Exploring Clinical Phenotypes of Pancreatic Cancer in 2-year Survival and Treatment Patterns: A Retrospective Registry-Based Cluster Analysis

Stel je het menselijk lichaam voor als een bruisende, complexe stad. Soms komt er een ongekwalificeerde bouwploeg opdagen die chaotische, gevaarlijke constructies begint te bouwen die daar niet horen te zijn. Dit is kanker. In de meeste steden kunnen de politie deze slechte bouwprojecten vroegtijdig opsporen en stoppen. Maar in de stad van de pancreas – een klein, vitaal orgaan dat verscholen ligt achter de maag en helpt bij de spijsvertering en het reguleren van de bloedsuikerspiegel – begint het probleem vaak geruisloos. Tegen de tijd dat de "constructie" wordt opgemerkt, heeft deze meestal al wijd en breed verspreid, wat het een van de gevaarlijkste soorten kanker maakt.

Lange tijd hebben artsen alle gevallen van pancreaskanker op ongeveer dezelfde manier behandeld, voornamelijk gebaseerd op hoe groot de tumor is of of deze is uitgezaaid. Maar net zoals elke stadswijk zijn eigen unieke sfeer heeft, is elke patiënt met deze kanker anders. Sommige tumoren zijn traag en stil; andere zijn agressief en snel. Sommige patiënten reageren goed op chirurgie, terwijl anderen beter af zijn met medicijnen. De grote vraag waar wetenschappers zich mee bezighouden is: Kunnen we stoppen met iedereen te behandelen alsof ze hetzelfde zijn? Kunnen we deze patiënten indelen in verschillende "wijken" of groepen op basis van hun specifieke kenmerken, zodat we hen precies de juiste hulp kunnen bieden? Hier komt het idee van "fenotypen" kijken. Denk aan een fenotype niet als een medische jargonterm, maar als een "profiel" of een "karakterblad" dat de leeftijd van een patiënt, het type tumor dat zij hebben en de behandelingen die zij ontvangen, beschrijft. Als we deze onderscheidende profielen kunnen vinden, kunnen we eindelijk de code kraken om deze lastige ziekte beter te behandelen.

Dit is precies wat Louisa Schwarz en Christina Justenhoven in hun nieuwe studie wilden doen. Ze traden op als digitale detectives en gebruikten een enorm computerprogramma om de medische dossiers van 1.158 patiënten met pancreaskanker te doorzoeken. In plaats van te gokken welke patiënten op elkaar leken, lieten ze de data voor zichzelf spreken met een methode die "clustering" wordt genoemd. Stel je voor dat je een enorme doos hebt met gemengde LEGO-steentjes van verschillende kleuren, vormen en maten. Als je de doos schudt en de steentjes zichzelf laat sorteren op basis van hoe ze in elkaar passen, krijg je misschien stapels rode steentjes, blauwe steentjes en vreemd gevormde steentjes. Dat is wat de computer hier deed. Het keek naar alles over de patiënten – hun leeftijd, of ze man of vrouw waren, waar de tumor zat, hoe agressief deze er onder een microscoop uitzag en welke behandelingen ze kregen – en groepeerde hen in zes duidelijke "wijken" of fenotypes.

De resultaten waren fascinerend en onthulden een duidelijke kaart van risico's. De studie vond zes zeer verschillende groepen, die elk hun eigen verhaal hebben. Aan het "veiligste" uiteinde van de kaart bevond zich een kleine groep jongere patiënten met laag-risicotumoren en geen uitzaaiingen naar nabijgelegen lymfeklieren. Deze patiënten hadden de beste kans om twee jaar te overleven zonder dat de kanker terugkwam. Aan het andere uiteinde van de kaart bevond zich een groep jongere patiënten die, helaas, al uitzaaiingen hadden naar verre delen van hun lichaam. Deze groep liep het hoogste risico, met een kans op een incident (zoals overlijden of het verergeren van de kanker) die vijf keer hoger was dan bij de veiligste groep.

In het midden vonden de onderzoekers de meest voorkomende "wijken". Deze omvatten oudere vrouwen en mannen met laaggradige tumoren die zich niet ver hadden verspreid. Hoewel deze patiënten een betere prognose hadden dan de meest gevorderde gevallen, liepen zij nog steeds een dubbel risico vergeleken met de veiligste groep. Interessant genoeg merkten de onderzoekers op dat veel van deze "middenmoot"-patiënten een operatie ondergingen, maar daarna geen vervolgmedicatie (chemotherapie) kregen. De gegevens suggereerden dat het toevoegen van die medicatie voor deze specifiejes groepen het risico daadwerkelijk zou kunnen verlagen, wat erop wijst dat ze mogelijk een nuttige behandeling missen.

Daarna waren er de groepen met hooggradige, agressieve tumoren. Eén groep had zeer gevorderde tumoren, maar de kanker was nog vroeg genoeg ontdekt voor een gedeeltelijke chirurgische ingreep. Een andere groep, voornamelijk oudere patiënten, onderging een massale, totale verwijdering van de pancreas. Beide groepen kampten met aanzienlijk hogere risico's, waarbij de groep met de totale verwijdering het hoogste risico liep onder degenen die een operatie ondergingen. De studie suggereert dat het gevaar voor deze patiënten voortkomt uit het agressieve karakter van de tumor zelf, in plaats van alleen uit het type operatie dat zij ondergingen.

Wat dit onderzoek zo spannend maakt, is dat het niet simpelweg geraden heeft; het heeft echt wereldwijde data van meer dan duizend mensen gebruikt om te bewijzen dat deze zes groepen echt en onderscheidend zijn. De onderzoekers hebben aangetoond dat deze groepen niet slechts willekeurige verzamelingen mensen zijn; ze volgen de regels van hoe de ziekte zich daadwerkelijk gedraagt. De "veilige" groep bleef veilig, de "gevaarlijke" groep bleef gevaarlijk, en de "midden"-groepen hadden hun eigen specifieke uitdagingen.

De auteurs benadrukken echter voorzichtig dat dit een startpunt is, en niet het definitieve antwoord. Ze ontdekten dat hoewel de groepen duidelijk zijn, de data niet altijd een perfect verband lieten zien tussen een specifieke behandeling en een beter resultaat voor elke individuele groep, deels omdat de aantallen in sommige groepen klein waren. Ze merkten ook op dat hun gegevens beperkt waren tot basisinformatie en geen zaken bevatten zoals familiegeschiedenis of levensstijlfactoren.

Dus, wat is de kernboodschap? Deze studie suggereert dat pancreaskanker niet één groot, eng monster is; het is eigenlijk een verzameling van zes verschillende "monsters", elk met hun eigen sterktes en zwaktes. Door deze verschillen te herkennen, kunnen artsen stoppen met de "one-size-fits-all"-benadering. In plaats daarvan zouden ze naar het "profiel" van een patiënt kunnen kijken en zeggen: "Ah, u bent in Groep 3, wat betekent dat u deze specifieke behandeling nodig heeft," of "U bent in Groep 5, en u zou baat kunnen hebben bij het toevoegen van medicatie na uw operatie." Het is een stap naar een toekomst waarin de behandeling van kanker even uniek en gepersonaliseerd is als de mensen die het doel heeft te helpen.