CMML2AML: machine-learning ontdekking van co-mutaties en specifieke enkele mutaties die blasttransformatie voorspellen bij chronische myelomonocytaire leukemie

Waarom dit ertoe doet voor mensen met bloedkanker

Chronische myelomonocytaire leukemie is een zeldzame bloedkanker die jaren stabiel kan blijven of plotseling kan overspringen naar een agressieve vorm vergelijkbaar met acute leukemie. Artsen hebben moeite te voorspellen welke patiënten die gevaarlijke wending zullen nemen. Deze studie gebruikt moderne computermethoden om patronen in leukemie-DNA te lezen, met als doel te bepalen wie het hoogste risico loopt, zodat behandelingsbeslissingen, inclusief stamceltransplantatie, beter getimed kunnen worden.

Op zoek naar patronen in een complexe bloedkanker

CMML is een kanker van beenmergcellen die een teveel aan een type witte bloedcellen produceren, monocyten genoemd. Sommige patiënten leven jarenlang met gecontroleerde ziekte, terwijl anderen snel progressie doormaken naar acute myeloïde leukemie, ook wel blasttransformatie genoemd. Traditionele risicogereedschappen kijken naar enkele genveranderingen of brede groepen van veranderingen, maar verschillende studies waren het oneens over welke individuele mutaties echt van belang zijn. De auteurs redeneerden dat het echte gevaar misschien niet in enkele mutaties ligt, maar in specifieke combinaties van genveranderingen die samen werken.

Machines patiëntgroepen laten sorteren op verborgen genetische signalen

Het team bestudeerde 605 patiënten met CMML van de Mayo Clinic en controleerde hun bevindingen later bij 501 patiënten uit Italië. Met next-generation DNA-sequencing brachten ze mutaties in kaart over 47 genen die vaak veranderd zijn bij bloedkankers. Vervolgens bouwden ze een op maat gemaakte machine-learningtool om patiënten te clusteren op basis van welke mutaties samen voorkwamen en hoe lang patiënten vrij bleven van blasttransformatie. Het algoritme groeide vele eenvoudige beslisbomen, die patiënten opsplitsten in groepen met gedeelde mutatiepatronen, en voegde daarna soortgelijke groepen samen op basis van hoe goed hun overlevingscurves overeenkwamen.

Vijf genetische risicogroepen van zeer veilig tot zeer gevaarlijk

De computeranalyse onthulde vijf moleculaire clusters met opvallend verschillende kansen om in acute leukemie te veranderen. Een kleine groep met veranderingen in een gen genaamd PHF6 maar zonder veranderingen in ASXL1 had in feite geen transformaties over meerdere jaren en vormde een ultra-laagrisicogroep. Aan het andere uiterste hadden patiënten met ofwel NPM1-mutaties, een combinatie van NRAS en SETBP1, of een combinatie van ASXL1 en BCOR extreem hoge transformatieratio’s, die binnen drie jaar bijna 100 procent bereikten. Tussen deze uitersten definieerden andere combinaties, zoals ASXL1 met RUNX1 of ASXL1 met TET2, hoge en intermediaire risicoclusters, terwijl patiënten zonder deze patronen een bredere laagrisicogroep vormden.

Een eenvoudige score bouwen die artsen kunnen gebruiken

Om deze bevindingen om te zetten in een praktisch hulpmiddel combineerden de onderzoekers de meest krachtige enkele mutaties en co-mutaties in een nieuw scoresysteem dat zij CMML2AML noemen. Ze gaven punten afhankelijk van hoe sterk elk genetisch patroon geassocieerd was met blasttransformatie. NPM1-mutatie droeg de zwaarste weging, gevolgd door NRAS met SETBP1 en door BCOR, met kleinere gewichten voor ASXL1 en het paar ASXL1 plus RUNX1. Door deze punten op te tellen werden patiënten verdeeld in vier niveaus van laag tot hoog risico, waarbij het hoogste niveau bijna één op twee kans op transformatie binnen een jaar kende. Dezezelfde score werkte vergelijkbaar in de Italiaanse cohorte, wat de bredere toepasbaarheid ondersteunt.

Een speciaal waarschuwingssignaal: NPM1-mutaties

Een van de meest opvallende resultaten betrof NPM1, een gen dat goed bekend is bij acute leukemie. In deze CMML-studie waren NPM1-mutaties zeldzaam maar zeer onheilspellend. Zelfs wanneer het percentage onrijpe blasten in bloed en beenmerg nog onder de gebruikelijke drempels voor acute leukemie lag, gingen patiënten met NPM1-veranderingen sneller over naar de blastfase en overleden ze eerder dan anderen. Deze gevallen misten vaak andere hoogrisico-mutaties zoals ASXL1 of RUNX1 en droegen vaak in plaats daarvan DNMT3A-veranderingen, wat suggereert dat ze een aparte genetische subtype vertegenwoordigen die mogelijk vanaf herkenning als acute leukemie behandeld moet worden.

Wat dit betekent voor patiënten en zorg

Voor mensen die met CMML leven laat dit werk zien dat het patroon van mutaties, niet alleen het aantal blasten of een enkel genresultaat, sterk het vooruitzicht kan bepalen. Door gevaarlijke combinaties van genveranderingen te identificeren en ze te verpakken in de CMML2AML-score, biedt de studie een manier om patiënten te selecteren die mogelijk intensiever gevolgd moeten worden en eerder een gesprek over stamceltransplantatie nodig hebben, evenals degenen van wie de ziekte waarschijnlijk niet snel zal transformeren. Deze bevindingen moeten in aanvullende groepen worden bevestigd, maar ze brengen het vakgebied dichter bij meer precieze, op genetica gebaseerde richtlijnen voor het omgaan met deze uitdagende bloedkanker.

Bronvermelding: Fathima, S., Rokach, L., Yousuf, M. et al. CMML2AML: machine-learning discovery of co-mutations and specific single mutations predictive of blast transformation in chronic myelomonocytic leukemia. Blood Cancer J. 16, 76 (2026). https://doi.org/10.1038/s41408-026-01491-1

Trefwoorden: chronische myelomonocytaire leukemie, risico op blasttransformatie, co-mutaties, machine learning genomica, NPM1-mutatie