Elektronische ademanalyse is in toenemende mate in staat de aanwezigheid van tumoren in het lichaam te detecteren. André Elands, directeur van de eNose Company, schetste tijdens de Oncologiedagen voor Nederland en Vlaanderen (Papendal, 14-15 november jl.) de huidige stand van zaken en zijn verwachtingen over de plaats van deze techniek in de nabije toekomst.
Vergeet het gepruts met ontlasting of het pijnlijk pletten van de borsten om na te gaan of je wellicht darm- of borstkanker hebt. Over niet al te lange tijd adem je tijdens het bevolkingsonderzoek simpelweg gedurende vijf minuten in een apparaatje en je krijgt te horen of je nog gezond bent. Tenminste, als het aan André Elands ligt. Het opsporen van kanker kan over enige tijd betrouwbaar aan de hand van ademanalyse, stelt hij in zijn voordracht.
De techniek die het door zijn firma ontwikkelde apparaat - AeonoseTM- daarbij gebruikt, berust op het maken van individuele ademprofielen.1 Zo’n profiel is niet afhankelijk van het herkennen van specifieke biomarkers in de uitgeademde lucht, maar berust op een kwantitatieve en kwalitatieve meting van geoxideerde moleculen die ontstaan nadat de uitgeademde lucht in het apparaat is verhit. Vervolgens gaat een algoritme, net zoals dat bijvoorbeeld gebeurt bij het analyseren van genetische data, op zoek naar verschillen tussen de profielen van (grote aantallen) patiënten met een klinisch bewezen vorm van kanker en de profielen van (grote aantallen) personen zonder deze vorm van kanker, legt Elands uit. Door het zelflerende karakter van het algoritme neemt het vermogen van het systeem om op basis van een ademprofiel onderscheid te maken tussen een patiënt en een gezonde controle toe naarmate er meer profielen zijn geanalyseerd.
Prospectief testen
Inmiddels zijn voor het herkennen van diverse vormen van kanker - en ook voor enkele andere aandoeningen, zoals COPD, longembolie, tuberculose, en de aanwezigheid van Helicobacter pyloriin de maag - dergelijke ‘getrainde’ algoritmen verkregen. Deze kunnen bijvoorbeeld hoofd-halskanker onderscheiden van gezond weefsel met een sensitiviteit van 85% en een specificiteit van 84%.2 Prostaatkanker is door het getrainde algoritme te herkennen met een sensitiviteit van 84% en een specificiteit van 70%.3 Ten aanzien van longkanker kan met behulp van de AeonoseTM-techniek zelfs onderscheid gemaakt worden tussen kleincellig en niet-kleincellig longcarcinoom.4
Elands legt uit dat het specifieke ademprofiel bij aanwezigheid van een tumor waarschijnlijk niet ontstaat doordat de adem kenmerkende afvalstoffen van het tumorweefsel bevat, maar dat de reactie van het lichaam op de tumor stoffen in de adem brengt die een afwijkend oxidatieprofiel opleveren. Hij baseert dit idee op de bevinding bij hoofd-halskanker dat grote tumoren juist moeilijker zijn te herkennen door de algoritmen dan kleine tumoren.
De volgende stap die nu gezet moet worden is het prospectief testen van de algoritmen. Daarbij zal de uitslag van de ademanalyse (wel of geen kanker) vergeleken worden met de latere klinische bevindingen bij de individuele patiënt. Indien de techniek ook hiermee een acceptabele sensitiviteit en specificiteit laat zien, zou de AeonoseTMin principe grootschalig kunnen worden ingezet. Elands stelt dat wat hem betreft de AeonoseTMdan vooral een plaats zou moeten krijgen als eerste test bij bevolkingsonderzoeken. De techniek is draagbaar, gemakkelijk toe te passen, en niet duur (als de algoritmen eenmaal zijn ontwikkeld). Hij hoopt de techniek in 2020 te kunnen en mogen inzetten bij een nog te starten bevolkingsonderzoek naar longkanker in Zwitserland.
Referenties
1. www.enose.nl
2. Van Hooren MR, et al. Eur Arch Otorhinolaryngol 2016;273:3897-903.
3. Waltman C, et al. Eur Urol Focus 24 november 2018. DOI: j.euf.2018.11.006.
4. Kort S, et al. Lung Cancer 2018;125:223-9.
Dr. Marten Dooper, wetenschapsjournalist
Oncologie Up-to-date 2019 vol 10 nummer 1
DEEL DIT ARTIKEL:
