Onderzoekers van het Catharina Ziekenhuis en de Technische Universiteit Eindhoven (TU/e) hebben onderzocht of longkanker beter kan worden herkend door bloedonderzoek te combineren met CT-beelden. In een eerste onderzoek steeg het percentage herkende longkankergevallen van 62 naar ongeveer 78 procent wanneer informatie uit beide onderzoeken werd samengevoegd. Ook een AI-model dat CT-scans analyseert, leverde vergelijkbare resultaten op. De methode is nog niet geschikt voor toepassing in de dagelijkse patiëntenzorg, maar kan op termijn aanvullende diagnostische informatie bieden wanneer een weefselbiopsie moeilijk uitvoerbaar is.
Bij een vermoeden van longkanker is weefselonderzoek doorgaans noodzakelijk om de diagnose te bevestigen. Daarvoor wordt bijvoorbeeld via een bronchoscopie of een naald door de borstkas een stukje weefsel afgenomen. Niet iedere patiënt kan deze ingreep echter ondergaan. Bovendien levert een biopsie niet altijd voldoende materiaal of duidelijkheid op, waardoor herhaling nodig kan zijn.
Onderzoekers van het Catharina Ziekenhuis en de TU/e bekijken daarom of bestaande diagnostische informatie beter kan worden gecombineerd. Daarbij richten zij zich op tumormarkers in het bloed en kenmerken van verdachte afwijkingen op CT-scans.
Combinatie van bloedwaarden en beeldvorming
Promovendus Hao Cao, verbonden aan het Algemeen Klinisch Laboratorium van het Catharina Ziekenhuis, onderzoekt hoe bloedonderzoek kan bijdragen aan het herkennen van longkanker. Bij eerdere analyses bleek dat op basis van tumormarkers in het bloed ongeveer 62 procent van de patiënten met longkanker kon worden herkend. Om de diagnostische gevoeligheid te verbeteren, voegden de onderzoekers informatie uit CT-scans toe.
Voor het onderzoek werden gegevens van 346 patiënten gebruikt, verdeeld over twee onderzoeksgroepen. In de eerste groep steeg het percentage herkende longkankergevallen naar ongeveer 78 procent wanneer de beoordeling van CT-beelden door radiologen werd gecombineerd met de bloeduitslagen.
De resultaten wijzen erop dat beide informatiebronnen elkaar kunnen aanvullen. Tumormarkers geven informatie over biologische processen die met kanker kunnen samenhangen, terwijl CT-scans inzicht bieden in de vorm, grootte en andere kenmerken van afwijkingen in de longen.
AI analyseert CT-beelden
Samen met onderzoekers van de TU/e onderzocht het team vervolgens of kunstmatige intelligentie de beoordeling van CT-beelden gedeeltelijk kon automatiseren. Daarvoor werd een deeplearningmodel ingezet dat patronen in medische beelden analyseert. De uitkomsten van dit model werden gecombineerd met de resultaten van het bloedonderzoek.
Deze combinatie herkende ongeveer 76 procent van de longkankergevallen in de eerste onderzoeksgroep. In een tweede, onafhankelijke patiëntengroep bedroeg dit percentage 73 procent. De resultaten waren daarmee vergelijkbaar met die van de combinatie van bloedonderzoek en de beoordeling door radiologen. Het AI-model presteerde in dit onderzoek dus niet aantoonbaar beter dan de menselijke beeldbeoordeling.
De onderzoekers benadrukken dat de methode nog geen vervanging is voor weefselonderzoek. Een negatieve uitslag sluit longkanker niet uit. Bovendien kan de combinatie van bloedwaarden en CT-beelden niet vaststellen om welk type longkanker het gaat. Die informatie is onder meer belangrijk voor de keuze van een behandeling.
Andere ontwikkelingen in bloeddiagnostiek
Ook buiten het Catharina Ziekenhuis wordt onderzocht hoe bloedonderzoek kan bijdragen aan minder belastende diagnostiek van longkanker. Een andere onderzoeksrichting is het ontwikkelen van bloedtesten die kankergerelateerde signalen kunnen herkennen zonder gebruik te maken van DNA-sequencing. Daarmee wordt eveneens gezocht naar aanvullende mogelijkheden om longkanker via een bloedmonster te detecteren.
Het onderzoek van het Catharina Ziekenhuis en de TU/e kiest voor een andere benadering: bestaande bloedwaarden worden gecombineerd met informatie uit CT-beelden, waarbij zowel radiologische beoordeling als AI-analyse wordt onderzocht. Beide ontwikkelingen richten zich op de mogelijkheden van minder invasieve diagnostiek. De gebruikte technieken verschillen echter en de resultaten kunnen niet zonder meer met elkaar worden vergeleken.
Verdere validatie noodzakelijk
De onderzoeksresultaten werden eind oktober gepresenteerd tijdens het congres van de European Society for Medical Oncology (ESMO) in Madrid. Cao ontving voor zijn bijdrage een ESMO Merit Award. Het onderzoek wordt uitgevoerd door een multidisciplinair team van onder meer klinisch chemici, longartsen, radiologen en onderzoekers op het gebied van biomedische technologie.
De volgende stap is verdere validatie in de klinische praktijk. Daarbij zullen de onderzoekers de methode testen zonder dat de uitkomsten al worden gebruikt voor medische beslissingen. Daarnaast werkt Cao aan een afzonderlijk onderzoeksproject naar het opsporen van DNA-afwijkingen van tumorcellen via bloedonderzoek. Hiervoor ontving hij 45.000 euro van de Catharina Health Foundation. Dit onderzoek richt zich op informatie die mogelijk kan bijdragen aan de selectie van geneesmiddelen.
Vooralsnog is niet aangetoond dat de combinatie van bloedonderzoek en CT-analyse leidt tot snellere diagnoses, minder biopsieën of betere behandelresultaten. Daarvoor is aanvullend klinisch onderzoek nodig.
Referenties
Voeg ICT&health toe aan Google
Toon meer content van ICT&health in Google Zoeken.
