Kosteneffectiviteit van longkankeropsporing: inzichten uit risicostratificatie, richtlijnen en opkomende technologieën — een systematische review

Waarom het vroeg opsporen van longkanker voor iedereen belangrijk is

Longkanker blijft de dodelijkste vorm van kanker wereldwijd, grotendeels omdat de meeste mensen pas worden gediagnosticeerd nadat symptomen optreden—wanneer behandeling moeilijker is en minder kans van slagen heeft. Dit artikel bespreekt tientallen economische studies van over de hele wereld om een praktische vraag te beantwoorden die patiënten, belastingbetalers en zorgsystemen raakt: als we investeren in opsporing om longkanker eerder te vinden, rechtvaardigen de gezondheidswinst en besparingen dan de kosten?

Een wereldwijd overzicht van het bewijs

De auteurs doorzochten systematisch grote medische databanken en identificeerden 79 economische studies uit 21 landen die programma’s voor longkankeropsporing onderzochten. De meeste analyses waren gebaseerd op computermodellen die simuleren wat er met grote groepen mensen gebeurt over vele jaren, met en zonder opsporing. De review omvatte zowel “volledige” economische evaluaties, die kosten afwegen tegen gezondheidsuitkomsten, als eenvoudigere koststudies. Bijna 90 procent van het modelgebaseerde werk voldeed aan hoge kwaliteitsnormen, wat beleidsmakers enig vertrouwen geeft dat de resultaten robuust zijn, ook al varieerden methoden en contexten.

De centrale rol van lage-dosis CT-scans

In de studies was lage-dosis computertomografie (LDCT) veruit het dominante screeningsinstrument. Grote klinische onderzoeken hebben al aangetoond dat LDCT longkankersterfte met ongeveer een vijfde kan verminderen vergeleken met thoraxfoto’s of geen opsporing. Deze review breidt die bevindingen uit door naast levens ook geld mee te wegen. In 14 studies die LDCT direct vergeleken met geen opsporing en resultaten rapporteerden in kosten per quality-adjusted life-year (QALY)—een standaardmaat die kwantiteit en kwaliteit van leven combineert—liepen de extra kosten per QALY van ongeveer $8.000 tot $200.000 (in Amerikaanse dollars van 2022). Gebruikmakend van elke landseigen drempel voor wat als “goede waarde” geldt, werd ongeveer 9 van de 10 LDCT-strategieën als kosteneffectief beschouwd, vooral bij oudere volwassenen en mensen met lange of zware rookgeschiedenis.

Wie heeft het meeste voordeel en hoe vaak screenen

Er kwam een duidelijk patroon naar voren: opsporing is economisch het meest aantrekkelijk bij mensen met een hoger risico—typisch oudere volwassenen, huidige of voormalige zware rokers, en in sommige analyses mannen. In deze groepen voorkomt opsporing meer sterfgevallen per gescreende persoon, zodat elke uitgegeven dollar meer oplevert. Studies onderzochten ook verschillende begin- en stopleeftijden en hoe vaak scans gedaan moeten worden. Iets later beginnen met screenen, wanneer het risico op longkanker is gestegen, verbeterde doorgaans de waarde voor geld. Het uitbreiden van programma’s voorbij ongeveer 75 jaar leverde echter meestal kleinere gezondheidswinst tegen hogere kosten. De vergelijking tussen jaarlijkse en tweejaarlijkse (biennale) screening gaf gemengde uitkomsten: voor sommige hoge-risico rokers leken jaarlijkse scans kosteneffectiever, maar in veel andere scenario’s boden biennale programma’s betere economische waarde doordat ze kosten verlaagden terwijl ze het grootste deel van het gezondheidsvoordeel behielden.

Richtlijnen, risicotools en nieuwe technologieën

De review vergeleek ook verschillende nationale en trial-gebaseerde richtlijnen die bepalen wie gescreend moet worden. Strategieën gemodelleerd naar de NELSON-trial en recente Chinese richtlijnen leverden vaak betere waarde dan de criteria van de U.S. Preventive Services Task Force, grotendeels omdat ze mensen met het hoogste risico efficiënter targetten en fijnmazigere regels gebruiken voor vervolgonderzoek van longknobbeltjes. Slechts een klein deel van de studies gebruikte gedetailleerde risicovoorspellingscalculatoren om kandidaten voor opsporing te selecteren, maar degenen die dat deden vonden over het algemeen een verbeterde kosteneffectiviteit. Nieuwere benaderingen verschijnen geleidelijk in de economische literatuur: vroege analyses van hulpmiddelen met kunstmatige intelligentie (AI) die helpen bij het lezen van LDCT suggereren dat ze zelfs geld kunnen besparen door valse alarmen te verminderen en de aandacht te richten op de meest zorgwekkende scans, hoewel er tot nu toe slechts twee zulke studies bestaan. Bloedtesten en genetische risicoscores tonen veelbelovende aanvullingen op LDCT in sommige settings, maar hun economische waarde is nog onzeker en sterk afhankelijk van testkosten en prestaties.

Wat dit betekent voor volksgezondheidsbeslissingen

Voor de algemene lezer is de belangrijkste boodschap eenvoudig: het gebruik van lage-dosis CT-scans om mensen met een hoog risico op longkanker te screenen biedt over het algemeen goede gezondheidswaarde voor het geld in veel landen, vooral wanneer programma’s zorgvuldig ontworpen richtlijnen volgen en zich richten op de juiste leeftijds- en risicogroepen. Tegelijkertijd toont de review dat een ‘one-size-fits-all’-beleid waarschijnlijk niet optimaal is. Keuzes over wie te screenen, hoe vaak en of nieuwe hulpmiddelen zoals AI of bloedtesten moeten worden toegevoegd, kunnen het evenwicht tussen kosten en baten verschuiven. Bewijs uit lage- en middeninkomenslanden is schaars, dus zijn lokaal georiënteerde studies nodig voordat grootschalige programma’s daar worden ingevoerd. Over het geheel concludeert het artikel dat slim gerichte longkankeropsporing levens kan redden op een kostbewuste manier, terwijl toekomstig onderzoek naar opkomende technologieën en risicogebaseerde benaderingen dat evenwicht verder kan aanscherpen.

Bronvermelding: Fan, Z., Zheng, M., Guan, Z. et al. Cost-effectiveness of lung cancer screening: insights from risk stratification, guidelines, and emerging technologies—a systematic review. npj Prim. Care Respir. Med. 36, 15 (2026). https://doi.org/10.1038/s41533-026-00482-w

Trefwoorden: longkankeropsporing, lage-dosis CT, kosteneffectiviteit, risicostratificatie, kunstmatige intelligentie