Orale microbioomdiagnostiek van longkanker

Kanker is een mondiaal gezondheidsprobleem dat een stijgende trend vertoont in termen van incidentie en sterftecijfers, waardoor de stijging van de levensverwachting wordt belemmerd. Volgens de Wereldgezondheidsorganisatie behoren long-, colorectale en leverkanker tot de meest voorkomende oorzaken van kankergerelateerde sterfgevallen. In Turkije zijn de incidentie- en sterftecijfers van longkanker hoger dan het wereldgemiddelde. behoren tot de risicofactoren die het risico op longkanker kunnen verhogen. Naast risicofactoren zoals familiegeschiedenis en roken, hebben verschillende onderzoeken aangetoond dat een dysbiotisch oraal microbioom kan bijdragen aan het risico op longkanker.

Het orale microbioom is de op één na meest diverse micro-omgeving in ons lichaam en is in verband gebracht met vele ziekten, waaronder longkanker. Tot nu toe hebben onderzoeken naar het longkanker-mondmicrobioom doorgaans betrekking op ontwerpen die gericht zijn op het oplossen van oorzaak-en-gevolgrelaties door middel van statistische verschillen en/of mechanismen waarbij microbioomeenheden betrokken zijn.

Er is echter geen literatuur over enig onderzoek gericht op de ontwikkeling van een op diepgaand leren gebaseerde diagnostische methode die zich richt op het orale microbioom. Daarom heeft het voorgestelde onderzoek tot doel een op microbioom gebaseerde diagnostische methode voor diep leren te ontwikkelen voor de diagnose van longkanker. Daartoe zal een observatiecohort worden opgezet dat bestaat uit 192 longkankerpatiënten, 192 niet-kankerachtige, goedaardige longziektepatiënten en 192 gezonde controles. Er zullen tonguitstrijkjes van het cohort worden verzameld en er zal 16S rRNA-sequencing worden uitgevoerd. Tegelijkertijd zal een internationaal observatiecohort van ongeveer 1700 individuen worden gecreëerd met behulp van in silico-gegevens. Alle gegevens zullen integraal worden geanalyseerd, en een diagnostisch algoritme voor kunstmatige intelligentie dat longkankerpatiënten kan onderscheiden van andere longziekten en gezonde individuen zal worden ontwikkeld met behulp van deep learning-methoden. In de laatste fase zullen de prestaties van de diagnostische methode die is ontwikkeld voor een pilot-klinisch proefcohort van 96 individuen worden getest met behulp van een PRoBE-ontwerp (prospectieve monsterverzameling vóór vaststelling van de uitkomst en retrospectieve geblindeerde evaluatie).

De originele aspecten van het project zijn het voorstel van een nieuw ontwerp in de literatuur, het creëren van een experimenteel ontwerp/klinische proef en de presentatie van een mogelijk oplossingsvoorstel dat een grote impact kan hebben op een belangrijk diagnostisch probleem.

Als het project succesvol wordt afgerond, zal een op kunstmatige intelligentie gebaseerde methode worden ontwikkeld die mogelijk longkanker kan diagnosticeren door middel van niet-invasieve orale microbioommonsters. Als de methode verder wordt ontwikkeld (op de middellange tot lange termijn) tot een product, zal deze niet alleen octrooieerbaar zijn, maar ook in de eerstelijnsgezondheidszorg gemakkelijk screening op longkanker kunnen worden uitgevoerd met een eenvoudig uitstrijkje.