Nieuwe methode voorspelt medicijnrespons van kankerpatiënten
Onderzoekers van de Technische Universiteit Delft en het Nederlands Kanker Instituut (NKI) hebben een algoritme ontwikkeld om de respons van patiënten op medicijnen tegen kanker te voorspellen. Hierdoor kan sneller worden vastgesteld of bepaalde medicijnen een positief effect kunnen hebben op een specifieke patiënt, zelfs voor gecompliceerde medicijnen zoals chemotherapieën waarbij de respons doorgaans moeilijk te voorspellen is. Deze methode heet TRANSACT en maakt gebruik van de schat aan gegevens die eerder verzameld door onderzoek met cellijnen. Een cellijn bestaat uit een stam menselijke cellen, kunstmatig gekweekt in een petrischaaltje. Dergelijke cellijnen zijn reeds op grote schaal gebruikt om de resistentiemechanismen van kankermedicijnen te bestuderen. Deze bevindingen hebben zich tot dusver niet goed vertaald naar de mens. Dit komt gedeeltelijk doordat cellijnen een kunstmatig model zijn met een beperkte complexiteit in vergelijking met een echte tumor. TRANSACT is ontwikkeld om deze kloof tussen modelsystemen en de klinische praktijk te overbruggen.
Soufiane Mourragui, bioinformatica-promovendus, ontwikkelde het algoritme. Hij legt uit: 'Onze methode, TRANSACT, gebruikt gegevens van medicijnrespons gemeten op cellijnmodellen om de respons van een patiënt op bepaalde medicijnen tegen kanker te voorspellen. Helaas bootsen deze modellen de biologie niet volledig na die bij kankerpatiënten wordt waargenomen. Om dit probleem aan te pakken, maakt TRANSACT gebruik van machine learning om de relatie tussen de cellijnen en de tumoren te modelleren. We hebben aangetoond dat dit leidt tot betere voorspellingen in twee klinische datasets. Het is geweldig om computeralgoritmes te kunnen gebruiken om in de toekomst artsen te ondersteunen bij hun besluit voor een behandeling'.
Meer mogelijkheden met machine learning
Voor prof.dr.ir. Marcel Reinders is TRANSACT een eerste stap in de goede richting. 'We kunnen nu beter voorspellen hoe mensen op medicijnen reageren. Het interessante is dat we nu met TRANSACT voor alle soorten bestaande medicijnen kunnen voorspellen of een patiënt erop zal reageren'. De ontwikkeling van TRANSACT opent nieuwe mogelijkheden voor de ontwikkeling van behandelingen voor kankerpatiënten', aldus prof. dr. Lodewyk Wessels. Wessels is groepsleider bij het Nederlands Kanker Instituut en deeltijdhoogleraar Computational Cancer Biology aan de TU Delft. ‘Machine learning helpt ons te focussen op de processen die gedeeld worden tussen cellijnen en patiënten, en die een belangrijke rol spelen bij de respons op medicijnen. Ons doel is om deze resultaten in te zetten om artsen te helpen bij het selecteren van de juiste behandelkeuze voor de patiënt'.
De volgende stap
Soufiane Mourragui: "Hoewel ons werk een vooruitgang betekent op het gebied van de voorspelling van geneesmiddelenrespons, zijn de prestaties van deze nieuwe methode nog ver verwijderd van klinische toepasbaarheid en is er meer onderzoek nodig om de methode verder te verbeteren. Maar we komen dichterbij. Met meer data en algoritmische ontwikkeling hopen we de prestaties te verbeteren.
Meer over deze resultaten is te lezen op PNAS.
TU Delft, NKI en Oncode Institute werken nauw samen aan het onderzoek. In totaal werden voorspellers van de medicijnrespons getest op een panel van 1.000 cellijnen, en voorspelden de onderzoekers met succes de medicijnrespons op ongeveer 1.300 menselijke tumoren.
Afbeelding: PNAS Org.