Een donornier wordt soms jaren na transplantatie onverwachts afgestoten. Onderzoekers van het Radboudumc werken aan een computermodel dat dit gevaar ziet aankomen. Het uiteindelijke doel: tijdige behandeling ter behoud van de nier.

Op tafel ligt een glazen plaatje met weefselplakjes van een donornier. Ze komen van een weefselmonster, een biopt, dat ooit is genomen van een patiënt wiens nierfunctie achteruitging. Tot op heden bestuderen pathologen dit soort preparaten altijd onder een microscoop, vertellen universitair hoofddocent en informaticus Jeroen van der Laak en promovenda Meyke Hermsen van het Radboudumc. Dankzij hun onderzoek bij de afdeling pathologie heeft die aanpak echter misschien zijn langste tijd gehad in Nijmegen. Het duo toont op een laptop nierbiopten die met een speciale scanner zijn gedigitaliseerd. Van der Laak: ‘Binnenkort gaat onze afdeling volledig digitaal. Dat heeft een grote impact op onze infrastructuur en werkwijze. Eén van de veranderingen is dat computational pathology een grotere rol gaat spelen.’

Computational pathology

De computational pathology-groep van Van der Laak probeert met behulp van algoritmes digitale weefselplakjes te analyseren en te interpreteren. Als de computer onderscheid weet te maken tussen ziek en gezond weefsel, kan dat een krachtig hulpmiddel zijn bij diagnostiek en behandeling. De Nijmeegse onderzoekers richten zich hierbij op chronische afstotingsprocessen na niertransplantatie, die gepaard gaan met zogenaamde interstitiële fibrose en tubulus atrofie (IFTA). Hierbij wordt vitaal nierweefsel vervangen door niet-functionele nierbuisjes (atrofische tubuli) en littekenweefsel. Het onderzoek naar IFTA krijgt financiële steun vanuit ERACoSysMed, een Europees netwerk van subsidieorganisaties waarin ZonMw participeert (zie kader). 

Sluipend proces

Niertransplantaties zijn in de loop der jaren steeds succesvoller geworden, dankzij betere matching van patiënt en donor en effectievere medicatie. Volgens Hermsen komt acute afstoting daardoor niet zoveel meer voor. ‘Helaas weten we minder van het sluipende proces dat leidt tot IFTA. Dit kan jaren na transplantatie afstoting van een donornier veroorzaken, waardoor de patiënt opnieuw geplaatst moet worden op de toch al zo lange wachtlijst. Wij proberen dit afstotingsproces in kaart te brengen. Daarvoor hebben we kunstmatige neurale netwerken ontwikkeld, die ons helpen bij de analyse van nierweefsel. Het gebruik van deze modellen om een computer iets te leren noemen we ook wel deep learning.’

Algoritme trainen

Bij deep learning wordt een computeralgoritme getraind door het heel veel voorbeelden te laten zien. In dit geval moest het model alle weefselstructuren leren herkennen van een nierbiopt. Dit gaat nu zo goed, dat Van der Laak en Hermsen ook onderzoeken of het model al ondersteuning kan bieden aan de patholoog. Naast de herkenning van structuren ligt in hun onderzoek de nadruk op detectie van bepaalde immuuncellen, macrofagen en lymfocyten, die mogelijk samen een belangrijke rol spelen bij het ontstaan van IFTA. 

‘Het idee is dat onze modellen universeel inzetbaar worden, zodat alle patiënten wereldwijd er baat bij kunnen hebben’

Van der Laak vertelt dat dit onderzoek alleen mogelijk is door nauwe samenwerking met internationale partners, zodat het wiskundig model vanuit zoveel mogelijk invalshoeken input krijgt om een goede voorspelling te kunnen maken. Het Radboudumc werkt samen met centra in Duitsland, Frankrijk, Italië en Israël. ‘Wij in Nijmegen onderzoeken met onze eigen analysetechnieken welke macrofagen aanwezig zijn in een transplantaatbiopt, waar zij zich bevinden en hoe zich dat verhoudt tot het functioneren van de nier. Andere groepen houden zich bijvoorbeeld bezig met celkweek-experimenten en bestuderen het gedrag van macrofagen onder bepaalde omstandigheden, bijvoorbeeld weinig zuurstof als gevolg van de transplantatie.’

Elkaar aanvullen

De onderzoeksresultaten van de verschillende groepen komen allemaal in een wiskundig model. Van der Laak: ‘Gezamenlijk kunnen we meer informatie bieden dan iedere discipline apart. We vullen elkaar mooi aan.’ De samenwerking breidt zich inmiddels uit buiten het oorspronkelijke ERACoSysMed-project. Ook de TU Eindhoven, het Amsterdam UMC en de Mayo Clinic in de VS werken samen met het Radboudumc. Van der Laak: ‘Het idee is dat onze modellen universeel inzetbaar worden, zodat alle patiënten wereldwijd er baat bij kunnen hebben.’

Tijd besparen

Maar zover is het nog niet, benadrukt Hermsen. ‘De modellen herkennen al veel, maar het kan nog beter. Verder moeten we samen met pathologen gaan bekijken waar onze modellen van toegevoegde waarde kunnen zijn.’ Uiteindelijk kan het algoritme de patholoog veel tijd besparen, daarvan is de promovenda overtuigd. ‘De patholoog kan niet alleen efficiënter werken, het is ook mogelijk diagnoses objectiever te stellen. Bovendien hopen we natuurlijk afstoting van donornieren eerder te signaleren en te voorkomen. Dat is ons uiteindelijke doel.’

Systeemgeneeskunde
ERACoSysMed (ERA-net Cofund Systems Medicine) is een internationaal netwerk dat subsidierondes organiseert om de systeemgeneeskunde in Europa te stimuleren. Deze systems medicine zet computermodellen en grote hoeveelheden klinische en biologische data in voor een meer persoonsgerichte zorg. Een behandeling op maat zal meer effect hebben en minder bijwerkingen. Om dit te realiseren stimuleert ERACoSysMed clinici, biologen, bio-informatici, genetici en farmacologen om internationaal samen te werken. ZonMw organiseert in ERACoSysMed onder meer drie subsidieoproepen, zes awareness events en vijf workshops. 
 


Auteur: John Ekkelboom
Fotograaf: Marcel Krijgsman
Publicatiedatum: 2 april 2019

Naar boven
Direct naar: InhoudDirect naar: NavigatieDirect naar: Onderkant website