Jaarlijks krijgen 2000 vrouwen baarmoederkanker. Ongeveer 20% van de vrouwen daarvan overlijdt hieraan. Dat lijken gunstige cijfers, maar deze zouden veel beter kunnen zijn als de selectiecriteria op basis waarvan deze vrouwen worden doorverwezen naar de academische centra voor een uitgebreidere operatie zouden verbeteren.
Nu is de graad van de tumor bepalend. Patiënten met een graad 1 en 2 (laaggradige) tumor worden in de periferie ziekenhuizen behandeld, graad 3 (hooggradige) in de academische centra. Arts-onderzoeker Casper Reijnen: “We zien echter dat de helft van de vrouwen die overlijdt, een laaggradige tumor heeft. En we zien ook dat de graad 3 circa 75% van de vrouwen overleeft. Het lijkt er dus op dat de gradering van de tumor op zich onvoldoende voorspellend is om de patiënten al dan niet door te verwijzen naar de academische centra.”
Toepassen
Onderzoeker Casper Reijnen ontwikkelde een app die de kans op uitzaaiingen voorspelt. Hij gaat nu aansluitend het gesprek aan met artsen over hoe je deze app in de praktijk kunt toepassen en hoe je om moet gaan met kansen. Reijnen: Die kansen moet jezelf afwegen en daarbij ook de meenemen wat de gevolgen wel opereren kunnen zijn, zoals dikke benen. Dus op het moment dat we deze app gaan verspreiden, willen we daarbij ondersteuning bieden voor het gebruik daarvan in de vorm van een keuzehulp. We zullen dankzij deze app in de academische ziekenhuizen waarschijnlijk niet meer of minder patiënten opereren, maar wel de juist.”
Exact de juiste vrouwen
Gynaecologisch-oncoloog dr. Hanny Pijnenborg, die het onderzoek begeleidt: Het gaat om een groep kwetsbare vrouwen van gemiddeld zeventig, met vaak andere onderliggende ziekten zoals diabetes of hart-vaatziekten. Die wil je eigenlijk liever dicht bij huis behandelen. Maar de operatie waarbij ook de lymfeklieren in de buik verwijderd worden, is complex en wordt alleen in centra als het Radboudumc uitgevoerd en in de gelieerde klinieken Rijnstate en Canisius Wilhelmina Ziekenhuis. We zouden graag exact de juiste vrouwen op de juiste plaats opereren. Het kleine stukje tumorweefsel waarop de die beslissing nu genomen wordt, blijkt geen optimale graadmeter. Als je meer meeweegt dan de uitslag van de patholoog blijk je tot een betere selectie te kunnen komen. Zo kun je vrouwen wellicht een uitgebreide operatie in een ver ziekenhuis besparen en voor andere vrouwen die nu onderhandeld worden, kan deze operatie levensreddend zijn. Bedenk dat van de vrouwen met een laaggradige tumor die later toch uitzaaiingen in de lymfeklieren blijken te hebben, 95% verlijdt. Het onderzoek van Casper Reijnen naar de juiste selectiecriteria is nog interessanter voor de toekomst, omdat de groep vrouwen met baarmoederkanker steeds groter wordt, doordat we dikker en ouder worden.”
Beter voorspellen
Casper Reijnen: “Wij onderzoeken welke factoren nog beter kunnen voorspellen welke patiënten een agressieve óf minder agressieve vorm van baarmoederkanker hebben. Daarvoor hebben we tumorweefsel gekregen van 800 patiënten uit heel Europa. We hebben het tumorweefsel bestudeerd en hadden ook de beschikking over hun patiëntendossier, waaruit we ook zeer waardevolle informatie konden halen. Op deze tumorweefsels hebben we aanvullende eiwitbepalingen gedaan, waarmee we nog beter kunnen voorspellen welke tumoren zich agressief gedragen. We hadden bij deze vrouwen toegang tot een brede set aan medische gegevens en bovendien de uitkomst van de behandeling. Dat bleek een schat aan informatie. Op basis hiervan hebben we gewerkt aan een predictiemodel waarmee we herkennen welke patenten uitzaaiingen hebben of gaan krijgen.” Hanny Pijnenborg: “Als arts heb je een zogenaamde klinische blik. Je ziet een heleboel minder harde feiten van een patent als deze de kamer al binnenkomt en na wat eerste basale onderzoeken. Deze ‘soft markers’ bieden los van elkaar niet een echte indicatie voor het verloop van de ziekte, maar in combinatie met elkaar wel degelijk.”
Sterke markers en minder sterke markers
Casper Reijnen nam in zijn onderzoek bloedwaarden mee die voorhanden waren, zoals het ijzergehalte, de hoeveelheid bloedplaatjes en een tumormarker. Daarnaast woog hij de uitslag van het uitstrijkje dat standaard gemaakt wordt mee en uiteraard de gradering van de tumor die uit het biopt naar voren komt. Tevens gebruikte hij een viertal eiwitbepalingen die gedaan worden op het tumorbiopt. Hanny Pijnenborg:“We hebben tegenwoordig tal van hightech-mogelijkheden waarmee we DNA-mutaties in beeld brengen. Maar voor ons model gebruiken we juist geen dure analyse; maar goedkope onderzoeken die in ieder ziekenhuis uitgevoerd kunnen worden.” Reijnen: “We hebben alle markers bekeken en hebben alle literatuur over deze markers in een systematic review in beeld gebracht. Daaruit kwam een verschil tussen sterke en minder sterke markers naar voren en zagen we zelfs markers die we niet hebben meegenomen in ons definitief model BMI bijvoorbeeld. Maar uiteindelijk konden we een voorspellend model ontwikkelen op basis van de literatuur en onze grote groep patiënten. Een arts waar ook ter wereld kan waarden in een app invullen, waarna het model de kans aangeeft dat deze vrouw uitzaaiingen in de lymfeklieren heeft of gaat krijgen.
Ondersteuning bieden
Reijnen heeft het model, dat hij ontwikkelde in samenwerking met Peter Lucas, hoogleraar Kunstmatige Intelligentie, kunnen valideren op twee andere beschikbare patiëntengroepen van vrouwen met baarmoederkanker: 400 vrouwen uit Noord-Brabant en 450 vrouwen uit Noorwegen. Hierbij bleek het voorspellend vermogen van het model zeer hoog. “We hebben nu dus een model waarmee we patiënten en arts beter dan ooit kunnen ondersteunen bij het antwoord op de vraag of een vrouw doorverwezen moet worden naar een academisch ziekenhuis voor een grote ingrijpende operatie.”
Bron: Radboudumc, overgenomen uit contactblad Lynch-Polyposis van juni 2020.