Dokter Altuna Akalin en haar team van het Max Delbrück Center in Berlijn hebben een nieuwe toolkit ontwikkeld, genaamd Flexynesis, die diepe neurale netwerken gebruikt om verschillende soorten data—zoals multi-omics, medische beelden (CT/MRI) én tekstuele rapporten—tegelijkertijd te analyseren. Deze aanpak maakt het mogelijk om niet alleen beter diagnoses te stellen, maar ook gerichter te voorspellen welke behandelingen het meest effectief zullen zijn.
|
Using deep learning for precision cancer therapyNearly 50 new cancer therapies are approved every year. This is good news. "But for patients and their treating physicians, it is becoming increasingly difficult to keep track and to select the treatment methods from which the people affected—each with their very individual tumor characteristics—will benefit the most," says Dr. Altuna Akalin, head of the Bioinformatics and Omics Data Science technology platform at the Berlin Institute for Medical Systems Biology of the Max Delbrück Center (MDC-BIMSB). |
Waarom deze methode echt anders is
Veel bestaande systemen zijn beperkt tot één type data of één specifiek doel. Flexynesis onderscheidt zich doordat het flexibel is inzetbaar in verschillende klinische scenario’s: van ontdekking van biomarkers, tot het vaststellen van het oorspronkelijke (primaire) gezwel bij metastasen van onbekende oorsprong, en van prognose‐inschattingen tot behandelstrategie.
Bereikbaar voor artsen zonder AI-achtergrond
Een belangrijk onderdeel van de ontwerpfilosofie is dat technische expertise op het vlak van deep learning geen voorwaarde is. De tool is verpakt in gebruiksvriendelijke vormen (zoals Docker, Bioconda, Galaxy), en is publiek toegankelijk met duidelijke handleidingen. Op die manier hopen de makers dat ziekenhuizen en onderzoeksgroepen zonder eigen AI-specialisten ook mee kunnen doen.
Obstakels en toekomstperspectief
Hoewel de potentie groot is, zijn er ook uitdagingen. In Duitsland wordt multi-omicsdata nog lang niet routinematig verzameld, wat de toepassing in de kliniek belemmert. In de Verenigde Staten daarentegen wordt dit soort data al vaker gebruikt in zogenoemde tumor boards. Maar de verwachting is dat projecten zoals MASTER (voor zeldzame vormen van kanker) als voorbeeld kunnen dienen om het gebruik breder te maken.
Wat betekent dit voor patiënten?
- Meer gepersonaliseerde behandeling: elke patiënt heeft unieke kenmerken; Flexynesis helpt om die naar voren te brengen en te benutten.
- Sneller de juiste therapie: minder trial-and-error, meer evidence dat bij iemands tumorprofiel past.
- Betere prognoses en biomarker-onderzoek: nieuwe inzichten kunnen leiden tot vroegtijdiger opsporing of betere voorspellingen over ziekteverloop.
Flexynesis belooft een belangrijke stap vooruit in de kankerzorg, doordat het de complexiteit van meerdere datapaden combineert in één flexibel inzetbaar systeem. Hoewel integratie in de klinische praktijk momenteel verschilt per regio, biedt dit soort tools hoop op een toekomst waarin behandelingen meer afgestemd zijn op de individuele patiënt—en minder op standaardprotocollen.
