Slimme technologie tegen kanker

Kunstmatige intelligentie (AI) is niet alleen iets voor techreuzen of chatbots – het kan ook levens redden. Dat laat Jeroen de Ridder, hoogleraar Bioinformatica in de Moleculaire Geneeskunde, zien met zijn onderzoek. Hij bestudeert hoe we met behulp van slimme algoritmen patronen kunnen ontdekken in grote hoeveelheden data over moleculen. Het doel: ziekten zoals kanker eerder herkennen en beter behandelen. 

“Ik wilde altijd al weten: “Hoe werkt iets van binnen? En wat kun je ermee?”, vertelt Jeroen. Als kind haalde hij dan ook liever speelgoed uit elkaar dan ermee te spelen. Die nieuwsgierigheid bracht hem naar de studie Elektrotechniek aan de TU Delft. Daar raakte hij gefascineerd door technologie en wiskunde.  

Tijdens een college Patroonherkenning viel destijds voor hem het kwartje. Vanaf dat moment wist hij waar zijn toekomst lag en begon zijn wetenschappelijke reis in machine learning: hij wilde computers technieken leren om, op basis van veel data, conclusies te trekken.  

“Waarom is iets wat voor kind vanzelfsprekend is – het herkennen van bijvoorbeeld een olifant – zo lastig voor een computer? Mijn dochter van vier ziet ziet een slurf en roept: ‘Olifant!’ Ze hoeft geen metingen te doen, geen oppervlaktes te vergelijken. Ze herkent het gewoon”, aldus Jeroen.  

“Maar een computer heeft niet zoals als  ‘herkenning’. Die moet rekenen. Die moet patronen afleiden uit getallen. En dan is dat simpele verschil tussen een slurf van een olifant en een bult van een kameel ineens helemaal niet zo vanzelfsprekend.”  

Afgelopen woensdag 14 mei hield Jeroen zijn oratie als hoogleraar Bioinformatica in de Moleculaire Geneeskunde, met als centrale vraag: hoe kunnen we met AI ‘moleculaire vingerafdrukken’ van ziekten beter herkennen en behandelen?  

Moleculaire vingerafdrukken?

AI lijkt tegenwoordig een toverwoord en wordt op ontelbare manieren toegepast. Waarom koos Jeroen er destijds voor om zich met zijn technische achtergrond te richten op de medische wereld? “Biologische processen zijn enorm complex. Toch kun je met data-analyse verrassend veel inzicht krijgen, zonder dat je zelf in het lab hoeft te staan. Tijdens mijn promotieonderzoek (2005-2010, red.) stond ik versteld van hoe patronen herkend kunnen worden in biomedische gegevens.”  

Jeroen deed zijn promotieonderzoek in een tijd waarin grote sprongen werden gemaakt in biomedische patroonherkenning. Eind jaren ’90 was de ‘microarray’ geïntroduceerd: een laboratoriuminstrument, een speciaal soort chip, waarmee je in één keer de activiteit van duizenden genen tegelijk kunt meten. Voor het eerst konden onderzoekers daardoor op grote schaal tumoren in kaart brengen, Niet door op ze in te zoomen met een microscoop maar door zogeheten ‘genexpressieprofielen’ te maken: welke genen staan ‘uit’ en ‘aan’ in een tumorcel, en welke genen verspreiden nu net die boodschapperstofjes die een kankercel nodig heeft om belangrijke eiwitten te kunnen maken?  

Het resultaat: grote datasets, met genetische informatie van honderden patiënten. Daardoor werd bijvoorbeeld al snel ontdekt dat er diverse types leukemie bestaan – met elk hun eigen moleculaire eigenschappen en gedragingen, oftewel hun eigen ‘moleculaire vingerafdruk’.  

Goudmijn aan data

Sindsdien is de technologie razendsnel doorontwikkeld. Zo gebruiken onderzoekers datasets en patroonherkenning nu ook om de prognose van bepaalde vormen van kanker beter te voorspellen. En nieuwe meetmethoden zoals next-generation sequencing maken het mogelijk om DNA tot in detail te analyseren. 

Tegelijkertijd is er een explosie van data over hoe de kleinste deeltjes van het menselijk lichaam zich gedragen: van genactiviteit tot DNA-structuur, en van eiwitbinding tot chemische reacties tussen moleculen. “Die datagoudmijn vraagt om nog slimmere analysemethoden. En juist daar komt AI om de hoek kijken”, vertelt Jeroen. 

