Repurposing cardiovascular disease prediction models for cancer

Deze studie toont aan dat na recalibratie bestaande cardiovasculaire risicomodellen vergelijkbare prestaties leveren als gespecialiseerde kankerrisicomodellen bij het voorspellen van het 10-jaarlijkse risico op het ontwikkelen van kanker, waardoor ze bruikbaar zijn voor preventie en risicogestuurde monitoring.

De kern

Titel: De Hart- en Vaatarts die ook Kanker kan Voorspellen: Een Nieuwe Wending

Stel je voor dat je een zeer ervaren brandweerman hebt. Deze brandweerman is gespecialiseerd in het voorspellen van branden in huizen. Hij kijkt naar rook, oude stopcontacten en houten vloeren om te zeggen: "Hé, dit huis heeft een grote kans om binnen 10 jaar in vlammen op te gaan."

In de medische wereld is deze brandweerman een hart- en vaatmodel (zoals QRISK3). Artsen gebruiken deze modellen al jaren om te voorspellen wie een hartaanval of beroerte krijgt. Ze kijken naar factoren zoals roken, bloeddruk en cholesterol.

Het grote idee van dit onderzoek:
De onderzoekers vroegen zich af: "Kan deze brandweerman, die zo goed is in het zien van brand, ook zien waar er een inbraak (kanker) dreigt?"

Het klinkt gek, maar het heeft zin. Want wat veroorzaakt een brand? Vaak oude bedrading en rook. Wat veroorzaakt kanker? Vaak dezelfde dingen: roken, een ongezonde levensstijl en bepaalde erfelijke factoren. De onderzoekers dachten: "Misschien kan de brandweerman, als we hem even een nieuwe bril opzetten, ook de inbrekers zien aankomen."

Wat hebben ze gedaan?

1. De Oude Kaart Hergebruikt: Ze namen vier bestaande, zeer bekende modellen die artsen gebruiken om hartziektes te voorspellen.
2. De Test: Ze lieten deze modellen kijken naar de medische dossiers van bijna 500.000 mensen in het Verenigd Koninkrijk. Ze keken of de modellen konden voorspellen wie in de komende 10 jaar kanker zou krijgen.
3. De Vergelijking: Ze vergeleken dit met een bestaande, maar minder bekende "kanker-specialist" (het QCancer-model).

Wat kwam er uit?

Het resultaat was verrassend goed!

• De Brandweerman is ook een Inbraak-expert: De hart- en vaatmodellen waren net zo goed in het voorspellen van kanker als de speciale kanker-modellen. Voor bepaalde soorten kanker, zoals longkanker, maagkanker en leverkanker, waren ze zelfs heel nauwkeurig.
• De "Nieuwe Brillen" (Her-calibratie): Aanvankelijk waren de hartmodellen niet perfect afgesteld voor kanker (net als een brandweerman die denkt dat elke inbraak een brand is). Maar door ze even te "herkalibreren" (de instellingen aan te passen), werkten ze perfect. Ze gaven nu precies het juiste risico aan.
• De Belangrijkste Signalen: Wat bleek de belangrijkste oorzaak voor zowel branden als inbraken? Roken en hoge bloeddruk. Als je deze factoren ziet, is het risico op zowel hartziektes als kanker hoger.

Waarom is dit belangrijk voor jou?

Stel je voor dat je naar de huisarts gaat voor je jaarlijkse check-up. Vandaag wordt je hart- en vaatrisico berekend. Je krijgt een briefje met daarop: "Je risico op een hartaanval is 10%."

Met deze nieuwe methode zou die arts tegelijkertijd kunnen zeggen: "En weet je, omdat je dezelfde risicofactoren hebt, is je risico op kanker ook iets verhoogd."

