Wereldwijd lijden meer dan 235 miljoen mensen aan astma. In Nederland hebben ruim 640.000 mensen deze ziekte. Onder hen zijn zo’ n 100.000 kinderen. De klachten bij deze aandoening variëren van hoesten en kortademigheid, tot acute kortademigheid en zelfs dodelijke aanvallen. Het is echter vaak moeilijker om de ziekte te diagnosticeren. Vooral bij kinderen. Terwijl het juist bijzonder belangrijk is voor kinderen om de ziekte vroeg te herkennen. Dit is de enige manier om blijvende schade aan de luchtwegen te voorkomen. Astma kan ook goed behandeld worden.
Maar test zoals het in een slang blazen, werkt niet bij kinderen. En longfunctietests kosten veel tijd en zijn pas vanaf een leeftijd van vier tot vijf jaar mogelijk. Met behulp van zelflerende systemen hebben onderzoekers van de Fraunhofer-Einrichtung für Marine Biotechnologie und Zelltechnik EMB in Lübeck samen met de Pattern Recognition Company en de Raytrix GmbH een test ontwikkeld, waarbij voor een astma-diagnose een druppel bloed volstaat. Het resultaat is dan al na 60 tot 90 minuten bekend, De deelstaat Schleswig-Holstein ondersteunt het onderzoek financieel.
Analyse van immuuncellen met AI
De wetenschappers baseren hun onderzoek op het feit dat de bloedcellen van astmapatiënten zich anders bewegen dan die van gezonde mensen. “Bij astma wordt de beweging van de afweercellen sterk vertraagd wanneer ze ontstoken raken,” legt Dr. Daniel Rapoport van het Fraunhofer EMB, uit. In de test worden de afweercellen uit de bloeddruppel gedurende ongeveer 60 minuten onder een speciaal ontwikkelde holografische microscoop, een zogenaamde celscanner, geobserveerd. De bewegingspatronen worden vervolgens gebruikt om te beoordelen of er astma aanwezig is. “We werken al lang aan het bewegingspatroon van cellen en hebben in samenwerking met de Universiteit van Lübeck ook kunstmatige intelligentie (AI) ontwikkeld. Ze herkent een min of meer zelfstandig bewegingsproces en dat is een specialiteit van de universiteit.”.
Volgens de wetenschappers maakt de microscoop het mogelijk om de cellen in ‘real time’ automatisch en driedimensionaal te volgen. Artificial Intelligence (AI) herkent karakteristieke patronen in de complexe bewegingspatronen van duizenden cellen. “We kunnen 2000 tot 3000 cellen tegelijk waarnemen, wat een hoge statistische nauwkeurigheid garandeert”, zegt Rapoport. Vervolgens worden de vastgestelde bewegingspatronen overgebracht naar een neuronaal netwerk. Zelflerende algoritmes analyseren de bewegingspatronen van de bloedcellen en berekenen de diagnostische index. “AI kan gebruikt worden om patroonafwijkingen te detecteren. We gebruiken zelflerende algoritmes om de verschillen vast te leggen. Met behulp van veel trainingsgegevens leren de neurale netwerken patronen te herkennen en kunnen ze de profielen van zieke en gezonde mensen onderscheiden”.
Praktijktoepassing duurt nog jaren
Op de lange termijn moet deze methode ook worden toegepast op andere ziekten. “We hopen dat onze methode ook in staat zal zijn om andere ziekten te analyseren. Dit geldt in het bijzonder voor auto-immuun- en chronische ontstekingsziekten zoals de ziekte van Crohn, colitis ulcerosa en reuma. Hier zijn de diagnoses lang en kunnen ze worden versneld met een aangepaste sneltest, aldus de onderzoeker.
De eerste tests zijn met succes afgerond. Het zal echter nog enkele jaren duren voordat de sneltest in de praktijk kan worden gebruikt. “Het moet eerst gevalideerd en goedgekeurd worden . We moeten er zeker van zijn dat de test daadwerkelijk astma kan herkennen, of dat het om een algemene reactie van cellen op een ontsteking gaat. Daarvoor moeten we wat meer onaangename tests doen dan nu onder laboratoriumomstandigheden. We moeten bekijken of andere chronische ontstekingsziekten door differentiële diagnose kunnen worden gediagnostiseerd,” aldus Rapoport.
Meer artikelen over gezondheid vindt u hier.
Er bestaat nog steeds de mogelijkheid dat cellen in het algemeen op dezelfde wijze als bij astma worden beïnvloed door chronische ontstekingsprocessen. “Dat is wat je eerst moet uitzoeken. Je hebt patiëntenbloed nodig van duidelijk gediagnosticeerde patiënten die ook nog eens niet zoveel medicatie gebruiken, dat daardoor de test wordt beïnvloed”, stelt Rapoport. De hoop is nu dat met een aangepaste AI dit eruit kan filteren. En als dat niet werkt? “Dan hebben we een probleem. Maar dat is onderzoek. We staan nog steeds relatief aan het begin.”
Sneltests besparen tijd en geld
Sneltests worden in de medische wereld steeds populairder. Ze worden al gebruikt voor het vaststellen van griep, tuberculose, HIV, malaria, malaria of zelfs kanker. De meeste tests zijn nog in ontwikkeling. De wetenschappers bij de Universiteit van East Anglia in Norwich hebben nu een urinetest voor de vroege opsporing van prostaatkanker ontwikkeld. Ook onderzoekers in Duitsland zoals Dr. Daniel Rapoport en zijn collega’s werken aan verdere snelle tests. Hij legt uit dat het bij deze tests niet altijd alleen om snelheid gaat. “In principe is het een kwestie van kosten. Als een test in een diagnostisch laboratorium lang duurt, dan kost dat veel personeel en is de test dus duur. Met snelle tests kunnen grote diagnostische laboratoria veel meer diagnoses per dag stellen”.
De onderzoeker benadrukt echter dat men zich geen zorgen hoeft te maken over de betrouwbaarheid van de sneltests. “De testen die ik ken zijn net zo betrouwbaar als de veel complexere tests die in laboratoria worden gedaan
Rapoport en de projectpartners werken momenteel aan de optimalisatie van de hardware en de procedure van de astma-detectietest. Het doel is op de lange termijn met deze test precies te achterhalen op welke wijze astma zich bij een patiënt manifesteert, om zo een individueel behandelplan te kunnen opstellen.
Titelbeeld: Met de holografische microscoop kunnen ter plekke driedimensionale beelden van immuuncellen worden gemaakt. © Fraunhofer EMB
Als je dit artikel leuk vindt, lees dan ook:
