Predicting high-risk HPV infection and genotype co-infection using genital tract microecological and pathogen characteristics: a machine learning study

Baalkanker blijft een van de grootste bedreigingen voor de gezondheid van vrouwen wereldwijd, terwijl de oorsprong ervan opmerkelijk specifiek is. De ziekte begint bijna altijd met een aanhoudende infectie door een groep virussen die bekend staat als hoog-risico human papillomavirus. Hoewel het immuunsysteem deze virussen meestal zelf opruimt, kunnen ze soms blijven hangen, wat veranderingen in de cellen van de baarmoederhals veroorzaakt die uiteindelijk tot kanker kunnen leiden. Decennialang hebben artsen zich gericht op het detecteren van het virus zelf, maar een groeiende hoeveelheid bewijs suggereert dat de omgeving waarin het virus leeft een cruciale rol speelt in de vraag of het blijft of vertrekt. Deze omgeving is het vaginale microbioom, een complexe gemeenschap van bacteriën en andere micro-organismen. Wanneer deze gemeenschap gezond is, wordt zij gedomineerd door beschermende bacteriën die het gebied zuur en veilig houden. Wanneer deze uit balans raakt, vaak dysbiose genoemd, kan dit omstandigheden creëren waarin virussen zich kunnen nestelen of aanhouden. Het begrijpen van hoe deze microscopische ecosystemen interageren met virale infecties zou een nieuwe manier kunnen bieden om te voorspellen wie een risico loopt voordat er een ziekte zelfs maar begint.

Onderzoekers van het Hainan Women and Children's Medical Center in China hebben onlangs geprobeerd deze relaties in kaart te brengen met behoud van een grote groep patiënten en geavanceerde computeranalyse. Ze verzamelden gegevens van 3.403 vrouwen die tussen 2022 en 2025 het kliniek bezochten voor routinematige gynaecologische zorg. Voor elke vrouw verzamelde het team drie verschillende soorten informatie: of zij hoog-risico human papillomavirus droeg, de specifieke soorten bacteriën en andere microben die aanwezig waren in haar vaginale kanaal, en of zij infecties had van veelvoorkomende pathogenen zoals Chlamydia of Ureaplasma. Het doel was om te zien of de staat van de vaginale omgeving en de aanwezigheid van andere ziektekiemen de aanwezigheid van het virus konden voorspellen, en zo ja, om een computermodel te bouwen dat deze voorspelling voor toekomstige patiënten zou kunnen doen.

De studie bevestigde dat de vaginale omgeving inderdaad een sterke indicator is voor de aanwezigheid van het virus. De onderzoekers vonden dat vrouwen die positief testten op hoog-risico human papillomavirus aanzienlijk vaker specifieke genitale tractinfecties hadden, met name die veroorzaakt door Ureaplasma urealyticum en Chlamydia trachomatis. Ze vonden ook dat deze vrouwen vaker tekenen vertoonden van een ongebalanceerd vaginaal ecosysteem, zoals een hogere vaginale pH, de aanwezigheid van bepaalde enzymen die celwanden afbreken, en een overvloed aan ronde bacteriën. Omgekeerd waren vrouwen met een hoger aandeel beschermende Lactobacillus-bacteriën minder geneigd het virus te dragen. Deze bevindingen bleven overeind zelfs nadat de onderzoekers rekening hielden met andere factoren zoals leeftijd, wat suggereert dat de gezondheid van het vaginale microbioom en de aanwezigheid van specifieke bacteriële infecties onafhankelijke factoren zijn in het risico op het dragen van het virus.

Om deze observaties om te zetten in een praktisch hulpmiddel, trainden het team zeven verschillende computerleermodellen om te voorspellen wie positief zou testen op het virus. Ze voedden de modellen met gegevens over de bacteriële balans, de aanwezigheid van pathogenen en de leeftijd van de patiënt, en testten vervolgens hoe goed de modellen de resultaten konden raden voor een groep patiënten die ze nog niet eerder hadden gezien. Het best presterende model was een random forest-algoritme, een type computerprogramma dat beslissingen neemt door veel kleine beslissingsbomen te bouwen en hun antwoorden te combineren. Dit model identificeerde correct ongeveer 73,5 procent van de vrouwen die het virus hadden en behaalde een discriminatiescore van 0,772, wat wijst op een matig niveau van nauwkeurigheid. De computeranalyse onthulde dat de krachtigste voorspellers de aanwezigheid van Ureaplasma, de leeftijd van de patiënt, de aanwezigheid van Chlamydia en de overvloed aan ronde bacteriën waren. Het model toonde ook aan dat een hoger aantal beschermende Lactobacillus-bacteriën het voorspelde risico verlaagde, wat de gedachte versterkt dat een gezond microbioom als een barrière fungeert.

De onderzoekers pakten ook een complexere vraag aan: kunnen deze factoren niet alleen de aanwezigheid van het virus voorspellen, maar ook welk specifiek type van het virus een vrouw heeft? Aangezien één persoon tegelijkertijd geïnfecteerd kan zijn met meerdere stammen van het virus, is dit een moeilijke puzzel voor computers om op te lossen. Het team gebruikte een gespecialiseerde methode genaamd ensemble classifier chains, die de computer in staat stelt om te overwegen hoe verschillende typen virussen samen kunnen voorkomen. Hoewel de algehele nauwkeurigheid voor het voorspellen van specifieke combinaties van virustypen laag was, presteerde de methode die rekening hield met de relaties tussen verschillende typen virussen iets beter dan een methode die elk type virus als volledig afzonderlijk behandelde. Dit suggereert dat er subtiele patronen kunnen zijn in hoe verschillende virusstammen samenleven, hoewel de gegevens nog niet sterk genoeg waren om deze patronen duidelijk te definiëren.

Ondanks deze veelbelovende inzichten benadrukken de auteurs voorzichtig dat hun werk een startpunt is en geen voltooide oplossing. Het door hen gebouwde computermodel is nog niet nauwkeurig genoeg om te worden gebruikt voor het nemen van medische beslissingen of het vervangen van standaard screeningsonderzoeken. De studie werd uitgevoerd op een specifieke groep vrouwen die een kliniek bezochten, van wie velen symptomen hadden, waardoor de resultaten mogelijk niet van toepassing zijn op alle vrouwen in de algemene populatie. Bovendien, omdat de studie naar gegevens van één specifiek tijdstip keek, kan het niet bewijzen dat de bacteriële infecties of het ongebalanceerde microbioom ervoor hebben gezorgd dat het virus voortduurde; het toont alleen aan dat ze ermee verbonden zijn. De onderzoekers benadrukken dat grotere studies nodig zijn om deze bevindingen te bevestigen en om te bepalen of het herstellen van de vaginale omgeving daadwerkelijk kan helpen om het virus te klaren. Voor nu biedt het werk een duidelijker beeld van het biologische landschap waarin hoog-risico human papillomavirus gedijt, waarbij wordt benadrukt dat de gezondheid van de omliggende microbiële gemeenschap een sleutelstuk is in het begrijpen van het risico op baarmoederhalskanker.