Behandelsucces ‘oefenen’ op digitale kopie van je lichaam

Als artsen het behandelsucces voor iedere persoon afzonderlijk zouden kunnen voorspellen, dan belast je patiënten niet onnodig en bespaar je flink op zorgkosten. Onderzoeker Natal van Riel van de TU Eindhoven werkt aan wiskundige modellen die de menselijke stofwisseling voor iedere persoon in beeld brengt. Met zijn onderzoeksproject Digitwin wil hij in de toekomst een digitale kopie van de patiënt gebruiken om zo het succes en de benodigde nazorg van behandelingen als een maagverkleining bij obesitas vooraf in te schatten.

Hilde de Laat
6 oktober

Elke mens is uniek. Met een uniek leven in een unieke omgeving, uniek gedrag, een uniek genoom en een unieke geschiedenis aan ziektes. Daarom reageert elke persoon anders op een behandeling, en slaat medicatie niet altijd aan. Artsen kunnen dit verschil moeilijk inschatten. Uit dat gegeven is in de wetenschap een nieuw onderzoeksveld ontstaan: gepersonaliseerde geneeskunde. TUE-onderzoeker Natal van Riel legt uit: ‘Vanuit de gedachte dat de gemiddelde patiënt niet bestaat, proberen we met computermodellen de reactie van een individu op een therapie of medicijn vooraf te voorspellen.’

Met de toename van metende burgers, die met fitbits en andere apps hun eigen gezondheid in de gaten houden, komen er per individu steeds meer gegevens beschikbaar. Op dit moment blijft deze goudmijn aan gegevens ongebruikt door artsen, terwijl ze juist ontzettend interessant zijn om te bepalen wat jou anders maakt dan anderen. Als mensen deze apps gedurende langere tijd gebruiken, loopt de resulterende database als het ware parallel met je leven.

Dat is precies de informatie die het onderzoeksprogramma Digitwin wil gebruiken. Uiteraard met inachtneming van zaken als privacy, ethiek en gegevensbeveiliging. Van Riel: ‘We maken een computermodel op basis van de berg aan gegevens. En doordat het model steeds gebruikmaakt van nieuwe gegevens, die de persoon over een langere periode verzamelt, groeit het model met het individu mee. Er ontstaat zo een digitale tweeling van het individu. In ons geval een versimpelde digitale tweeling van je stofwisselingssysteem.’

Van algemeen naar persoonlijk

De menselijke stofwisseling is echter een ontzettend complex systeem om na te bouwen. Niet alleen de voedselinname speelt een rol, maar ook bacteriën in de darmen en hormonen die spijsverteringsprocessen aan en uit moeten zetten. Om hiervan een digitale tweeling te ontwikkelen, moet je eerst weten hoe die processen werken. Van Riel: ‘Dan pas kun je bepalen wat een gezond systeem anders maakt van een ongezond systeem.’

 advertorial 

Keynote by ASML during the Digital Twin Conference

On 4 November, the online Digital Twin Conference will take place. The keynote by Ignacio Alonso and Helen Kardan will introduce ASML’s vision and dream for digitalization of ASML’s Twinscan products, an enabler for future societal and industrial progress. Get your online ticket now to receive access to the livestream and the presentation videos (on demand).

Heb je zo’n standaardmodel eenmaal ontwikkeld, dan kun je aan de slag met het individu. In plaats van standaardwaarden vullen Van Riel en de onderzoekers in zijn groep de modellen met persoonlijke gegevens van een individuele patiënt, bijvoorbeeld de hormoonwaarden en het eetpatroon van die persoon. Daarna kunnen ze simulaties gaan uitvoeren; het aanpassen van de voeding of het simuleren van een operatie. De kettingreactie die deze ingreep teweegbrengt, is zichtbaar als output van het systeem. En daarin zie je dus of de ingreep succesvol is voor de stofwisseling van de patiënt, of niet.

Obesitas en diabetes

De levensstijl van een persoon speelt een enorme rol in zijn of haar stofwisseling. Zo kan een ongezonde levensstijl bijdragen aan het ontwikkelen van allerlei ziektes, zoals obesitas en diabetes type 2. Maar dat hoeft niet. Van Riel wil weten waar die verschillen vandaan komen.

