Afstoting na transplantatie voorspellen

Na een niertransplantatie lopen mensen risico dat hun lichaam de nier afstoot. Op termijn leidt dat tot transplantaatfalen. De donornier werkt dan niet goed genoeg. Mensen zijn opnieuw aangewezen op dialyse of een nieuwe transplantatie.
Van den Brand ontwikkelt in Leuven een statistisch model dat kan voorspellen of een patiënt risico loopt op een afstootreactie of transplantaatfalen. Hij toetst dat model aan de hand van gegevens van duizend patiënten die een niertransplantatie hebben ondergaan. De patiënten zijn lange tijd gevolgd. Gegevens (of data) die kunnen voorspellen of een patiënt risico loopt, zijn bijvoorbeeld de nierfunctie, de hoeveelheid eiwitten in de urine en de bloeddruk. Dit soort gegevens heten ook wel biomarkers: iets in het lichaam dat je kunt meten.

Olie van de 21e eeuw
Deze gegevens zijn beschikbaar in de biobank in Leuven waar het transplantatieonderzoek wereldwijd hoog staat aangeschreven. “Dat is het grote voordeel van Leuven. De mensen zijn heel uitgebreid gevolgd. Er zitten ook biomarkers in de biobank die niet routinematig in Nederland worden bepaald, zoals donorspecifieke antilichamen, die zijn namelijk prijzig om te bepalen. In Leuven hebben ze ook nierbiopten gedaan. Je kunt je voorstellen dat je daar ook biomarkers uit kunt halen. We gaan eerst uit van de usual suspects en daarna kijken we of de voorspelling beter wordt als we nieuwe biomarkers toevoegen.”

Ook op het gebied van biostatistisch onderzoek lopen ze in Leuven voorop. Statistiek en data-analyse vormen een groot deel van het onderzoek en Van den Brand krijgt in Leuven de kans nieuwe technieken te leren. “Mensen roepen wel eens dat data de nieuwe olie zijn van 21e eeuw: als je data hebt, word je rijk. Maar aan data heb je niet veel als je ze niet kunt analyseren en er bruikbare kennis van kunt maken. Daar ligt grootse uitdaging van de komende 5 à 10 jaar. Om data op een goede manier te verzamelen met respect voor privacy en er kennis uit te halen die bruikbaar is voor de patiënt, behandelaar en vervolgonderzoek.”

Een voorspellende app
De bruikbare kennis is in dit geval een app die patiënten en artsen vertelt hoe hoog het risico op afstoten of nierfalen is. Als het statistisch model goed genoeg werkt, is een app de volgende stap. Maar daarvoor is het nodig om eerst met patiënten te praten over hun behoeften. “Enerzijds wil je patiënten goed informeren zodat ze betrokken zijn bij hun behandeling. Anderzijds wil je ze niet ongerust maken. Je moet context geven. Is tien procent kans op een afstootreactie hoog? En wil je het dan wel weten? Dat soort vragen moeten opgelost worden voordat je een app de wereld in brengt.”

Mensenwerk
Uiteindelijk is het doel dat artsen preventief kunnen behandelen als patiënten een hoog risico hebben op een afstootreactie of transplantaatfalen. Op dit moment zijn er geen opties om preventief te behandelen, maar de juiste kennis over welke patiënten risico lopen, opent deuren om die behandelingen te onderzoeken.
Nu schat een arts vaak zelf in hoeveel risico een patiënt loopt. Hij of zij kijkt naar gegevens zoals de bloeddruk en nierfunctie en vergelijkt ze met gegevens van een jaar geleden. “De arts ziet de patiënten in zijn eigen kliniek en bouwt ervaring op. Ik gebruik ervaring van heel veel patiënten en kan meer informatie samenbundelen. Maar een arts heeft een persoonlijke context van de patiënt en die kunnen we nooit helemaal voorspellen. Dat zal altijd mensenwerk blijven.”