Praneeta Konduri, postdoc bij het Amsterdam UMC en gespecialiseerd in beeldverwerking bij patiënten met een acute ischemische beroerte

Computermodellen voor snelle en effectievere ingrepen bij acuut herseninfarct

Computermodellen die de meest kansrijke ingreep bij een herseninfarct voorspellen op basis van data van synthetische patiënten: het klinkt futuristisch, maar dankzij Praneeta Konduri en collega-onderzoekers in het Amsterdam UMC komt deze proefdiervrije oplossing steeds dichterbij. Op verzoek van TPI vertelt ze wat de innovatie precies inhoudt en hoe zowel patiënten als proefdieren ervan kunnen profiteren. “Klinisch onderzoek met proefdieren zal helaas nooit helemaal verleden tijd zijn, maar met deze technologie kan het wel veel gerichter en effectiever.”

Een acuut herseninfarct heeft niet voor niets al tijden de aandacht van medisch onderzoekers. Bij deze levensgevaarlijke situatie raakt de bloedstroom naar een deel van de hersenen geblokkeerd, waardoor daar geen zuurstof en voeding meer komt. De blokkade ontstaat meestal door een bloedstolsel in een slagader in de hersenen vanuit het hart of een van de halsslagaders. Een onmiddellijke ingreep is op zo’n moment cruciaal voor het overleven van de patiënt en het beperken van blijvende invaliditeit na afloop; hoe langer het vat is afgesloten, hoe groter bijvoorbeeld de kans dat de patiënt definitief verlamd raakt.

Razendsnel operatief ingrijpen

Praneeta legt uit dat herseninfarcten tot zo’n tien jaar geleden alleen behandelbaar waren met medicijnen. “Dat bleek lang niet altijd effectief. Gelukkig toonden Nederlandse onderzoekers – als eerste ter wereld – het extra voordeel aan van mechanische verwijdering van de bloedprop via een interventie. Hoe effectief deze behandeling ook is, er is nog veel mee te winnen, vooral bij het snel identificeren van de beste behandelingskeuze voor een patiënt. Dit is vooral belangrijk aangezien tot 50% van de beroertepatiënten na de ingreep functioneel afhankelijk blijft.”

Elke verstopping door een bloedpropje is anders

Lastig is volgens Praneeta dat elke verstopping er fysiek anders uitziet. “Soms moet de interventieradioloog het bloedpropje ‘wegzuigen’, soms werkt mechanische verwijdering met behulp van een stent het best en soms is het een combinatie van beiden. Er zijn allerlei methoden die bij een specifiek soort verstopping de voorkeur kunnen hebben. Daar rustig uit kiezen of meerdere dingen proberen is natuurlijk geen optie in een spoedeisende situatie die over leven en dood gaat. Voor een razendsnelle en effectief ingreep willen medici eigenlijk razendsnel vooraf kunnen bepalen welke behandeling bij de betreffende bloedstroom-blokkade het meest kansrijk is.”

Maatwerk per patiënt als elke seconde telt

Een extra complicerende factor bij acute herseninfarcten is dat allerlei eigenschappen van de patiënt bepalend zijn voor de geschiktheid en het effect van een bepaald type ingreep. Praneeta: “Samengevat kun je zeggen dat neurologen en interventie radiologen het liefst bij elke verstopping en per patiënt precies willen weten welk type ingreep waarschijnlijk het best uitpakt, zodat ze vervolgens razendsnel en effectief kunnen handelen. Want nogmaals: het is bij een acuut herseninfarct echt élke seconde die telt.”

Computerberekeningen versus echte proeven

Om snellere en effectievere ingrepen bij een acute beroerte mogelijk te maken, zette het Amsterdam UMC vijf jaar geleden een grootschalig consortium INSIST op. Het doel: de ontwikkeling van een proefplatform waarop computermodellen (ook wel ‘in silico’) voorspellen en in beeld brengen hoe een bloedpropje zich door een bloedvat verplaatst – en waar welk type ingreep dus het meeste effect heeft. Praneeta: “Met dit soort computermodellen is het aantal resource-intensieve en tijdrovende in-vitro- en klinische proeven flink te verminderen.”

