Biomarkers onthullen welke patiënten niet profiteren van behandeling

Onderzoekers van het Vall d’Hebron Institute of Oncology hebben in samenwerking met Hartwig Medical Foundation genomische signalen geïdentificeerd die voorspellen welke patiënten waarschijnlijk niet reageren op kankertherapieën. De studie onderstreept de waarde van grote real-world dataverzamelingen.

Real–world kanker–genomica onthult biomarkers voor non–respons

Amsterdam, juni 2026 — Een nieuwe studie, gepubliceerd in ESMO Real World Data and Digital Oncology, laat zien hoe systematische analyse van een van ’s werelds grootste real-world kanker-genomische databases biomarkers kan blootleggen die voorspellen welke patiënten waarschijnlijk geen baat zullen hebben bij specifieke kankerbehandelingen. De bevindingen benadrukken dat individuele datasets onvoldoende zijn en dat het samenvoegen en opnieuw analyseren van grote, rijk klinisch geannoteerde datasets essentieel is om precisie-oncologie werkelijk precies te maken — met als doel patiënten te beschermen tegen onnodige bijwerkingen en ineffectieve therapieën.

Whole–genome en transcriptome sequencing van meer dan 7.000 uitgezaaide tumoren

De studie analyseerde whole-genome en transcriptome sequencing-data uit de toegangsgecontroleerde Hartwig Medical Database met meer dan 7.000 genomen van uitgezaaide tumoren. Binnen 56 behandelcohorten en 2.663 kandidaat-biomarkers pasten de onderzoekers een systematisch statistisch raamwerk toe om genomische en transcriptomische kenmerken te identificeren die sterk geassocieerd zijn met non-respons op therapie.

Belangrijke bevindingen: immuunontwijking bij melanoom en KRAS–G12D bij colorectale kanker

De analyse leverde verschillende klinisch relevante inzichten op. Bij melanoompatiënten die werden behandeld met immuuncheckpointremmers bleken genomische drijvers van immuunontwijking geassocieerd met een volledig uitblijven van respons. Bij uitgezaaide colorectale kanker waren KRAS-G12D-mutaties gekoppeld aan een responspercentage van slechts 5% over meerdere chemotherapieregimes. Evenzo identificeerde een multivariate classifier — gebaseerd op vier onafhankelijke moleculaire kenmerken (tumormutatiebelasting, T-celinfiltratie, hedgehog-signaalactiviteit en expressie van het renine-angiotensinesysteem) — een subgroep van met immunotherapie behandelde patiënten, verspreid over meerdere kankertypen, bij wie geen enkele respons werd waargenomen. Gezamenlijk illustreren deze bevindingen hoe integratie van moleculaire markers de patiëntselectie kan aanscherpen en kan helpen ineffectieve behandelingen te vermijden.

Non–responder–biomarkers kunnen toxiciteit verminderen en behandelkeuzes verbeteren

“Het identificeren van patiënten die geen baat zullen hebben bij een behandeling is net zo belangrijk als het identificeren van degenen die dat wel zullen,” aldus mede-auteur Edwin Cuppen, wetenschappelijk directeur van Hartwig Medical Foundation.

“Deze non-responder-biomarkers hebben directe waarde: ze kunnen patiënten onnodige toxiciteit besparen en hen doorverwijzen naar trials of alternatieve strategieën die waarschijnlijk meer kans van slagen hebben.” Edwin Cuppen, wetenschappelijk directeur van Hartwig Medical Foundation

Waarom grote datasets essentieel zijn voor het ontdekken van zeldzame non–respons–signalen 

Cruciaal is dat de studie ook laat zien waarom grote, continu groeiende datasets onmisbaar zijn. Een poweranalyse toonde aan dat er minstens 59 non-responder-events nodig zijn om een responspercentage onder de 5% betrouwbaar vast te stellen — en voor zeldzame biomarkers behandel-gematchte cohorten van bijna 1.000 patiënten of meer. De meeste huidige behandel-subcohorten blijven ver onder deze drempel, wat betekent dat het volledige potentieel van non-respons-biomarkerontdekking opgesloten blijft in datasets die nog niet op voldoende schaal bestaan.

Geharmoniseerde real–world data als basis voor duurzame precisie–oncologie

“Dit werk laat zien wat nu al mogelijk is en wat mogelijk wordt naarmate de hoeveelheid data toeneemt,”

zegt mede-auteur Francisco Martínez-Jiménez, groepsleider bij VHIO en Data Mining Lead bij Hartwig Medical Foundation.

“Systematische heranalyse van grote, geharmoniseerde real-world datasets is niet alleen wetenschappelijk waardevol — het is de route naar duurzame en rechtvaardige genomische zorg.” Francisco Martínez-Jiménez

Oproep tot gefedereerde data–infrastructuren voor internationale samenwerking

De auteurs pleiten voor uitbreiding van gefedereerde data-infrastructuren die geharmoniseerde sequencing-protocollen en klinische annotaties integreren tussen instellingen en landen, zodat de schaal kan worden bereikt die nodig is om non-respons-signalen met vertrouwen te vertalen naar klinische besluitvorming.

De data uit de Hartwig Medical Foundation-database die deze studie ondersteunen, zijn vrij toegankelijk voor onderzoekers via een data-access-aanvraag op https://www.hartwigmedicalfoundation.nl/data/aanvragen-data/.

U las een artikel over het onderwerp Behandeling op maat. Wellicht bent u ook geïnteresseerd in Algoritmes, Biomarker, DNA, Hartwig Medical Database, Hartwig Medical Foundation, Hergebruik data, Innovatie, IT, Lerend zorgsysteem, Moleculaire diagnostiek, OncoAct, Wetenschappelijke publicaties of Whole genome sequencing.
Alle nieuwsberichten