TUE-onderzoeker Natal van Riel: ‘Bij mensen met diabetes type 2 is een verstoring opgetreden, met een sterke uitwerking op ofwel de lever, ofwel de spieren. In ons model kun je die twee problemen los van elkaar onderzoeken.’

Er is bijvoorbeeld nog veel onduidelijk rondom de maagverkleiningsoperatie bij mensen met obesitas. Een gastric bypass, die de maag verkleint tot de grootte van een kiwi, leidt bij 75 procent van de mensen tot een flinke gewichtsafname. Van Riel: ‘Het vreemde is alleen dat de stofwisseling van mensen al gezonder wordt, vóórdat ze gewicht verliezen. Zo kunnen mensen met diabetes type 2 al twee weken na de operatie stoppen met het spuiten van insuline, terwijl de afname in gewicht na de operatie typisch een jaar duurt.’ Door het maken van een digitale tweeling van de stofwisseling van deze patiënten wil Van Riel ontdekken waarom dat zo is en of een ingrijpende operatie wel de juiste behandeling was voor deze specifieke patiënt.

Domeinkennis

Van Riel en zijn onderzoeksgroep zijn vooral geïnteresseerd in veranderingen over de tijd. In zijn modellen zijn die beschreven door middel van differentiaalvergelijkingen. Zijn wiskundige modellen zijn gebaseerd op wetmatigheden: de biochemische reacties die spelen tijdens vertering, opname en metabolisme. Zo voorkom je dat er een black box ontstaat, waardoor een arts altijd terug kan redeneren waarom het model een bepaalde uitkomst geeft.

Van Riel: ‘Om bestaande computermodellen over het bloedsuikerniveau in de gezonde mens te kunnen ombouwen voor toepassing op mensen met diabetes, moet je medische domeinkennis meenemen in je modellen, zoals in dit geval hoe glucose wordt opgenomen en verwerkt in een lichaam met diabetes. Pas dan kun je je model echt goed laten aansluiten bij de patiënt.’ En hoewel het evident klinkt, is dat niet het geval. Veel modellen die op basis van kunstmatige intelligentie zijn gemaakt, gaan enkel op zoek naar patronen in de gegevensberg, zonder wetmatigheden in ogenschouw te nemen.

Van Riel vervolgt: ‘Bij mensen met diabetes type 2 is een verstoring opgetreden, met een sterke uitwerking op ofwel de lever, ofwel de spieren. In ons model kun je die twee problemen los van elkaar onderzoeken. Bijvoorbeeld door te simuleren dat er geen glucose meer naar de lever gaat. In de patiënt zelf kun je dit soort onderzoeken niet uitvoeren. Terwijl wij dus aan de arts kunnen vertellen welk stukje van de glucoseopname is verstoord bij die ene patiënt.’ Zo kan de arts al voor de behandeling inschatten hoe de interventie zal aanslaan.

Diabetesgame

Het onderzoek van Van Riel is overigens niet alleen toepasbaar voor artsen. Met de diabetesresultaten is Van Riel op dit moment namelijk bezig een gepersonaliseerde diabetesgame te ontwikkelen voor patiënten. Wie net de diagnose ‘diabetes type 2’ heeft gekregen, moet nog leren omgaan met zijn ziekte. Zo moet hij leren hoe zijn lichaam reageert op bijvoorbeeld sport of voedsel, en welke keuzes daarom goed en minder goed zijn.

De game die Van Riel nu ontwikkelt samen met internist Harm Haak van het Máxima Medisch Centrum is gericht op mensen met een apparaatje dat elke vijf minuten automatisch het glucoseniveau meet. Deze gegevens gaan rechtstreeks naar het spel en groeien dus ook mee met de patiënt over tijd. Zo kan de patiënt veilig oefenen met het maken van keuzes als tuinieren of een verjaardagstaartje, op een digitale kopie van zichzelf.

Hilde de Laat is science information officer aan de TU Eindhoven. Natal van Riel geeft een presentatie op de Digital Twin Conference, 4 november in Eindhoven (www.digitaltwinconference.nl).