, om nieuwe relaties tussen tumorgenen, kankergroei en specifieke medicatie bloot te leggen.

Koploper

Ons land behoort tot de wereldtop inzake precisiegeneeskunde maar de VS zijn de absolute koploper. Om de overlevingskansen van kankerpatiënten te vergroten, zal bijvoorbeeld het City of Hope National Medical Center, aan de rand van Los Angeles, binnen de twee jaar het eerste grote ziekenhuis in de VS worden dat genomische tests uitvoert op de tumoren van elk van de negenduizend patiënten die ze per jaar behandelen.

‘Tumoren die identiek lijken onder de microscoop, zien er helemaal anders uit vanuit genomisch perspectief’, zegt dr. Michael Caligiuri, bestuurder van het City of Hope National Medical Center. ‘Ze moeten dan ook verschillend behandeld worden.’

Er zal de komende jaren een grote hoeveelheid data verzameld moeten worden.

Omdat andere ziekenhuizen in hun voetsporen zullen treden, zal een enorme hoeveelheid data verzameld worden – koren op de molen van AI. De twintigduizend genen van een normaal menselijk genoom bevatten drie miljard DNA-nucleotiden. Dat zijn stukjes informatie die allemaal kunnen muteren en zichzelf herhalen of verplaatsen op een bijna eindeloos aantal manieren. En zo kunnen ze kanker veroorzaken. Elk van de miljarden cellen in een lichaam beschikt over een eigen kopie van het genoom, onderhevig aan de eigen mutaties.

Proteïnen doen het echte werk

Maar DNA is slechts één aspect van het verhaal. Terwijl DNA eigenlijk niet meer dan een blauwdruk is, verrichten proteïnen het echte werk in onze cellen. Dat zijn complexe moleculen die bijna alle processen in ons lichaam controleren. Ze regelen zowel de groei van de kankercellen als het werk van het immuunsysteem dat de tumoren bestrijdt. Er zijn maar liefst zes miljoen basisproteïnen en variaties erop. Onderzoekers meten nu duizenden proteïnen op in staaltjes kankerweefsel en zenden die informatie door naar de deeplearning-programma’s.

‘Medicijnen werken niet in op de genen, maar op de proteïnen’, legt David Spetzler, hoofdwetenschapper van Caris Life Sciences in Irving, Texas, uit. ‘Bij proteïnen boeken we de grootste vooruitgang bij het leren begrijpen van kanker en zullen we de nuttigste informatie vergaren in de komende vijf jaar.’ Dr. Jeffrey Balser, die het medisch centrum aan de universiteit van Vanderbilt in Nashville, Tennessee, leidt, heeft het over ‘veel ongelooflijk diepgaande kennis die op die manier vrijkomt’.

Deeplearning-algoritmes werken niet op dezelfde manier als wetenschappers. De algoritmes begrijpen de biologie achter de kanker die ze analyseren niet. Ze verwerken alleen stapels informatie uit weefselstaaltjes van patiënten met bepaalde soorten kanker. Die informatie relateren ze aan het uiteindelijke lot van die patiënten – bij wie welke behandeling aanslaat en bij wie niet. Het is een binaire associatieoefening
– raak of mis – die echter duizenden malen uitgevoerd wordt door enorme hoeveelheden data te gebruiken. Computers kunnen patronen ontwarren die onzichtbaar blijven voor mensen. Zo linkten ze bijvoorbeeld de aanwezigheid van het FGFR-gen aan een bepaalde soort galwegkanker.

De deeplearning-sofware van Spetzlers bedrijf verslindt de proteïnedata. Om nuttige inzichten te extraheren uit de data maakt het bedrijf gebruik van honderden verschillende deeplearning-algoritmes. In feite gaan de programma’s een onderlinge strijd aan om zo snel mogelijk patronen te vinden in de data. Die wijzen aan welke medicatie het best werkt bij welke patiënten. ‘Verschillende algoritmes zullen verschillende soorten patiënten over het hoofd zien, maar samen verrichten ze het werk veel beter’, zegt Spetzler.

Vergelijkbare ontwikkelingen vinden plaats bij op AI gebaseerde systemen die röntgenstralen, MRI’s en ander beeldmateriaal interpreteren. ‘Er zijn algoritmes die al even goed zijn in het lezen van mammografieën als hoogopgeleide radiologen, of in het herkennen van huidkanker als dermatologen’, zegt dr. Chi Young Ok, patholoog aan het medisch departement van het Anderson Cancer Center in Houston. ‘De vooruitgang is verbazingwekkend.’ Uiteindelijk zullen de afbeeldingen de AI-systemen waarschijnlijk niet alleen in staat stellen om de kanker te diagnosticeren, maar ook om aanwijzingen in verband met de zwaktes van een kanker van een bepaalde patiënt op te sporen.

Kookiemonster

Deeplearning-algoritmes bekijken meer data en bestuderen de data grondiger dan machinelearning-programma’s. Ze zijn een beetje zoals het Koekiemonster van Sesamstraat: hun honger is onstilbaar. Hoewel Amerikaanse onderzoekers en clinici nu toegang hebben tot gegevensbanken die informatie bevatten van wel 250.000 kankerpatiënten, is dat nog altijd veel te weinig.

Deeplearning-algoritmes bekijken meer data en bestuderen de data grondiger dan machinelearning-programma’s.