AI-database voor synthetische patiënten en behandelingen

Praneeta noemt het vinden van voldoende data als input voor dit soort computer- of in-silico-modellen een uitdaging op zichzelf. “De modellen vereisen grote hoeveelheden gegevens, wat zeer tijdrovend en arbeidsintensief is om te verzamelen.  Bovendien kun je daar vaak niet zomaar bij in verband met de privacy van patiënten. Zo ontstond het idee om uit beschikbare data met behulp van kunstmatige intelligentie (AI) data van synthetische patiënten en behandelingen te maken. Die expertise ontbrak nog in ons team. Dr. Erik Bekkers, specialist op het gebied van geometrische machine learning en AI, bleek gelukkig bereid om deze uitdaging op zich te nemen. Dankzij hem kunnen we nu de eerste stappen zetten op weg naar het genereren van realistische virtuele infarct-data die nodig zijn voor dit soort computermodellen.”

Eerste toepassingen in de praktijk

Praneeta: “Hoewel ons onderzoek wel al de waarde van synthetische gegevens en computermodellering aantoont, zijn we nog niet zover dat we ze kunnen gebruiken in klinische besluitvorming. Ons streven is natuurlijk wel dat onze modellen snel en nauwkeurig toepasbaar zijn in de klinische praktijk. Daar werken we nu aan met een ander groot Europees consortium: GEMINI.”

Minder, gerichtere en effectievere (pre-) klinische tests

Als ethische voordelen van de innovatie noemt Praneeta allereerst de privacy-kwesties die dankzij de database van synthetische behandelgegevens verleden tijd zijn. “Maar ik ben vooral blij dat onze computermodellen waarschijnlijk tot minder, gerichtere en effectievere dierproeven gaan leiden omdat we veel meer digitaal kunnen doen. Realisme is hierbij wel belangrijk. Hoezeer ik het ook zou willen uit respect voor dieren en het leven in het algemeen, ik denk niet dat we ooit helemaal zonder dierproeven kunnen. Want hoe nauwkeurig een oplossing digitaal ook is ontwikkeld, je zult hem uiteindelijk toch een keer aan de praktijkrichtlijnen moeten toetsen – zeker als het om een medische innovatie gaat die beslist over leven of dood.”

Vertrouwen winnen van artsen en chirurgen

De grootste resterende horde voor de daadwerkelijke toepassing van computermodellen bij acute herseninfarcten schuilt volgens Praneeta niet zozeer in de innovatie zelf. “Veel belangrijker is dat we het vertrouwen winnen van alle betrokken partijen, variërend van de apparaat-ontwikkelaars tot wetgevende partijen en natuurlijk de artsen die ermee werken. Dat vertrouwen winnen we alleen met nog meer bewijs dat je er écht (voldoende) precies de werkelijkheid mee simuleert. Ik klink nu misschien gedreven, maar uiteindelijk willen wij onze oplossing absoluut niet opdringen. Pas nadat wij als onderzoekers de waarde van  technologie hebben bewezen. kan het in de praktijk worden geïmplementeerd.”

Blik in de toekomst

Op de vraag wat ze aan het einde van haar carrière bereikt wil hebben, valt Praneeta even stil. “Dat is een grote vraag, ik ben nog jong. Wat ik meer algemeen kan stellen, is dat ik veel voldoening haal uit de ontwikkeling van dit soort innovaties voor de gezondheidszorg samen met mijn team. De samenwerking met allerlei disciplines binnen consortia en in onderzoeksteams vind ik ook een leuk aspect van mijn werk, want daardoor ontwikkel ik me breed. Naast veel technische kennis krijg je zo ook zicht op andere perspectieven op innovaties. De maatschappelijk acceptatie van nieuwe technologieën zoals AI en machine learning voor medische oplossingen is bijvoorbeeld een aandachtspunt bij innovaties zoals de onze.