Transforming Early Cancer Detection outside Secondary Care Through Emerging Diagnostic Technologies
Deze horizonscan identificeert dat hoewel opkomende biomarker-gebaseerde en door AI gedreven technologieën veelbelovend zijn voor het detecteren van generieke kankersymptomen in de eerstelijnszorg en in gemeenschapsinstellingen, het vakgebied grotendeels nog in een vroege fase van laboratoriumvalidatie verkeert met aanzienlijke tekortkomingen in klinisch bewijs en implementatiegereedheid.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je het menselijk lichaam voor als een bruisende, oude stad. Jarenlang was de enige manier om een verborgen boef te vinden – een crimineel die zich in de schaduwen verbergt – wachten tot ze een enorme rel veroorzaakten in het stadscentrum (het ziekenhuis) en dan een gespecialiseerd SWAT-team sturen om te onderzoeken. Dit is hoe we momenteel de meeste kankers vangen: we wachten tot er duidelijke, luide symptomen verschijnen, wat vaak betekent dat de "misdaad" al verspreid is. Maar wat als we een manier hadden om de boef te ontdekken op het moment dat hij een briefje onder een deur door schuift, lang voordat de rel begint? Dit is de droom van "vroege kankerdetectie". Wetenschappers zijn momenteel op zoek naar nieuwe, hoogtechnologische "opsporingshonden" en "digitale spionnen" die deze vroege tekenen van kanker kunnen vinden bij mensen die zich nog niet eens ziek voelen. De grote vraag is: kunnen we deze hoogtechnologische tools uit het chique, drukke stadscentrum (ziekenhuizen) halen en naar de lokale buurtwinkels of zelfs naar de huizen van mensen brengen (eerstelijnszorg en gemeenschap)? Als we dat kunnen, kunnen we de boeven veel eerder betrappen, levens redden en de stad soepel laten draaien.
Dit artikel is als een enorme "horizon scan", een chique term voor een zeer georganiseerde schattenjacht. Een team van onderzoekers van de Newcastle University besloot naar de horizon van de wetenschap te kijken om te zien welke nieuwe tools er worden gebouwd om kanker vroegtijdig te vinden, specifiek voor die lastige kankers die geen duidelijke symptomen hebben. Ze wilden weten: welke gadgets zijn er in de werkplaats? Zijn ze klaar om gebruikt te worden in een dokterspraktijk of thuis, of zijn het nog slechts blauwdrukken?
Het team heeft de wetenschappelijke literatuur en trialregistraties vanaf 2020 doorzocht en meer dan 5.000 records gefilterd. Na een zorgvuldige selectie vonden ze 196 studies die 169 verschillende technologieën beschreven. Van deze waren er 67 specifiek ontworpen om "generieke" kankers te vangen – de soorten die moeilijk te ontdekken zijn omdat ze geen specifieke locatie of duidelijk waarschuwingssignaal hebben.
Dit is wat ze vonden in hun schatkist:
De "Opsporingshonden" (Biomarkers)
De meest voorkomende tools die ze vonden waren "biomarker-gebaseerde" technologieën. Denk aan deze als opsporingshonden die minuscule chemische aanwijzingen kunnen ruiken die door kankercellen zijn achtergelaten. De populairste "speurhond" was het zoeken naar chemische aanwijzingen in bloed, plasma of serum. Van de 67 generieke kankertechnologieën waren er 36 die specifiek naar deze chemische aanwijzingen zochten. Echter, de meeste van deze opsporingshonden bevinden zich nog in de fase van de "puppy-training". De onderzoekers gebruikten een schaal genaamd "Technology Readiness Level" (TRL) om ze te beoordelen. De meeste van deze biomarker-tools waren op TRL-4, wat betekent dat ze in een laboratoriumsetting worden getest maar nog niet in de echte wereld zijn uitgeprobeerd. Slechts een enkel klein aantal was op TRL-5 (getest in een meer realistische omgeving) of hoger.
De "Digitale Spionnen" (AI en Algoritmen)
De tweede groep tools waren de "digitale spionnen" – Kunstmatige Intelligentie (AI) en computerprogramma's. Deze tools maken gebruik van machine learning om patronen in data te vinden, zoals een detective die de verbanden legt tussen de symptomen van een patiënt, de bloedtestresultaten en de leeftijd. De meeste van deze AI-tools waren ook op TRL-4, wat betekent dat ze zich nog in de vroege ontwikkelingsfase bevinden. Interessant genoeg werden sommige van deze digitale spionnen gecombineerd met de chemische opsporingshonden om een superteam te vormen, maar ze werden zelden alleen gebruikt.
De "Thuissets" (Monstertypen)
Een van de grootste doelen was om tools te vinden die thuis of in een lokale kliniek gebruikt kunnen worden zonder dat daar een ziekenhuis voor nodig is. De onderzoekers keken naar wat voor soort "bewijs" de tools nodig hadden.
- Bloed, Plasma, Serum: De overgrote meerderheid van de tests (32 van de 36 biomarker-tests) had bloedmonsters nodig. Hoewel je in een lokale kliniek bloed kunt laten afnemen, is het niet bepaald een "doe-het-zelf" thuisset.
- Speeksel en Urine: Slechts een zeer klein aantal tests (slechts drie) gebruikte speeksel of urine, wat veel gemakkelijker thuis te verzamelen is. Eén test gebruikte zelfs een urinemonster om naar een specifiek type kanker te kijken, en een andere gebruikte speeksel.
- Het eindoordeel: Het artikel suggereert dat hoewel de technologie veelbelovend is, de meeste ervan nog beter geschikt is voor een dokterspraktijk of een laboratorium dan voor het aanrecht van een persoon.
De "Doelwitten" (Kankertypes)
De onderzoekers merkten op dat de nieuwe tools niet voor elk type kanker evenveel aandacht besteden. Ze waren sterk gericht op een specifieke groep: long-, colorectale, pancreask-, lever-, slokdarmkanker en "multi-cancer" (tools die naar veel soorten tegelijk kijken). Dit zijn de prioriteitstargets voor de ontwikkelaars op dit moment.
De Realiteitscheck
Het artikel is heel duidelijk over één ding: we zijn er nog niet. Hoewel het landschap "actief" is en vol belofte zit, is het bewijs nog in een vroeg stadium. De auteurs wijzen erop dat er grote gaten zijn die we moeten opvullen voordat deze tools breed ingezet kunnen worden. We weten nog niet zeker of ze perfect werken bij echte patiënten (klinische validiteit), hoe we met de resultaten moeten omgaan als een test positief is (wat gebeurt er daarna?), of dat ze eerlijk zullen zijn voor iedereen, ongeacht hun achtergrond. Er zijn ook vragen over hoe we deze nieuwe tools in ons huidige zorgsysteem kunnen integreren zonder voor meer verwarring te zorgen.
Kortom, dit artikel brengt een zeer drukke bouwplaats in kaart. Er zijn 67 nieuwe blauwdrukken voor het vroegtijdig opsporen van kanker, en die zien er veelbelovend uit. Maar op dit moment worden de meeste van hen nog steeds in de werkplaats gebouwd (TRL-4). De droom van een eenvoudige, thuis gebaseerde test die vage kankers vroegtijdig opspoort is mogelijk, maar het artikel suggereert dat we nog even moeten wachten, meer testen moeten doen en ervoor moeten zorgen dat deze nieuwe tools klaar zijn voor de echte wereld voordat we ze aan iedereen kunnen uitdelen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.