De voordelen:

• Geen extra werk: De artsen hoeven geen nieuwe vragenlijsten in te vullen of nieuwe apparatuur aan te schaffen. Het zit al in hun computersystemen.
• Vroegtijdig ingrijpen: Als iemand een hoog risico heeft, kunnen ze eerder beginnen met preventie (zoals stoppen met roken of gezonder eten) of eerder gecontroleerd worden.
• Twee vliegen in één klap: Door te kijken naar het hart, beschermen we ook de rest van het lichaam tegen kanker.

Conclusie

Dit onderzoek laat zien dat we niet altijd nieuwe, dure tools hoeven te bouwen. Soms moeten we alleen maar kijken naar de slimme tools die we al hebben, en ze op een nieuwe manier gebruiken.

Het is alsof je een sleutel hebt die je deur (hart) openmaakt, en je ontdekt dat diezelfde sleutel ook je achterdeur (kanker) openmaakt. Dat is een enorme stap voorwaarts in het voorkomen van ziekten, zonder dat het de patiënt of het systeem extra kost.

Kortom: De artsen krijgen een nieuwe, krachtige manier om jou te helpen gezond te blijven, door simpelweg beter te kijken naar wat ze al weten.

Technische samenvatting

Probleemstelling

Kanker en cardiovasculaire ziekte (CVD) zijn samen verantwoordelijk voor de helft van alle sterfgevallen wereldwijd. Beide aandoeningen delen gemeenschappelijke risicofactoren (zoals roken, bloeddruk en leefstijl) en kunnen via vergelijkbare interventies worden voorkomen. Ondanks deze overlap zijn de benaderingen voor vroege opsporing fundamenteel verschillend:

• CVD: Gebruikt breed ingevoerde risicomodellen (zoals QRISK3) om toekomstige ziekte te voorspellen en preventieve medicatie (bijv. statines) te sturen.
• Kanker: Concentreert zich voornamelijk op screeningsprogramma's (zoals mammografie of colonoscopie) die alleen gericht zijn op het detecteren van reeds bestaande, vroege ziekte bij specifieke leeftijdsgroepen, in plaats van het voorspellen van toekomstige risico's bij gezonde individuen.

Bestaande kankerrisicomodellen (zoals QCancer) worden in de klinische praktijk weinig gebruikt. De auteurs stellen de vraag of de reeds in de zorg ingebouwde CVD-risicomodellen kunnen worden "hergebruikt" (repurposed) om ook individuen met een verhoogd risico op het ontwikkelen van kanker te identificeren, zonder extra resources te vereisen.

Methodologie

De studie is een retrospectieve cohortstudie die gebruikmaakte van twee grote databronnen in het Verenigd Koninkrijk:

1. UK Biobank (UKB): 502.126 deelnemers (20% gebruikt voor recalibratie, 80% voor validatie).
2. Clinical Practice Research Datalink (CPRD): 4,8 miljoen deelnemers voor externe validatie.

Modellen:
Er werden vier bestaande CVD-predictiemodellen getest:

• QRISK3
• Pooled Cohort Equations (PCE)
• SCORE2
• SCORE2-OP (voor ouderen)

Deze modellen werden vergeleken met het bestaande kankerrisicomodel QCancer.

Uitkomsten en Analyse:

• Doel: Voorspelling van 10-jarig risico op incidentele kanker (alleen niet-melanoom huidkanker uitgesloten), specifieke kankertypen, en de gezamenlijke uitkomst van CVD en kanker.
• Recalibratie: De CVD-modellen werden opnieuw gekalibreerd (intercept en helling aangepast) op basis van 20% van de UKB-cohort om de voorspellingen af te stemmen op de incidentie van kanker in plaats van CVD.
• Prestatie-indicatoren:
  • Discriminatie: Gemeten met de c-statistiek (AUC).
  • Kalibratie: Gemeten via kalibratie-intercept en -helling (hoe goed de voorspelde risico's overeenkomen met waargenomen risico's).
  • Feature Importance: Permutatie-importentie-analyse op QRISK3 om te bepalen welke variabelen het meest bijdroegen aan de voorspellende kracht voor kanker.
• Sensitiviteitsanalyses: Inclusief landmark-analyse (uitsluiten van kankers binnen de eerste 3 jaar om subklinische ziekte te minimaliseren) en imputatie van ontbrekende data.