In 2016 stapte Jeroen over naar het UMC Utrecht, na bij de TU Delft zijn eigen onderzoeksgroep te hebben geleid. “Ik werd enthousiast van het idee om dichter bij 'het natte lab', in het ziekenhuis, te opereren. En wat me vooral aansprak was de kans om nog directer bij te dragen aan het klinische proces en echt impact te maken in de zorg.” 

Hier staat Jeroen ook aan het roer van zijn eigen bioinformaticalab: een team van onderzoekers die datawetenschap toepassen op medische vraagstukken.  

Type hersentumor sneller bepaald 

Sturgeon is een van de meest sprekende en recente voorbeelden van hoe Jeroen en zijn team werken. Dit algoritme ontwikkelden zij in samenwerking met het Prinses Máxima Centrum en het Amsterdam UMC.  

Dankzij Sturgeon kan op basis van DNA-patroonherkenning al tijdens een hersenoperatie worden bepaald om welk type hersentumor het gaat. Normaal duurt dat minstens een week, en moet iemand wellicht nog een keer onder het mes. Maar dankzij Sturgeon kan de neurochirurg al tijdens de operatie bepalen hoeveel hij van de hersentumor moet verwijderen, en is een tweede ingrijpende operatie niet nodig.   

De technologie werd in recordtempo ontwikkeld, getest én toegepast. Inmiddels wordt Sturgeon standaard ingezet tijdens hersenoperaties in het Prinses Máxima Centrum, en is er ook internationaal belangstelling.  

Leren van weinig data 

AI heeft veel data nodig om goed te werken. Maar wat als je te maken hebt met een zeldzame ziekte, en er maar 50 patiënten zijn? “Dat is een groot probleem,” zegt De Ridder. De oplossing van zijn onderzoeksgroep: modellen eerst trainen op algemene moleculaire kennis, en ze daarna finetunen voor een specifiek probleem. Dit principe – self-supervised pre-training – werken zij nu uit in het onderzoeksproject FoundationDX, dat door de European Research Council wordt gefinancierd. 

Binnen FoundationDX leren AI-modellen eerst van ‘gezonde’ data hoe een cel moleculair in elkaar steekt. Pas daarna gaan ze aan de slag met ‘zieke’ data, de moleculaire gegevens van tumoren van een specifieke patiëntgroep. “Zo kun je met weinig gegevens tóch goede voorspellingen doen. En dat is essentieel voor zeldzame tumoren, waar geen miljoenen voorbeelden van beschikbaar zijn.” 

Zorginnovatie is teamwork

Jeroen benadrukt dat voor zijn werk samenwerking essentieel is. “Bioinformatica is bij uitstek een vak waarin je over grenzen heen werkt. Je moet de taal van biologen, artsen én programmeurs spreken. Dat je binnen twee jaar van idee naar toepassing kunt gaan, zoals bij Sturgeon, is bijzonder. En dat lukt alleen als iedereen – van patholoog tot chirurg en van datascientist tot labtechnicus – samenwerkt met hetzelfde doel: de best mogelijke zorg. Zorginnovatie is teamwork.” 

De Utrechtse campus is daar volgens hem de ideale plek voor. “Het UMC Utrecht, de Universiteit Utrecht, het Hubrecht Instituut en het Prinses Máxima Centrum vormen samen een uniek ecosysteem. Je loopt hier zo van een brainstorm met een chirurg naar een AI-sessie met promovendi. Daar ontstaan spontaan de mooiste ideeën, vaak met een kop koffie.” 

Blijf vragen stellen

Nieuwsgierig is Jeroen is nog steeds en hij wil de jongere generatie ook motiveren om dat altijd te blijven. Daarom besteedt hij als hoogleraar ook veel aandacht aan onderwijs.  

Jeroen: “We leiden de volgende generatie op, die niet alleen weet hoe je AI toepast, maar ook snapt wat het betekent voor de zorg. Daar ligt een grote verantwoordelijkheid. Blijf nieuwsgierig. Blijf vragen stellen. En blijf samenwerken. Want juist op de grens van disciplines, ligt de vernieuwing.