Duizenden verschillende mutaties in het genoom van een patiënt kunnen de ontwikkeling van kankers vormgeven en bepalen welke behandelingen effectief zijn. Elke kankercel is een bewegend doelwit dat voortdurend nieuwe mutaties ontwikkelt. Zo ontwijken ze immuuncellen en blijven ze uit de greep van krachtige kankermedicijnen. Omdat AI-software behoefte heeft aan duizenden voorbeelden van een bepaald patroon voordat het dat patroon kan leren herkennen, en omdat een specifiek mutatiepatroon slechts voorkomt bij een duizendtal patiënten, moet de software toegang hebben tot de data van miljoenen patiënten om sneller vooruitgang te boeken.

‘We kunnen vandaag voorspellingen maken over hoe tumoren evolueren en welke behandelingen werken, maar op dit moment is een groot deel van die voorspellingen verkeerd’, zegt dr. Paul Boutros, hoofd onderzoek naar kankergegevens aan het Jonsson Comprehensive Cancer Center van de UCLA.

Paul Boutros van het Jonsson Comprehensive Cancer Center (UCLA)

Er bestaan al een aantal samenwerkingen om patiëntengegevens te delen tussen onderzoekscentra en hospitalen. Hun data, waarvan de persoonlijke identiteitsinformatie verwijderd is, werden verzameld met toestemming van de patiënten. Uiteindelijk kan de informatie de onderzoekers helpen om aan de benodigde kritische massa informatie te raken.

‘Het doel is om alle verschillende datanetwerken te verbinden tot een netwerk van netwerken’, zegt Caligiuri van City of Hope. Clinici moeten toegang krijgen tot die data om vergelijkbare patiënten te vinden als die van hen, om te zien welke behandelingen kunnen werken. ‘We zouden informatie over een patiënt moeten kunnen intikken op een computer waarna vijftig gevallen opduiken die vergelijkbaar zijn op moleculair niveau’, zegt hij.

Knelpunten oplossen

Medicatie is nutteloos als patiënten er geen toegang toe hebben. Om nieuwe medicatie beschikbaar te maken, gebruiken onderzoekers AI die het ontwikkelingsproces van medicijnen versnelt. Echter, voor artsen en onderzoekers die hopen om precisiegeneeskunde uit te vinden voor de dodelijkste en agressiefste kankers, zal zelfs dat niet volstaan.

De hersentumor glioblastoom heeft bijvoorbeeld de laagste gemiddelde overlevingstijd na diagnose (15 maanden) van alle belangrijkste kankers. Het is al een enorme uitdaging om een medicijn te proberen ontwerpen dat zich door de bloed- en breinbarrière kan werken om de tumor te bereiken. Maar de ziekte gaat zo snel te werk dat er amper tijd is om een experimenteel medicijn de kans te geven om te laten zien of het werkt of niet.

Klein beetje gif

Om meer experimentele precisiemedicijnen een poging te kunnen laten wagen om glioblastoom aan te pakken, heeft het recent opgerichte Ivy Brain Tumor Center aan het Barrow Neurological Institute in Phoenix
‘versnelde proeven’ ontwikkeld voor hun hersentumorpatiënten. Een pas gediagnosticeerde patiënt krijgt eerst een dosis experimentele precisiegeneeskunde. Die dosis is te klein om schade aan te richten bij de patiënt (als het medicijn giftig blijkt te zijn, wat altijd een risico is bij nieuwe medicatie), maar groot genoeg om tot bij de tumor te raken.

Na de operatie testen de dokters de tumor om na te gaan of het medicijn er effect op had. Zo ja, dan gaat de behandeling verder met een verhoogde dosis. En anders zijn de dokter en de patiënt er snel genoeg van op de hoogte om over te schakelen op een andere behandeling. ‘Snelheid is de sleutel tot het vinden van medicatie die werkt’, zegt de directeur van het Ivy, Nader Sanai. De aanpak heeft al een gepersonaliseerde behandeling aan het licht gebracht die alvast bij één patiënt een vorm van hersenkanker – kwaadaardig meningeoom genaamd – wist terug te slaan.

Nader Sanaide, directeur van het Ivy Brain Tumor Center aan het Barrow Neurological Institute in Phoenix.

Hoewel al die methodes ons waarschijnlijk dichter brengen bij de dag waarop de meeste kankers verslagen zullen worden door precisiebehandelingen, denkt niemand dat het al voor morgen zal zijn.

Toch is de verschuiving naar gepersonaliseerde behandelingen
nu al in het voordeel van bijna alle kankerpatiënten. Het bespaart hen de beproeving van behandelingen met weinig slaagkansen. ‘Als je dankzij een genomische of andere test op voorhand weet of de tumor al dan niet zal reageren op de behandeling, is het al interessant als zelfs maar 1 op de 100 patiënten erop reageert. Je bespaart de 99 andere patiënten dan onnodige complicaties en kosten’, zegt Stanley Robboy, vicevoorzitter diagnostische pathologie aan het kankercentrum van de universiteit van Duke.

En waarom wachten tot iemand kanker heeft om de genetische informatie te onderzoeken? Als iedereen een routineuze genetische screening zou krijgen om na te gaan voor welke kankers ze een hoog risico lopen, zouden tests selectief voorgeschreven kunnen worden. Helaas is ook genetische screening op dit moment ofwel te duur ofwel te weinig verfijnd om ze voor de hele bevolking te verantwoorden. Maar onderzoekers en biotechbedrijven werken eraan om de kosten te verlagen en de nauwkeurigheid te verbeteren.

‘Als we weten op welke kanker je risico loopt, kan de juiste foto om de drie jaar je leven veranderen’, zegt Caligiuri.

Corona Virus Update

  • Wereld
  • Aantal
    besmettingen
    58.640.945
  • Aantal
    doden
    1.387.976
  • België
  • Aantal
    besmettingen
    558.779
  • Aantal
    doden
    15.618