Dit jaar namen wereldwijd vele duizenden vrijwilligers deel aan klinische proeven voor vaccins tegen het coronavirus. Als we die personen hadden kunnen vervangen door virtuele patiënten, dan waren sommige vaccins wellicht sneller ontwikkeld. Wie weet hoeveel levens we dan hadden kunnen redden.
Het lijkt wel alsof elke dag iemand een of ander nieuw algoritme ontwikkelt dat computers toelaat een ziekte met een ongeziene accuraatheid te diagnosticeren. Het blaast de voorspellingen dat computers snel de plaats van artsen zullen innemen nieuw leven in.
Controleren of een nieuwe therapie veilig is kan veel sneller met tests op virtuele organen
Wat als computers ook patiënten kunnen vervangen? Als virtuele mensen in sommige stadia van de studies naar het coronavirus echte proefpersonen hadden vervangen, dan hadden we sneller een preventief middel gevonden en hadden we de pandemie vroeger kunnen afremmen. Op dezelfde manier hadden onderzoekers onbruikbare kandidaat-vaccins in een vroeger stadium kunnen identificeren. Dat zou de kosten van de studie hebben verlaagd en minder vrijwilligers zouden met die vaccins in aanraking zijn gekomen.
Het zijn enkele van de voordelen die de zogenoemde in-silicogeneeskunde biedt. Daarin testen onderzoekers geneesmiddelen en behandelingen op virtuele organen of lichaamssystemen om te voorspellen hoe een echte patiënt zal reageren. In de nabije toekomst zullen nog patiënten van vlees en bloed nodig zijn in de laatste stadia van de studies. Maar in-silicoproeven moeten het wel al mogelijk maken om op een snelle en goedkope manier te achterhalen hoe veilig en effectief een kandidaat-therapie is. Daardoor zal het aantal levende proefpersonen nodig voor experimenten drastisch afnemen.
Onderzoekers geven virtuele organen vorm door anatomische gegevens van echte organen in te voeren in een wiskundig model. Dat model brengt de mechanismen in kaart die de functies van een orgaan regelen. Algoritmes die draaien op krachtige computers lossen de resulterende vergelijkingen en wiskundige onbekenden op, totdat het virtuele orgaan eruitziet en zich gedraagt zoals zijn fysieke voorbeeld.
Snellere proeven, minder risico’s
Klinische studies zijn al tot op zekere hoogte aan de gang. De Amerikaanse gezondheidsautoriteit FDA gebruikt bijvoorbeeld simulaties in plaats van tests met mensen om nieuwe mammografiesystemen te evalueren. Het agentschap heeft ook richtlijnen gepubliceerd voor apparaten en medicijnproeven waarbij virtuele patiënten betrokken zijn. In-silicogeneeskunde versnelt de resultaten van klinische proeven en beperkt de risico’s. Bovendien kan het riskante interventies vervangen die nodig zijn om bepaalde aandoeningen te diagnosticeren of om een behandeling op te stellen.
HeartFlow Analysis, een door de FDA goedgekeurde clouddienst, stelt clinici in staat om kransslagaderaandoeningen te identificeren via CT-beelden van het hart van de patiënt. Het systeem gebruikt die beelden om een model te maken van het bloed dat door de kransslagaders stroomt. Daarin zoekt het dan naar afwijkende waarden. Zonder deze technologie zouden artsen een invasieve röntgenfoto moeten maken om te beslissen of en hoe ze moeten ingrijpen.
Experimenteren met modellen van individuele patiënten kan ook helpen om de therapie voor een aantal aandoeningen te personaliseren. Vandaag al wordt in-silicogeneeskunde gebruikt bij de behandeling van diabetes.
Draagvlak nodig
De filosofie achter in-silicogeneeskunde is niet nieuw. Decennialang al vertrouwen allerlei technische wetenschappen op manieren om na te gaan hoe een gegeven object zich gedraagt onder diverse omstandigheden. Simulaties worden bijvoorbeeld gebruikt om vliegtuigen of gebouwen vorm te geven. Maar voordat het medisch onderzoek daarin kan meegaan, moeten nog diverse hindernissen worden overwonnen.
Er zijn nog een aantal verbeteringen nodig om de voorspellende kracht en betrouwbaarheid van die technologie te garanderen. Dat betekent onder meer dat we kwaliteitsvolle databanken moeten aanleggen met gegevens uit een groot en etnisch divers patiëntenbestand, met zowel vrouwen en mannen. Verder moeten wiskundige modellen worden verfijnd zodat ze rekening houden met de vele processen in het lichaam die met elkaar in wisselwerking staan. En AI-technieken uit spraak- en beeldherkenning moeten worden aangepast en uitgebreid om biologische inzichten te verschaffen.
Diverse spelers, zowel uit de wetenschappelijke gemeenschap als uit de industrie, werken aan die verbeteringen. Voorbeelden zijn initiatieven als het Living Heart-project van Dassault Systèmes, het Virtual Physiological Human Institute for Integrative Biomedical Research en Microsofts Healthcare NExT.
De voorbije jaren hebben de FDA en de Europese regelgevende instanties al een aantal commerciële toepassingen goedgekeurd. Maar om aan de eisen van de regelgeving te voldoen is nog veel tijd en geld nodig. Het wordt ook een uitdaging om voldoende vraag te creëren voor deze instrumenten, gezien de complexiteit van het ecosysteem in de gezondheidszorg. In-silicogeneeskunde moet in staat zijn om kosteneffectieve waarde te leveren aan patiënten, clinici en gezondheidsorganisaties. Maar eerst moeten zij de technologie aanvaarden.
