Een team van onderzoekers van de University of Texas at Dallas heeft een innovatieve biosensortechnologie ontwikkeld die, in combinatie met kunstmatige intelligentie (AI), longkanker mogelijk kan opsporen via een eenvoudige ademanalyse. Deze nieuwe methode zou een belangrijke doorbraak kunnen betekenen in de vroege opsporing van kanker en de toegankelijkheid van preventieve diagnostiek aanzienlijk kunnen vergroten.
De technologie maakt gebruik van een elektrochemische biosensor die acht vluchtige organische stoffen (VOS) kan identificeren. Dit zijn kleine moleculen die in de adem aanwezig zijn en fungeren als biomarkers voor thoracale kankers, waaronder long- en slokdarmkanker. Deze stoffen worden vervolgens geanalyseerd door een AI-algoritme dat is getraind om patronen te herkennen die verband houden met kanker. De combinatie van biochemische sensortechniek en kunstmatige intelligentie maakt het mogelijk om binnen enkele minuten te bepalen of een patiënt mogelijk een vorm van thoracale kanker heeft.
“Met deze technologie bouwen we aan een screeningsinstrument waarmee artsen longkanker in een vroeg stadium kunnen detecteren, een cruciale factor voor de overlevingskansen van patiënten,” zegt professor dr. Shalini Prasad, hoofd van de afdeling bio-engineering aan de Erik Jonsson School of Engineering and Computer Science van UT Dallas. “Het is een snelle, betaalbare en volledig niet-invasieve methode, wat het bijzonder geschikt maakt voor grootschalige screening.”
Niet-invasieve screening
De inspiratie voor deze technologie ontstond tijdens de COVID-19-pandemie, vertelt Prasad. “Tijdens de pandemie groeide de behoefte aan snelle, niet-invasieve screeningstools om besmettingen op te sporen. Adem bleek een bijzonder waardevolle informatiebron te zijn, omdat uitgeademde lucht moleculaire sporen bevat van metabole processen in het lichaam.”
Diezelfde principes worden nu toegepast in de oncologie. Veranderingen in metabolieten, kleine moleculaire bijproducten van cellulaire processen, kunnen al in een vroeg stadium wijzen op ziekte. Door deze te analyseren in uitgeademde lucht, kunnen onderzoekers afwijkingen detecteren nog voordat symptomen merkbaar zijn. Dit onderzoeksgebied, ook wel ‘breathomics’ genoemd, groeit snel en biedt grote potentie voor vroegdiagnostiek van uiteenlopende aandoeningen.
Veelbelovende resultaten
De biosensor van UT Dallas werd getest met ademmonsters van 67 patiënten, waarvan 30 gediagnosticeerd waren met thoracale kanker. De resultaten waren indrukwekkend: in 90% van de gevallen kon het systeem de juiste biomarkers identificeren. Dat betekent dat de biosensor, ondersteund door AI, even betrouwbaar, of zelfs betrouwbaarder, kan zijn dan sommige conventionele diagnostische methoden, zoals beeldvorming of weefselbiopsie, die vaak duur en belastend zijn voor patiënten.
De elektrochemische biosensor werkt door minieme elektrische veranderingen te meten die optreden wanneer specifieke moleculen in de adem in contact komen met de sensorelektroden. Deze elektrische signalen worden vervolgens geanalyseerd door een machine learning-model, ontwikkeld door prof. dr. Ovidiu Daescu, hoofd van de afdeling computerwetenschappen aan UT Dallas. Het algoritme leert de subtiele verschillen herkennen tussen ademprofielen van gezonde personen en van patiënten met kanker.
“Adem bevat een enorme hoeveelheid data,” legt Prasad uit. “Het is onmogelijk voor mensen om al die signalen handmatig te interpreteren. AI is essentieel om betekenisvolle patronen te onderscheiden en deze te koppelen aan ziektespecifieke biomarkers.”
Eerder ingrijpen
Het project is een samenwerking tussen onderzoekers van UT Dallas en artsen van het UT Southwestern Medical Center. Een van hen, dr. Muhanned Abu-Hijleh, hoogleraar interne geneeskunde en longziekten, benadrukt het belang van deze ontwikkeling:
“Longkanker is wereldwijd de belangrijkste oorzaak van kankergerelateerde sterfte. Met een eenvoudige, niet-invasieve ademtest kunnen we mogelijk veel eerder ingrijpen, waardoor behandelingen effectiever en minder belastend worden. Dit zou een grote stap vooruit zijn voor patiënten én voor het zorgsysteem.”
De onderzoekers zien de biosensor als een laagdrempelige screeningstool die op termijn kan worden toegepast in huisartsenpraktijken of preventieve zorgcentra. Een toekomstig scenario is dat de ademtest onderdeel wordt van de jaarlijkse gezondheidscheck, vergelijkbaar met een bloedonderzoek. Wanneer de AI afwijkende patronen detecteert, kan de patiënt worden doorverwezen voor verder onderzoek, bijvoorbeeld een CT-scan of biopsie.
Klinische validatie nodig
Hoewel de eerste resultaten veelbelovend zijn, is er nog verdere klinische validatie nodig voordat de biosensor breed ingezet kan worden. De onderzoekers werken momenteel aan een grootschalige vervolgstudie om de nauwkeurigheid en betrouwbaarheid van het systeem te bevestigen bij grotere patiëntgroepen.
De technologie heeft bovendien het potentieel om verder te worden uitgebreid. In de toekomst zou dezelfde methode gebruikt kunnen worden voor het opsporen van andere ziekten, zoals COPD, astma, longinfecties of zelfs neurodegeneratieve aandoeningen. “Ons doel is om een betaalbare, draagbare oplossing te ontwikkelen die overal kan worden gebruikt,” zegt Prasad. “Denk aan een scenario waarin je bij je huisarts niet alleen bloed of urine inlevert, maar ook eenvoudigweg in een sensor blaast. Binnen enkele minuten weet je of er reden is voor nader onderzoek.”
Met deze ontwikkeling zet de University of Texas een belangrijke stap richting een toekomst waarin AI en biosensoren samen de basis vormen voor vroegtijdige, niet-invasieve en toegankelijke kankerdiagnostiek. Een innovatie die levens kan redden door ziekten te ontdekken nog vóórdat symptomen zich openbaren.
Slimme biosensoren
Enkele maanden geleden onderzocht Sophie Adelaars, in haar promotieonderzoek aan de Technische Universiteit Eindhoven (TU/e), de mogelijkheid om bloedonderzoek in de toekomst te vervangen door metingen via zweet en speeksel. In samenwerking met Philips en het Catharina Ziekenhuis ontwikkelde zij sensortechnologie die specifieke biomarkers in deze lichaamsvloeistoffen kan detecteren. Deze aanpak sluit aan bij de groei van non-invasieve en gepersonaliseerde zorgtechnologieën, waarbij continue monitoring mogelijk wordt zonder prikken of medisch personeel.
Adelaars richtte zich op biomarkers zoals ureum en creatinine, belangrijke indicatoren bij nierfalen. De concentraties van deze stoffen in zweet en speeksel bleken vergelijkbare trends te vertonen als in bloedmetingen bij dialysepatiënten – een veelbelovende aanwijzing voor klinische toepasbaarheid.
Ook speeksel werd onderzocht als meetmedium. Hoewel invloeden als mondhygiëne en voeding de resultaten kunnen beïnvloeden, bleek dit te beperken door gestandaardiseerde protocollen. Volgens Adelaars vormt dit onderzoek een belangrijke stap richting bloedloze, continue gezondheidsmonitoring.
