Onderzoekers van het MD Anderson Cancer Center hebben een nieuw AI-platform ontwikkeld dat mogelijk een belangrijke rol gaat spelen in de behandeling van longkanker. Het model, Path-IO genaamd, kan voorspellen hoe patiënten met uitgezaaide niet-kleincellige longkanker reageren op immunotherapie. De resultaten werden gepresenteerd tijdens de AACR Annual Meeting 2026, een van de belangrijkste internationale congressen op het gebied van kankeronderzoek.
Volgens de onderzoekers kan deze technologie artsen helpen bij een van de grootste uitdagingen binnen de oncologie: bepalen welke patiënten daadwerkelijk baat hebben bij immunotherapie. Hoewel deze behandelmethode de afgelopen jaren een revolutie teweeg heeft gebracht, reageert lang niet iedere patiënt even goed.
Slimmere selecterie van patiënten
Immunotherapie versterkt het immuunsysteem om kankercellen aan te vallen, maar de effectiviteit verschilt sterk per patiënt. Momenteel wordt vaak gekeken naar de aanwezigheid van PD-L1-eiwitten als biomarker om de kans op succes te voorspellen. Deze methode blijkt echter beperkt betrouwbaar. In sommige gevallen is de voorspellende waarde nauwelijks beter dan toeval.
Het Path-IO-model biedt een alternatief door gebruik te maken van machine learning. Het analyseert digitale pathologiebeelden, microscopische weefselscans die routinematig worden gemaakt, en identificeert complexe patronen in tumorweefsel. Daarbij kijkt het specifiek naar zogeheten ‘niches’: micro-omgevingen binnen tumoren die een belangrijke rol spelen in de reactie op behandeling.
Op basis van deze analyse kan het model patiënten indelen in groepen met een hoog of laag risico op ziekteprogressie na immunotherapie. In de studie bleek dat patiënten in de hoogrisicogroep een twee keer zo grote kans hadden op ziekteverergering of overlijden dan patiënten in de laagrisicogroep.
Geen ‘black box’ AI
Een opvallend kenmerk van Path-IO is dat het geen ondoorzichtige ‘black box’-AI is. In plaats van volledig nieuwe, moeilijk te interpreteren patronen te ontdekken, baseert het model zich op bekende biologische structuren in tumorweefsel. Deze zijn voor pathologen vaak lastig consistent te herkennen, maar wel degelijk klinisch relevant.
Onder leiding van onder meer Rukhmini Bandyopadhyay en Jia Wu is het model zo ontworpen dat de beslissingen uitlegbaar blijven. Dat is een belangrijke voorwaarde voor acceptatie in de klinische praktijk, waar transparantie en betrouwbaarheid cruciaal zijn.
De prestaties van Path-IO zijn uitgebreid getest. In totaal werd het model gevalideerd op meer dan 1.000 patiënten uit verschillende ziekenhuizen en landen. In alle datasets presteerde het beter dan de huidige standaardtest op basis van PD-L1.
Integratie met data en digital twin
De kracht van Path-IO ligt niet alleen in beeldanalyse. Onderzoekers combineren de uitkomsten inmiddels met andere databronnen, zoals radiologische scans en klinische gegevens. Deze integratie leidt tot nog nauwkeurigere voorspellingen.
In de toekomst verwachten de ontwikkelaars dat het model niet alleen kan voorspellen óf een patiënt baat heeft bij immunotherapie, maar ook welke specifieke behandelstrategie het meest effectief is. Denk daarbij aan de keuze tussen monotherapie of combinaties met andere geneesmiddelen.
Een volgende stap is de integratie in zogeheten ‘digital twin’-modellen: digitale representaties van patiënten waarin uiteenlopende data samenkomen, van genetische informatie tot CT-scans. Hiermee kunnen behandelingen nog beter gepersonaliseerd worden.
Klinische validatie
Voordat Path-IO daadwerkelijk in ziekenhuizen kan worden ingezet, is verdere klinische validatie nodig. De onderzoekers bereiden momenteel grootschalige, prospectieve studies voor met meer diverse patiëntengroepen. Zoals bij veel AI-toepassingen geldt: hoe meer data beschikbaar zijn, hoe nauwkeuriger de voorspellingen.
De verwachting is dat dit soort technologieën een belangrijke rol gaan spelen in de toekomst van de oncologie. Door beter te voorspellen welke patiënten profiteren van een behandeling, kunnen artsen therapieën gerichter inzetten en onnodige bijwerkingen voorkomen. Path-IO laat zien hoe digitale innovaties kunnen bijdragen aan meer gepersonaliseerde, effectieve en efficiënte behandelingen.
Effect immunotherapie
In 2023 werd in Israel een innovatieve bio-sensortechnologie ontwikkeld die met aanzienlijk grotere nauwkeurigheid dan bestaande methoden de respons van kankerpatiënten op anti-PD1, een immunotherapiebehandeling met immuuncheckpointremmers (ICI), voorspelt. De bio-sensing technologie, IcAR-PD1 genaamd, meet de bindende functionaliteit van PD1-liganden (PDL1 en PDL2) aan hun receptor PD1.
Uit het onderzoek bleek dat het beoordelen van de functionaliteit van PD1-liganden een effectieve voorspeller is om te identificeren welke patiënten positief zullen reageren op anti-PD1 en baat zullen hebben bij deze behandeling.