Belangrijkste Bijdragen

1. Conceptueel bewijs: Het aantonen dat modellen die specifiek zijn ontworpen voor CVD, na recalibratie, uitstekend kunnen fungeren als kankerrisicomodellen voor een breed scala aan kankertypen.
2. Implementatie: De ontwikkeling van een API en een webapplicatie waarmee deze hergebruikte modellen direct in bestaande elektronische patiëntendossiers (zoals in de UK NHS) kunnen worden geïntegreerd.
3. Klinische relevantie: Het voorstellen van een strategie om kankerpreventie en -screening te integreren in bestaande CVD-preventieprogramma's (zoals de NHS Health Check), wat de kosteneffectiviteit en haalbaarheid vergroot.

Resultaten

• Discriminatie:
  • Voor incidentele CVD presteerden de modellen zoals verwacht (c-statistiek 0,71–0,74).
  • Voor algemene kanker bereikten de CVD-modellen een c-statistiek van 0,63, wat vergelijkbaar is met QCancer (0,65).
  • Voor specifieke kankertypen (maag-oesofageaal, lever/galwegen, larynx, nier, long) presteerden de CVD-modellen zeer goed (c-statistiek 0,70–0,81).
  • Voor longkanker presteerde QCancer iets beter (0,80) dan de CVD-modellen (0,75), maar bij niet-rokers waren de prestaties vergelijkbaar.
  • De modellen konden ook goed onderscheid maken tussen mensen die zowel CVD als kanker ontwikkelden (c-statistiek tot 0,78).
• Kalibratie:
  • Na recalibratie toonden de modellen een bijna perfecte kalibratie in zowel UKB als CPRD (intercept ~0, helling ~1,0).
  • De prestaties waren robuust over de twee verschillende populaties (UKB en CPRD) met een hoge correlatie in discriminatie (Spearman's r 0,76–0,84).
• Risicofactoren:
  • Na leeftijd waren rookstatus en systolische bloeddruk de meest invloedrijke voorspellers voor kanker in de QRISK3-modellen. Dit onderstreept de biologische link tussen CVD-risicofactoren en kankerontwikkeling.
• Controle: De modellen presteerden slecht (c-statistiek ~0,5) voor een negatieve controle (ongevallen), wat aangeeft dat de voorspellingen specifiek zijn voor ziekte en niet het gevolg zijn van toeval.

Betekenis en Conclusie

De studie concludeert dat breed ingevoerde CVD-risicomodellen effectief kunnen worden hergebruikt om individuen met een verhoogd risico op kanker te identificeren. Dit heeft belangrijke implicaties voor de volksgezondheid:

1. Efficiëntie: Het maakt gebruik van bestaande infrastructuur in de huisartsenpraktijk, waardoor geen nieuwe, dure screeningsystemen nodig zijn.
2. Gestratificeerde screening: Het stelt artsen in staat om kankerscreening (bijv. longkanker-CT of multi-cancer early detection tests) te richten op hoog-risicopopulaties in plaats van alleen op leeftijd, wat de kosteneffectiviteit van screening verbetert.
3. Preventie: Het biedt een krachtig instrument om patiënten te motiveren tot leefstijlveranderingen (stoppen met roken, bloeddrukverlaging) die zowel CVD als kanker kunnen voorkomen.

De auteurs benadrukken dat deze aanpak de overgang van "ziektebehandeling" naar "preventie" ondersteunt, in lijn met het UK 10-jaar gezondheidsplan, en dat de hergebruikte modellen nu beschikbaar zijn via een open API voor klinisch gebruik.