Project MRI III

 

Project MRI III zal de heterogeniteit van ALS ontrafelen en specifieke subgroepen identificeren met als doel te komen tot gepersonaliseerde behandeling van ALS.

ALS is een heterogene ziekte

Eén van de belangrijkste belemmeringen voor het begrijpen – en dus uiteindelijk behandelen van ALS – is de grote heterogeniteit (i.e. variatie tussen patiënten). ALS is in feite niet één ziekte, maar een mengelmoes van veel verschillende soorten ALS, met elk een eigen oorzaak en behandeling. Kenmerken van de ziekte, zoals de leeftijd waarop het begint, het patroon van verspreiding van spierzwakte en de prognose, variëren van patiënt tot patiënt. Ook minder zichtbare ziektekenmerken, zoals genetische mutaties of met beeldvorming zichtbare hersenafwijkingen, dragen bij aan de variatie tussen patiënten. Deze diversiteit binnen de totale ALS populatie is waarschijnlijk één van de oorzaken voor de vele negatieve medicijnstudies in ALS in de afgelopen 25 jaar. Het is dus noodzakelijk om deze heterogeniteit beter te begrijpen, zodat nieuwe behandelingen ontwikkeld en gepersonaliseerd kunnen worden voor individuele patiënten.

Magnetic resonance imaging (MRI)

Hersenafwijkingen konden voorheen alleen bestudeerd worden door middel van obductie bij overleden patiënten. Nieuwe MRI-technologie maakt het nu mogelijk om op een niet-invasieve manier de hersenen gedetailleerd te bestuderen gedurende het gehele beloop van de ziekte. Daarnaast zijn MRI-maten sterk gerelateerd aan genetische, klinische en omgevingsfactoren, zodat in MRI-onderzoek de verschillende invloeden van binnenuit en buitenaf samenkomen. Hierdoor is MRI een veelbelovend instrument om ALS op een integratieve manier te bestuderen en ook uitermate geschikt om de heterogeniteit van ALS te begrijpen.

Project MRI III

Met Project MRI III zullen we deze voordelen van MRI-technologie gebruiken om de ontwikkeling van een gepersonaliseerde behandeling van ALS te faciliteren (figuur 1). De volgende stappen zullen hiertoe worden gezet:

  1. Imaging: met 3- en 7-Tesla MRI-technologie analyseren we de structuur, functie en stofwisseling van de hersenen.
  2. Integratie: door MRI-data te integreren met klinische, genetische, omgevings- en leefstijlfactoren die met ALS geassocieerd zijn, ontrafelen we de wirwar van verschillende ziekte-aspecten. Zo krijgen we “het volledige plaatje” van ALS.
  3. Identificatie: we gebruiken geavanceerde methoden zoals kunstmatige intelligentie (“deep learning”) om patiëntensubgroepen te identificeren.
  4. Individuele patiënten: individuele patiënten zullen geclassificeerd worden in subgroepen, die vervolgens gebruikt worden voor het opzetten van medicijnstudies en gepersonaliseerde behandelingen (Figuur 1).
  5. Implementatie: de gebruikte algoritmes maken we online beschikbaar, zodat ze wereldwijd toegepast kunnen worden.

 

 

Figuur 1: het ontrafelen van de heterogeniteit van ALS door specifieke subgroepen te identificeren met als doel de ontwikkeling van gepersonaliseerde behandeling van ALS.

MRI-datasets

Voor dergelijke studies zijn grote aantallen deelnemers en scans nodig. Sinds 2009 hebben we meer dan 2000 MRI-scans gemaakt van meer dan 1000 deelnemers. Dit is waarschijnlijk de grootste MRI-dataset in een enkel ALS centrum in de wereld. Van al deze deelnemers zijn de klinische, genetische en omgevingsfactoren/levensstijl zeer goed vastgelegd in een database. Daarnaast hebben we in het UMC Utrecht de unieke mogelijkheid om scans te maken met een ultrahoge veldsterkte (7 Tesla) MRI-scanner. Hiermee brengen we de stofwisseling van de hersenen in kaart die waarschijnlijk al lang voor het klinische begin van ALS aangedaan is. In het UMC Utrecht beschikken we dus over ruime ervaring, een groot aantal scans en de nieuwste technologie die nodig is om de heterogeniteit van ALS met MRI te bestuderen.

