Snelle analyse bepaalt type hersen­tumor binnen enkele uren

Vaststellen van het tumortype gebeurt al sinds jaar en dag door het inleveren van een biopt bij een patholoog. Die analyse kan dagen tot weken duren. Een team van Utrechtse en Amsterdamse onderzoekers hebben nu een techniek ontwikkeld die dankzij AI het type hersentumor kan diagnosticeren binnen 90 minuten, nog tijdens de operatie.

“Sommige tumoren van het centraal zenuwstelsel zijn alleen maar te definiëren op basis van hun moleculaire en weefseleigenschappen, maar hun prognose en manier van behandelen verschillen wel van elkaar”, zegt Evert-Jan Kooi, patholoog op het gebied van de neuro-oncologie in het Amsterdam UMC. “Dat maakt een uitgebreide pathologische analyse van tumormateriaal essentieel bij het stellen van een diagnose.”

Tijdrovende analyse

“We bepalen sinds enige jaren ook het methylatieprofiel van de tumor, waardoor we een moleculaire vingerafdruk krijgen”, zegt Kooi. “Daarbij krijgen we tegelijkertijd andere informatie, zoals over afwijkingen in het aantal chromosomen en de methylatiestatus van de MGMT-promotor; dergelijke informatie kan enorm helpen bij het stellen van een accurate diagnose en het vaststellen van de behandeling.” Deze methyleringsanalyse berust tot nu toe op zogenaamde Illumina-microarrays, waarbij het tumor-DNA  inmiddels op 900 duizend punten wordt doorgelicht op het al dan niet aanwezig zijn van een methylgroep.

Maar zo’n analyse is een proces dat soms wel twee weken kan duren. Bovendien is de gebruikte techniek kostbaar. “Tot het resultaat van de analyse bekend is, moet de patiënt wachten op de diagnose en een definitief behandelplan”, zegt Kooi. “Bovendien zijn er situaties waarbij je zo snel mogelijk wil weten met welke tumor je te maken hebt, omdat een analyse tijdens de operatie het chirurgisch beleid kan beïnvloeden.”

“We kunnen nu in veel gevallen binnen een uur voorspellen in welke klasse we de tumor moeten indelen”

Snellere manier

Kinderhersentumoren vormden het begin van een zoektocht naar een snellere manier om het tumortype te bepalen, vertelt Kooi. “Voor kinderhersentumoren is het in sommige gevallen belangrijk om zo snel mogelijk, liefst tijdens de operatie, te weten met welke tumor je te maken hebt. De neurochirurg weet dan afhankelijk van het tumortype of hij zoveel mogelijk van de tumor moet verwijderen, of juist zoveel mogelijk hersenweefsel moet sparen vanwege de prognose.”
Het oorspronkelijke idee kwam uit de koker van Bas Tops, hoofd van het Diagnostiek Laboratorium van het Prinses Máxima Centrum voor Kinderoncologie, en Jeroen de Ridder, onderzoeker Bioinformatica bij het UMC Utrecht en het Oncode Institute.

Onder hun leiding ontwikkelden Carlo Vermeulen en Marc Pagès-Gallego een AI-methode om het methylatieprofiel van een hersentumor sneller te kunnen bepalen. “Daarvoor gebruiken we nanopore-sequencing”, legt Kooi uit. “Die techniek is veel sneller, mede op basis van deep learning en reeds bekende methylatie-data van tumoren van het centraal zenuwstelsel. Dankzij het zogenaamde Sturgeon-algoritme kunnen we nu in veel gevallen binnen een uur voorspellen in welke klasse we de tumor moeten indelen.”

Kostenreductie

Inmiddels is, onder leiding van onder anderen neuropatholoog Pieter Wesseling en neurochirurg Niels Verburg, ook onderzoek in gang gezet naar deze benadering voor het beoordelen van hersentumoren bij volwassenen. Omdat het Amsterdam UMC ervaring heeft met methylerings-analyse bij deze patiëntencategorie is de samenwerking opgezocht en wordt daar – in onderzoeksverband – nanopore sequencing gebruikt voor het analyseren van tumormateriaal. Als deze nieuwe methode succesvol blijkt, zal dat naast een aanzienlijke kostenreductie en snellere diagnostiek ook toepassing gedurende operaties mogelijk maken.

“Het zou goed zijn om een kankerpatiënt binnen enkele dagen te kunnen voorzien van een accurate diagnose”

Andere tumorsoorten

Kooi denkt dat deze techniek op termijn kan worden toegepast bij andere soorten kanker. “Er zijn al classificaties voorhanden voor andere tumorcategorieën. Die zijn soms nog minder betrouwbaar, en voor daadwerkelijk gebruik moeten ze nog worden gevalideerd. Maar deze ontwikkeling kan voor alle tumorgroepen een enorme impact hebben. Het zou goed zijn om in de nabije toekomst een kankerpatiënt binnen enkele dagen in plaats van weken te kunnen voorzien van een accurate diagnose.”

Referentie: Vermeulen C, Pagès-Gallego M, Kester L, et al. Ultra-fast deep-learned CNS tumour classification during surgery. Nature. 2023 Oct;622(7984):842-849.

Lees meer over: