Part of the
4TU.
Health
TU DelftTU EindhovenUniversity of TwenteWageningen University
4TU.
Health
Close

4TU.Federation

+31(0)6 48 27 55 61

projectleider@4tu.nl

Website: 4TU.nl

Nieuwe methode voorspelt medicijnrespons van kankerpatiënten

Wednesday, 8 December 2021
Onderzoekers van de Technische Universiteit Delft en het Nederlands Kanker Instituut (NKI) hebben een algoritme ontwikkeld om de respons van patiënten op medicijnen tegen kanker te voorspellen.

Onderzoekers van de Technische Universiteit Delft en het Nederlands Kanker Instituut (NKI) hebben een algoritme ontwikkeld om de respons van patiĆ«nten op medicijnen tegen kanker te voorspellen. Hierdoor kan sneller worden vastgesteld of bepaalde medicijnen een positief effect kunnen hebben op een specifieke patiĆ«nt, zelfs voor gecompliceerde medicijnen zoals chemotherapieĆ«n waarbij de respons doorgaans moeilijk te voorspellen is. Deze methode heet TRANSACT en maakt gebruik van de schat aan gegevens die eerder verzameld door onderzoek met cellijnen. Een cellijn bestaat uit een stam menselijke cellen, kunstmatig gekweekt in een petrischaaltje. Dergelijke cellijnen zijn reeds op grote schaal gebruikt om de resistentiemechanismen van kankermedicijnen te bestuderen. Deze bevindingen hebben zich tot dusver niet goed vertaald naar de mens. Dit komt gedeeltelijk doordat cellijnen een kunstmatig model zijn met een beperkte complexiteit in vergelijking met een echte tumor. TRANSACT is ontwikkeld om deze kloof tussen modelsystemen en de klinische praktijk te overbruggen.Ā 

Soufiane Mourragui, bioinformatica-promovendus, ontwikkelde het algoritme. Hij legt uit: 'Onze methode, TRANSACT, gebruikt gegevens van medicijnrespons gemeten op cellijnmodellen om de respons van een patiƫnt op bepaalde medicijnen tegen kanker te voorspellen. Helaas bootsen deze modellen de biologie niet volledig na die bij kankerpatiƫnten wordt waargenomen. Om dit probleem aan te pakken, maakt TRANSACT gebruik van machine learning om de relatie tussen de cellijnen en de tumoren te modelleren. We hebben aangetoond dat dit leidt tot betere voorspellingen in twee klinische datasets. Het is geweldig om computeralgoritmes te kunnen gebruiken om in de toekomst artsen te ondersteunen bij hun besluit voor een behandeling'.