Deze techniek moet voorspellen of immuuntherapie bij een patiënt aanslaat

In dit artikel:

Onderzoekers van het Nederlands Kanker Instituut (NKI) proberen met spatial biology te voorspellen welke kankerpatiënten baat hebben bij een bepaalde behandeling. De methode brengt niet alleen in kaart welke cellen in een tumor aanwezig zijn, maar ook waar die cellen zich ten opzichte van elkaar bevinden. Dat kan verklaren waarom dezelfde immuuntherapie bij de ene patiënt wel aanslaat en bij de andere niet.

Een tumor bestaat naast kankercellen uit onder meer T-cellen, andere afweercellen, opruimcellen en bloedvaten. Bij een goede reactie op immuuntherapie dringen afweercellen de tumor binnen en vallen ze de kankercellen aan. Bij patiënten die slecht reageren, blijven T-cellen soms aan de rand hangen, worden ze door de tumor uitgeschakeld of herkennen ze de tumor niet. Ook kunnen omliggende cellen een fysieke barrière vormen. Met ruimtelijke analyse hopen onderzoekers deze verschillende ontsnappingsmechanismen vooraf te onderscheiden en de behandeling daarop af te stemmen.

Traditionele pathologie en flowcytometrie geven daarvoor onvoldoende informatie. Bij klassieke kleuringen worden vaak verschillende, zeer dunne weefselcoupes gebruikt, waardoor dezelfde afzonderlijke cel niet betrouwbaar kan worden gevolgd. Flowcytometrie telt en typeert cellen nadat het weefsel is afgebroken, maar verliest de onderlinge ruimtelijke verhoudingen. Juist die informatie kan belangrijk zijn: het maakt verschil of immuuncellen verspreid in de tumor zitten, eromheen liggen of helemaal niet kunnen binnendringen.

Het NKI gebruikt hiervoor CODEX op een PhenoCycler-Fusion. Met fluorescente DNA-barcodes kunnen tientallen tot honderden eiwitmarkers in hetzelfde weefsel worden gemeten. Omdat de microscoop vier kleurkanalen tegelijk registreert, gebeurt dat in tien tot vijftien rondes. De celkernen vormen telkens een vast referentiepunt; daarna worden de beelden samengevoegd. Zo zijn onder meer tumorcellen en verschillende typen T-cellen herkenbaar, inclusief hun toestand en locatie. Daarnaast maken onderzoekers weefsel met optical clearing transparant, zodat ruimtelijke verbindingen ook in 3D kunnen worden bestudeerd. Dat levert wel veel meer data en een veel langere scantijd op dan 2D-onderzoek.

De analyse vormt momenteel een belangrijk knelpunt. Eén biopt kan ongeveer een terabyte aan gegevens en miljoenen cellen opleveren. Deep-learningmodellen zoals StarDist, Cellpose en Segment Anything versnellen het afbakenen van cellen sterk, maar menselijke controle blijft nodig omdat elk kanker- en markerpanel anders is. Vervolgens bepalen algoritmes waar het tumorgebied ligt en welke immuuncellen zich bijvoorbeeld binnen vijftig micrometer daarvan bevinden. De methode is nog duur: één PhenoCycler-coupe kost ongeveer 1.500 euro. Bovendien moeten de meeste zogenoemde spatial biomarkers nog in klinische studies worden gevalideerd.

De mogelijke klinische winst is vooral groot bij behandelingen met ernstige bijwerkingen. Bij stadium 3-melanoom reageerde in de in 2024 gepubliceerde NADINA-studie ongeveer 60 procent goed op neoadjuvante immunotherapie, die vóór de operatie wordt gegeven. Bijna 37 procent had geen goede pathologische respons en ongeveer 30 procent kreeg ernstige bijwerkingen. Met een voorspelling uit een biopt zouden artsen in de toekomst de therapie kunnen verlichten bij patiënten die met minder middelen toe kunnen, of juist intensiveren bij patiënten die meer nodig hebben. Het NKI onderzoekt daarom of afstanden en patronen tussen tumorcellen en omliggende cellen de behandelrespons kunnen voorspellen. Die toepassing is veelbelovend, maar nog niet klaar voor routinematig gebruik.