Lennart Kester

Moleculaire classificatie van kinderkanker

Moleculaire diagnostiek wordt een steeds belangrijker aspect van het diagnostische proces. We hebben onlangs M&M ontwikkeld, een algoritme voor de classificatie van pediatrische kankers dat RNA-sequencinggegevens gebruikt om pediatrische kankers te diagnosticeren. Met RNA-sequencing meten we het genexpressieprofiel van een monster en we hebben geleerd dat deze genexpressieprofielen zeer tumorspecifiek zijn. We maken hier gebruik van door het genexpressieprofiel van elke nieuwe patiënt te vergelijken met alle genexpressieprofielen die we in het verleden hebben gemeten en op basis van deze vergelijking de diagnose voor elke nieuwe patiënt te voorspellen. Deze techniek is al geïmplementeerd in het routinediagnostische proces van het Máxima Centrum.

De volgende stap is het drastisch verkorten van de tijd die nodig is om deze moleculaire diagnoses te stellen. In samenwerking met de groep van Prof. dr. Jeroen de Ridder in het Universitair Medisch Centrum Utrecht maken we gebruik van nieuwe sequencingtechnieken waarmee gegevens binnen een uur kunnen worden gegenereerd. Het belangrijkste voorbeeld hiervan is de ontwikkeling van een algoritme op basis van nanopore sequencinggegevens waarmee hersentumoren binnen 90 minuten na verwerving van het tumormateriaal kunnen worden geclassificeerd (Vermeulen et al., Nature 2023). Dit betekent dat we een moleculaire diagnose voor hersentumoren kunnen stellen terwijl een patiënt wordt geopereerd, zodat de chirurg de chirurgische strategie kan aanpassen op basis van de verkregen moleculaire diagnose. We zijn nu bezig om dit uit te breiden buiten hersentumoren, zodat in de toekomst alle patiënten van deze technologie kunnen profiteren.

We gebruiken geavanceerde technieken om snellere en nauwkeurigere diagnoses te stellen bij kinderen met kanker Dr. Lennart Kester - Associate onderzoekgroepsleider

Patiëntstratificatie verbeteren voor optimale behandeling

Na de diagnose van de tumor begint een kind met de behandeling. We weten echter dat voor elk tumortype en behandelplan sommige kinderen genezen, terwijl anderen uiteindelijk terugvallen. In de Kester-groep proberen we moleculaire gegevens te gebruiken om te voorspellen of patiënten een goede of slechte prognose hebben. In Osteosarcoom hebben we bijvoorbeeld bepaalde genexpressieprofielen gevalideerd die een grote kans op terugval voorspellen. In de toekomst zou dit gebruikt kunnen worden om de behandeling beter te sturen en de behandeling aan te passen voor patiënten met een grote kans op terugval.

We onderzoeken nu vergelijkbare benaderingen in laaggradige gliomen, waarbij we specifiek geïnteresseerd zijn in de invloed van de immuuncellen in de tumor op de kans op terugval of progressie. In een ander project ontwikkelen we patiëntspecifieke moleculaire testen waarmee we de therapierespons kunnen volgen bij patiënten met acute myeloïde leukemie. Deze tests zijn zeer specifiek voor de leukemie van de patiënt en stellen ons in staat om de ziektelast van deze patiënten nauwkeurig te volgen. We hopen dat benaderingen als deze in de toekomst zullen helpen bij het selecteren van de optimale behandeling voor elke individuele patiënt.