AI voorspelt succes van anti-kankertherapie
Bij patiënten met uitgezaaide huidkanker (melanoom) geeft de aanwezigheid van door AI herkende immuuncellen in de tumor vóór de start van immuuntherapie een goede voorspelling van de kans op een succesvolle behandeling. De studie laat ook zien dat het AI-algoritme betere resultaten geeft dan een handmatige telling door pathologen. Dit blijkt uit een grote studie die werd uitgevoerd door Mark Schuiveling van het UMC Utrecht.
Voor deze studie – die deze week is gepubliceerd in het vakblad JAMA Oncology - analyseerden onderzoekers tumormateriaal van 1.202 patiënten met uitgezaaid melanoom (een ernstige vorm van huidkanker) die waren behandeld met immuuntherapie. Ze maakten daarbij gebruik van een geavanceerd AI-algoritme dat zogenaamde tumor-infiltrerende lymfocyten (TILs) (een bepaald type immuuncellen dat kankercellen ‘opruimt’) herkent op standaard pathologiebeelden van tumoren. De studie bevestigde dat de hoeveelheid TILs op deze beelden sterk samenhangt met de kans op gunstige behandeluitkomsten tijdens de vervolgperiode van de studie. Patiënten met meer TILs hadden 40 procent meer kans op respons, 15 procent minder kans op ziekteprogressie en 17 procent minder kans op sterfte. “Hoe meer AI-herkende TILs er aanwezig zijn in de uitzaaiingen vóór de start van de behandeling, hoe groter de kans op een goede respons op immuuntherapie, hoe lager de kans dat uitzaaiingen weer gaan groeien en hoe lager de kans op sterfte tijdens de follow-up van de studie." zegt arts-onderzoeker Mark Schuiveling van de afdeling Medische Oncologie van het UMC Utrecht.
Onafhankelijk van andere factoren
Wat deze resultaten zo bijzonder maakt, is dat de voorspellende waarde van TILs niet afhangt van bekende voorspellende factoren. Met andere woorden: het maakt niet uit wat het stadium van de ziekte is of welke andere kenmerken de patiënt heeft. Schuiveling zegt: “AI-gebaseerde analyse van TILs is een veelbelovende aanvulling op bestaande hulpmiddelen bij het maken van behandelkeuzes in deze patiënten”. De studie laat ook zien dat het AI-algoritme betere resultaten geeft dan een handmatige telling door pathologen. Dit komt volgens Schuiveling doordat handmatige beoordeling vaak variatie tussen beoordelaars kent, terwijl AI altijd dezelfde methode toepast. Omdat het algoritme werkt op de beelden die de patholoog standaard gebruikt voor de diagnose kunnen ook andere ziekenhuizen deze techniek breed toepassen zonder extra handelingen of dure aanvullende kleuringen.
Veelbelovend, maar nog niet compleet
Toch kan het volgens de onderzoekers nog beter. AI is nu al goed in het herkennen van patiënten die naar verwachting goed reageren op immuuntherapie, maar kan nog niet goed voorspellen voor wie de behandeling zeker niet werkt. Daarnaast kan AI wellicht ook ingezet worden om een lichtere vorm van immuuntherapie te kiezen bij patiënten met een gunstig profiel – en zo bijwerkingen en kosten te beperken. Schuiveling: “Om onze patiënten nog beter te kunnen selecteren, moeten we verder kijken dan alleen de hoeveelheid TILs. Ook de precieze plek waar deze immuuncellen in de tumor zitten speelt waarschijnlijk een rol.” Schuiveling werkt aan vervolgonderzoek met andere AI-technieken die bijvoorbeeld de afstand meten tussen TILs en tumorcellen, of modellen die het hele microscopisch beeld in één keer kunnen analyseren.
Open Science en samenwerking
Het onderzoek is onderdeel van het PREMIUM project dat wordt geleid door het UMC Utrecht en de TU Eindhoven in samenwerking met 10 andere melanoomcentra. De gebruikte beelden kwamen uit pathologie-archieven met uiteenlopende kleuringstechnieken, wat de toepasbaarheid van het AI-model in de praktijk vergroot. Bovendien hebben de onderzoekers het AI-model, samen met de ontwikkelgegevens, vrij beschikbaar gesteld zodat andere ziekenhuizen het ook kunnen gebruiken. Zo draagt dit onderzoek ook bij aan transparantie en reproduceerbaarheid in de wetenschap. “We hopen dat onze resultaten bijdragen aan een toekomst waarin we beter kunnen voorspellen welke patiënten écht baat hebben bij immuuntherapie,” zegt Mark Schuiveling. “Met slimme inzet van AI kunnen we de behandeling beter afstemmen op het individu, onnodige bijwerkingen voorkomen én geld besparen doordat we minder hoeven uit te geven aan dure geneesmiddelen.”
Deze studie sluit aan bij het strategisch onderzoeksprogramma’s Cancer en Infection & Immunity van het UMC Utrecht, waarin onderzoekers en zorgprofessionals samen werken aan betere diagnostiek en behandeling van ziekten waarbij het afweersysteem een rol speelt. Dit onderzoek werd financieel mogelijk gemaakt door stichting Hanarth Fonds, Philips en ZonMw en door logistieke ondersteuning van Palga, de Nederlandse nationale pathologie databank.
Publicatie
Schuiveling M, van Duin IAJ, ter Maat LS, van der Weerd JC, Verheijden RJ, van den Berkmortel F, Blank CU, Breimer GE, Burgers FH, Boers-Sonderen M, van den Eertwegh AJM, de Groot JWB, Haanen JBAG, Hospers GAP, Kapiteijn E, Piersma D, Vreugdenhil G, Westgeest H, Schrader AMR, Pluim JPW, van Diest PJ, Veta M, Suijkerbuijk KPM, Blokx WAM. AI-detected tumor-infiltrating lymphocytes and outcomes in anti-PD1 based treated melanoma. JAMA Oncology 2025, in press