(Inter)nationale samenwerking

Binnen het NiSALS consortium werken we internationaal samen en delen we MRI-data, zodat de validiteit van de ontwikkelde modellen ook internationaal getoetst kan worden. Daarnaast werken we nauw samen met ALS trialexperts binnen ons ALS Centrum en met onze internationale collega’s. Hierdoor kunnen de ontwikkelde methoden al snel gebruikt worden voor het opzetten en uitvoeren van medicijnstudies om zo effectieve en gepersonaliseerde behandelingen te vinden voor iedere ALS-patiënt.

Stand van zaken per 30 juni 2019

Om een compleet beeld van de ziekte krijgen is een grote groep deelnemers nodig. Naast MRI-scans nemen we vragenlijsten af, doen een neurologisch onderzoek en nemen bloed af. Sinds de start van het project (mei 2019) zijn al 112 hersenscans gemaakt.

Omdat ALS zich bij iedere patiënt anders uit en de behandelingen daardoor mogelijk verschillen, is het belangrijk om verschillende groepen patiënten te leren herkennen. Daarom onderzoeken we de relatie tussen hersenbeschadigingen en eigenschappen van de ziekte. Momenteel doen we onderzoek bij mensen die een bepaalde variatie in het DNA hebben (UNC13A SNP) waar ze niet direct ALS van krijgen, maar die wel aan ALS gerelateerd is. De voorlopige uitkomsten van dit onderzoek laten zien dat de groep ALS-patiënten die de UNC13A SNP draagt, verschilt van andere patiënten. We gaan nu verder onderzoek doen om dit verband beter te leren begrijpen.

Ook onderzoeken we of er een relatie is tussen het ontstaan en verergeren van spierzwakte en het achteruitgaan in functioneren, en hersenbeschadigingen die we zien in MRI-scans bij ALS-patiënten. De eerste resultaten van dit onderzoek laten zien dat we de ernst van de ziekte gedeeltelijk kunnen ‘aflezen’ aan de hersenen en dat hersenveranderingen vaak voorafgaan aan de achteruitgang van de spierkracht. Samen met de verzamelde data uit de eerdere MRI-projecten zijn we binnenkort hopelijk in staat bij individuele patiënten te kunnen voorspellen welke lichaamsfunctie het meest waarschijnlijk als volgende achteruitgaat.

We hebben ook een begin gemaakt met het onderzoek waarbij een computer door middel van ‘machine learning’ de enorme hoeveelheid data gaat analyseren om zo verschillende groepen ALS-patiënten te herkennen. Hiervoor maken we gebruik van geavanceerde technologie die de grijze en witte stof van de hersenen analyseert. De grijze stof onderzoeken we op 600.000 verschillende punten en in de witte stof bestuderen we meer dan 3.000 verschillende witte stof banen die hersengebieden onderling verbinden. Dit zullen we in de toekomst nog uitbreiden met andere eigenschappen. Om de berekeningen te kunnen doen is veel rekenkracht nodig. Daarom is de ontwikkeling van snelle software een belangrijk aandachtspunt.

De eerste resultaten zijn veelbelovend, maar er is nog veel onderzoek nodig om tot een betrouwbare indeling in groepen te komen. We zijn daarom ook wat eerder dan gepland aan dit deel van het onderzoek begonnen zodat we de geplande doelstellingen in de toekomst kunnen behalen.

Looptijd
Mei 2019 - mei 2023 (4 jaar)
Begroting
€ 697.000,-