Wetenschappers van het Weizmann Institute hebben een AI-gedreven ‘digitale tweeling’ ontwikkeld die gebruikmaakt van 's werelds meest gedetailleerde gezondheidsdatabase om toekomstige ziekten te voorspellen. Het model kan jaren van tevoren risico's aan het licht brengen, preventieve strategieën testen en zelfs een gepersonaliseerd gezondheidstraject uitstippelen.
Het model wordt aangedreven door wat wordt beschouwd als 's werelds meest uitgebreide database over de menselijke gezondheid, verzameld bij meer dan 30.000 vrijwilligers wereldwijd. Het doel is om ziekten op te sporen voordat ze zich voordoen, het ontstaan ervan uit te stellen of, in sommige gevallen, ze volledig te voorkomen.
Voor individuen kan dit betekenen dat ze simulaties kunnen uitvoeren van verschillende behandelingen en levensstijlkeuzes. Wat als een verandering in uw voedingspatroon uw risico op diabetes met de helft zou kunnen verminderen? Wat als een bepaalde therapie het meest effectief zou blijken te zijn voor uw unieke fysiologie? Het model heeft tot doel patiënten en artsen met ongekende precisie antwoorden op dergelijke vragen te geven.
Een peer-reviewed studie over dit project, gepubliceerd in Nature Medicine, onderstreept het belang van deze doorbraak voor preventieve zorg en het hele gebied van precisiegeneeskunde.
25 jaar zorgvuldig verzamelde gegevens
Achter deze digitale revolutie schuilt een enorm wetenschappelijk project, bekend als het Human Phenotype Project, dat in 2018 door het Weizmann Institute is gelanceerd. Maar de basis hiervoor is al veel eerder gelegd. In de afgelopen 25 jaar hebben deelnemers van over de hele wereld om de twee jaar gedetailleerde medische onderzoeken ondergaan, waardoor een dataset is ontstaan die zijn weerga niet kent.
Deze onderzoeken zijn uitgebreid, hebben betrekking op 17 verschillende lichaamssystemen en leveren een schat aan informatie op. Vrijwilligers ondergaan echografieën, botdichtheidstests, gensequencing en cellulaire eiwitanalyse. Hun microbiomen worden bestudeerd aan de hand van monsters uit de darmen, mond en zelfs de vagina. Onderzoekers houden slaappatronen, glucosespiegels, voedingsinname en zelfs stemopnames bij – elk detail draagt bij aan een gigantisch portret van de menselijke gezondheid. Het resultaat is meer dan 260 miljard gegevenspunten, die samen de meest gedetailleerde gezondheidsdatabase vormen die momenteel bestaat.
Al decennialang worstelen individuen en artsen met hetzelfde probleem: gezondheidsbeslissingen nemen zonder de langetermijngevolgen te kunnen voorspellen. Moet je minder suiker eten? Meer bewegen? Van medicatie veranderen? Zonder concreet bewijs verdwijnt de motivatie vaak. Maar wat als je vandaag zou kunnen zien dat je huidige levensstijl je over tien jaar op weg naar diabetes zou brengen? Dat soort duidelijkheid zou volgens wetenschappers vaag advies kunnen omzetten in krachtige motivatie.
Wat is de biologische leeftijd van de lever?
Een van de eerste praktische toepassingen van deze dataset is het berekenen van de biologische leeftijd van individuele organen en lichaamssystemen. Het AI-model vergelijkt fysiologische veranderingen in 17 lichaamssystemen met de verwachte waarden voor iemands chronologische leeftijd, geslacht en body mass index. Elke afwijking geeft inzicht in hoe snel of langzaam een systeem veroudert.
Zo heeft het monitoren van de bloedglucose de typische groeisnelheden voor verschillende leeftijdsgroepen en geslachten aan het licht gebracht. Wanneer het model abnormale patronen detecteert, kan het jaren eerder dan traditionele medische tests prediabetes signaleren. Onderzoekers schatten zelfs dat tot 40% van de personen die volgens de huidige normen als gezond worden geclassificeerd, in werkelijkheid tekenen van prediabetes vertonen.
De gegevens hebben ook interessante geslachtsverschillen aan het licht gebracht. Mannen verouderen biologisch gezien in een gestaag tempo, terwijl vrouwen rond de menopauze een sterke versnelling ervaren. Onderzoekers hebben ontdekt dat de afname van de botdichtheid sterker correleert met de tijd sinds de menopauze dan met de chronologische leeftijd. Deze inzichten kunnen een veel nauwkeurigere timing van hormoonbehandelingen en andere preventieve interventies mogelijk maken.
Het concept om een ‘biologische leeftijd’ toe te kennen aan specifieke organen, zoals de lever en het hart, opent nieuwe mogelijkheden. Als uw lever sneller veroudert dan de rest van uw lichaam, kan het model dit als een punt van zorg aanmerken, waardoor u en uw arts de kans krijgen om actie te ondernemen voordat er een ziekte ontstaat.
Levensloop toont potentiële gezondheidsrisico's
De langetermijnvisie van het project is nog ambitieuzer: het creëren van uniforme digitale tweelingen voor elke deelnemer. Door alle gegevens – genetisch, metabolisch, gedragsmatig en omgevingsgebonden – te integreren, kan het AI-model de ‘gezondheidsloop’ van een persoon simuleren. Met andere woorden, het kan een gepersonaliseerde routekaart van de toekomstige gezondheid uitstippelen, compleet met risicofactoren, potentiële ziekten en aanbevelingen voor preventie.
Wetenschappers gebruiken digitale tweelingen al om te testen hoe verschillende interventies de resultaten kunnen beïnvloeden. Welk dieet past het beste bij u? Welk medicijn is waarschijnlijk het meest effectief met de minste bijwerkingen? De tweeling kan deze simulaties uitvoeren voordat er in de praktijk een beslissing wordt genomen.
Het Weizmann-team werkt ook aan het toegankelijk maken van deze informatie. Er zijn plannen om een applicatie te ontwikkelen waarmee deelnemers aan het onderzoek hun gezondheidsgegevens en simulaties in realtime kunnen volgen. In de toekomst kunnen mensen misschien inloggen en zien hoe de beslissingen van vandaag, of het nu gaat om een fastfoodmaaltijd of een training, hun persoonlijke gezondheidstraject kunnen beïnvloeden.
Als dit lukt, zou deze technologie de geneeskunde kunnen veranderen. In plaats van te reageren op ziekte nadat deze zich heeft voorgedaan, zouden individuen en zorgverleners in staat zijn om deze te anticiperen en te voorkomen. Voorlopig blijft de digitale tweeling een onderzoeksproject. Maar naarmate AI-modellen hun voorspellingen blijven verfijnen, komt het idee van gepersonaliseerde preventieve gezondheidszorg steeds dichter bij de realiteit.
De volgende uitdaging zal zijn om deze wetenschappelijke vooruitgang te vertalen naar de klinische praktijk. Het waarborgen van nauwkeurigheid, het beschermen van privacy en het integreren van digitale tweelingen in de dagelijkse gezondheidszorg zullen bepalen in hoeverre deze aanpak transformatief kan zijn. Als dit wordt bereikt, zou het artsen en patiënten een krachtig nieuw kader voor besluitvorming kunnen bieden, dat de medische praktijk voor de komende decennia zal vormgeven.
Deze visie is echter afhankelijk van de kwaliteit van de beschikbare gegevens: hoewel het Human Phenotype Project unieke gedetailleerde gegevens heeft verzameld, blijft veel gezondheidsinformatie wereldwijd ongeregistreerd, van lage kwaliteit of nog niet gedigitaliseerd.
