Onderzoekers in Taiwan hebben een op kunstmatige intelligentie gebaseerde bloedtest ontwikkeld die alvleesklierkanker in een vroeg stadium met hoge nauwkeurigheid kan opsporen. Het platform, PanMETAI genaamd, analyseert metabolische patronen in een klein bloedmonster en behaalde een diagnostische nauwkeurigheid van maximaal 94 procent.
De technologie is ontwikkeld door een multidisciplinair team van het National Taiwan University Hospital en Academia Sinica. Het combineert kunstmatige intelligentie met nucleaire magnetische resonantie (NMR) metabolomica om de chemische ‘vingerafdruk’ van honderden metabolieten in het bloed van een patiënt te analyseren. De onderzoeksresultaten zijn gepubliceerd in Nature Communications.
Diagnostische uitdaging
Alvleesklierkanker blijft wereldwijd een van de meest dodelijke vormen van kanker, met een vijfjaarsoverlevingskans van ongeveer 13 procent. Een van de grootste uitdagingen is dat de ziekte zelden in een vroeg stadium wordt ontdekt, wanneer de behandeling het meest effectief is. De huidige screeningmethoden, waaronder de veelgebruikte bloedmarker CA19-9, zijn vaak niet gevoelig en specifiek genoeg voor een vroege diagnose.
Het PanMETAI-platform wil deze uitdaging aanpakken door metabolische signalen te analyseren die kunnen wijzen op de aanwezigheid van kanker voordat klinische symptomen optreden.
Metabole vingerafdrukken analyseren
Het systeem heeft slechts 500 microliter bloedserum nodig. Uit dit monster haalt het platform meer dan 260.000 metabole signalen met behulp van NMR-spectroscopie. Deze gegevens worden vervolgens geanalyseerd door een AI-model dat bekend staat als TabPFN, dat patronen identificeert die verband houden met alvleesklierkanker.
Door het metabole profiel te combineren met de leeftijd van de patiënt en twee biomarkers, CA19-9 en het eiwit Activin A, bereikte het model een oppervlakte onder de curve (AUC) van 0,99 in het Taiwanese studiecohort, wat wijst op een bijna perfect onderscheid tussen patiënten met kanker en hoogrisicocontrolepatiënten.
Om te beoordelen of het model voor alle populaties werkt, hebben de onderzoekers het ook getest in een onafhankelijk cohort van 322 deelnemers van de Litouwse Universiteit voor Gezondheidswetenschappen. In deze groep bleef het systeem sterk presteren, met een AUC van 0,93.
Kanker in een vroeger stadium opsporen
Een belangrijke bevinding van het onderzoek is dat het platform in staat is om pancreaskanker in een vroeg stadium op te sporen. Volgens de onderzoekers legde de op NMR gebaseerde metabolomische analyse subtiele metabolische veranderingen vast die optreden voordat de ziekte klinisch zichtbaar wordt. Deze omvatten verlaagde HDL-cholesterol- en glutaminewaarden, naast een toename van melkzuur, glucose en glutaminezuur.
Het onderzoek toonde ook aan dat het model betrouwbaar presteert, zelfs wanneer het is getraind met relatief kleine datasets. Tijdens het testen behield het systeem een nauwkeurigheid van ongeveer 90 procent met slechts 50 trainingsgevallen, waardoor de technologie toegankelijk zou kunnen worden voor ziekenhuizen en onderzoekscentra zonder grote patiëntendatasets.
Klinische implementatie
De onderzoekers zien PanMETAI als een snel, niet-invasief screeninginstrument dat clinici kan helpen bij het identificeren van personen met een hoog risico op alvleesklierkanker en hen kan doorverwijzen voor verder diagnostisch onderzoek.
“Onze studie laat zien hoe een drievoudige synergie tussen klinische expertise, fundamenteel kankeronderzoek en geavanceerde AI de kloof tussen laboratoriumontdekkingen en diagnostische toepassingen kan overbruggen”, aldus Chun-Mei Hu, assistent-onderzoeker bij het Genomics Research Center van Academia Sinica en medeauteur van de studie.
Chao-Ping (Cherri) Hsu, vooraanstaand onderzoeker bij het Institute of Chemistry van Academia Sinica, benadrukte het bredere belang van het onderzoek. “We zijn getuige van een nieuw tijdperk waarin AI en geneeskunde samenkomen. Ons onderzoek toont de kracht van machine learning aan om complexe gegevens te doorgronden en spectra met hoge dichtheid te integreren met essentiële klinische gegevens.”
Yu-Ting Chang, hoogleraar interne geneeskunde aan de Nationale Universiteit van Taiwan, voegde hieraan toe dat het doel is om de technologie te vertalen naar de klinische praktijk. “Door de kracht van AI te combineren met de rijke metabolische informatie die door NMR-spectroscopie wordt vastgelegd, hebben we een instrument gecreëerd dat alvleesklierkanker in de vroegste en meest behandelbare stadia kan opsporen. Ons doel is om deze technologie in de klinische praktijk te brengen, zodat meer patiënten kunnen profiteren van een tijdige diagnose en behandeling.”
Nederlandse studie naar vroege detectie alvleesklierkanker
Vorig jaar liet een internationale studie onder leiding van het Radboudumc zien dat kunstmatige intelligentie alvleesklierkanker op CT-scans nauwkeuriger kan detecteren dan de gemiddelde radioloog. Voor het onderzoek ontwikkelden wetenschappers een referentiedataset met scans van bijna 400 patiënten, beoordeeld door internationale experts.
Ontwikkelaars wereldwijd dienden vervolgens meer dan 250 AI-modellen in, die werden getest op deze dataset. De beste systemen presteerden beter dan radiologen: AI gaf 38 procent minder fout-positieve resultaten en beoordeelde 92 procent van de scans correct, tegenover 88 procent bij radiologen. De studie, gepubliceerd in The Lancet Oncology, suggereert dat AI radiologen kan ondersteunen en mogelijk kan bijdragen aan eerdere diagnose. Verdere validatie is nog nodig voordat de technologie in de klinische praktijk kan worden ingezet.
