Ultragevoelige vloeibare biopsietechnologie detecteert kanker vóór standaardmethoden
Laatst beoordeeld: 14.06.2024
Alle iLive-inhoud wordt medisch beoordeeld of gecontroleerd op feiten om zo veel mogelijk feitelijke nauwkeurigheid te waarborgen.
We hebben strikte richtlijnen voor sourcing en koppelen alleen aan gerenommeerde mediasites, academische onderzoeksinstellingen en, waar mogelijk, medisch getoetste onderzoeken. Merk op dat de nummers tussen haakjes ([1], [2], etc.) klikbare links naar deze studies zijn.
Als u van mening bent dat onze inhoud onjuist, verouderd of anderszins twijfelachtig is, selecteert u deze en drukt u op Ctrl + Enter.
Een methode die kunstmatige intelligentie gebruikt om tumor-DNA in het bloed te detecteren, heeft een ongekende gevoeligheid aangetoond bij het voorspellen van de terugkeer van kanker, volgens een onderzoek onder leiding van wetenschappers van de Weill Cornell Medical School, NewYork-Presbyterian, New York Genome Center (NYGC) en Monument Sloan Kettering (MSK). De nieuwe technologie heeft het potentieel om de behandeling van kanker te verbeteren door terugval zeer vroeg te detecteren en de tumorrespons op therapie nauwlettend te volgen.
In een studie die op 14 juni in het tijdschrift Nature Medicine werd gepubliceerd, toonden onderzoekers aan dat ze in staat waren een machine learning-model, een soort platform voor kunstmatige intelligentie, te trainen om circulerend tumor-DNA (ctDNA) te detecteren op basis van DNA-sequentiegegevens van patiënten bloedtesten met een zeer hoge gevoeligheid en nauwkeurigheid. Ze hebben de technologie met succes gedemonstreerd bij patiënten met longkanker, melanoom, borstkanker, darmkanker en precancereuze darmpoliepen.
“We hebben aanzienlijke verbeteringen kunnen bereiken in de signaal-ruisverhouding, waardoor we bijvoorbeeld maanden of zelfs jaren vóór de standaard klinische methoden een recidief van kanker konden detecteren”, zegt co-auteur van het onderzoek Dr. Dan Landau, professor geneeskunde aan de afdeling Hematologie en Medische Oncologie aan de Weill Cornell Medical School en kernlid van het New York Genome Center.
De co-auteur en eerste auteur van het onderzoek was Dr. Adam Widman, een postdoctoraal onderzoeker in het laboratorium van Landau en tevens borstoncoloog bij MSK. Andere eerste auteurs waren Minita Shah van NYGC, Dr. Amanda Friedendahl van de Universiteit van Aarhus en Daniel Halmos van NYGC en Weill Cornell Medical School.
De technologie voor vloeibare biopsie heeft zijn grote potentieel al lange tijd niet kunnen verwezenlijken. De meeste bestaande benaderingen richten zich op relatief kleine sets kankergeassocieerde mutaties die vaak te zeldzaam zijn in het bloed om betrouwbaar te kunnen worden gedetecteerd, wat leidt tot een onderschatting van het aantal recidieven van kanker.
Een aantal jaren geleden ontwikkelden Dr. Landau en zijn collega's een alternatieve aanpak, gebaseerd op het sequencen van het hele genoom van DNA in bloedmonsters. Ze toonden aan dat er op deze manier veel meer ‘signaal’ kon worden verzameld, waardoor een gevoeligere en logistiek eenvoudigere detectie van tumor-DNA mogelijk werd. Sindsdien wordt deze aanpak steeds meer overgenomen door ontwikkelaars van vloeibare biopsieën.
In het nieuwe onderzoek gingen de onderzoekers nog een stap verder, door gebruik te maken van een geavanceerde machine learning-strategie (vergelijkbaar met de strategie die wordt gebruikt in populaire AI-toepassingen zoals ChatGPT) om subtiele patronen in de sequentiegegevens te detecteren, met name om patronen te onderscheiden die indicatief zijn voor aanwezigheid van kanker, uit patronen die wijzen op sequentiefouten en andere ‘ruis’.
In één test trainden de onderzoekers hun systeem, dat ze MRD-EDGE noemden, om patiëntspecifieke tumormutaties te herkennen bij 15 darmkankerpatiënten. Na een operatie en chemotherapie voorspelde het systeem op basis van bloedgegevens dat negen van hen nog steeds kanker hadden. Bij vijf van deze patiënten werd een terugval enkele maanden later ontdekt met behulp van minder gevoelige methoden. Er waren echter geen vals-negatieven: geen van de patiënten die door MRD-EDGE als vrij van tumor-DNA werden beschouwd, ondervond een terugval tijdens de onderzoeksperiode.
MRD-EDGE heeft een vergelijkbare gevoeligheid aangetoond in onderzoeken bij patiënten met longkanker in een vroeg stadium en triple-negatieve borstkanker, waarbij op één na alle terugval vroegtijdig werd gedetecteerd en de tumorstatus tijdens de behandeling werd gevolgd.
Onderzoekers hebben aangetoond dat MRD-EDGE zelfs mutant DNA kan detecteren van precancereuze colonadenomen, de poliepen waaruit darmkanker ontstaat.
"Het was niet duidelijk dat deze poliepen detecteerbaar ctDNA zouden kunnen vrijgeven, dus dit is een aanzienlijke vooruitgang die kan wijzen op toekomstige strategieën gericht op het detecteren van precancereuze veranderingen", zegt Dr. Landau, die ook lid is van de Sandra en Edward Meyer Cancer Center aan de Weill Cornell Medical School en als hematoloog-oncoloog aan het NewYork-Presbyterian/Weill Cornell Medical Center.
Tot slot hebben de onderzoekers aangetoond dat MRD-EDGE, zelfs zonder voorafgaande training in de tumorsequentiegegevens van patiënten, immunotherapiereacties bij melanoom- en longkankerpatiënten weken vóór detectie kan detecteren met behulp van standaard röntgenbeelden.
"Over het algemeen komt MRD-EDGE tegemoet aan een grote behoefte, en we zijn enthousiast over het potentieel ervan en werken samen met partners uit de industrie om te proberen het naar patiënten te brengen", aldus Dr. Landau.