Multiparametrische MRI-radiomics nomogram voorspelt gelijktijdige uitzaaiingen op afstand bij rectumkanker

Waarom het voorspellen van kankeruitzaaiing belangrijk is

Wanneer rectumkanker voor het eerst wordt vastgesteld, moeten artsen snel weten of de ziekte zich al naar verre organen zoals de lever of de longen heeft verspreid. Vroege opsporing van die verspreiding kan de deur openen naar curatieve chirurgie en meer gerichte behandeling, terwijl het missen ervan kan leiden tot onnodige operaties of vertraagde zorg. Deze studie onderzoekt of geavanceerde computeranalyse van routinematige MRI-scans patiënten met een hoog risico op verborgen uitzaaiingen al bij aanvang kan signaleren.

Op zoek naar aanwijzingen die in scans verborgen liggen

Moderne MRI-toestellen doen meer dan scherpe beelden maken; ze leggen ook subtiele patronen van helderheid en textuur in tumoren vast die het menselijk oog niet gemakkelijk ziet. De onderzoekers gebruikten een techniek die "radiomics" wordt genoemd, waarmee deze patronen worden omgezet in duizenden numerieke kenmerken. Ze concentreerden zich op twee veelgebruikte MRI-typen bij rectumkanker: T2-gewogen beelden, die de anatomie in fijn detail laten zien, en diffusion-weighted beelden, die laten zien hoe water door weefsels beweegt en dat kunnen weergeven hoe dicht opeengepakt kankercellen zijn.

Een risicoscore opbouwen uit beelden en bloedtesten

Het team bekeek gegevens van 169 mensen met rectumkanker die MRI- en CT-scans hadden gekregen voordat enige ingrijpende behandeling was gestart. Bij bijna de helft waren er bij de diagnose al uitzaaiingen op afstand. Van meer dan 1.600 beeldgebaseerde kenmerken gebruikten ze statistische filters en machine-learningmethoden om de lijst terug te brengen tot een kleine set die het beste onderscheid maakte tussen patiënten met en zonder uitzaaiingen op afstand. Vervolgens combineerden ze deze geselecteerde beeldkenmerken met eenvoudige klinische informatie, waaronder leeftijd, tumorniveau op MRI en twee gangbare bloedmarkers (CEA en CA19-9), om één voorspellend hulpmiddel te maken dat bekendstaat als een nomogram — een soort visuele risicocalculator.

Hoe goed werkte het hulpmiddel?

Om hun aanpak te testen, verdeelden de onderzoekers de patiënten in een grotere trainingsgroep en een kleinere testgroep. Modellen die alleen klinische gegevens of alleen radiomics gebruikten, lieten al een redelijke vaardigheid zien om patiënten met uitzaaiingen op afstand te onderscheiden van degenen zonder. Toen ze echter beide combineerden — beeldafgeleide kenmerken gemengd met klinische factoren — verbeterde de prestaties merkbaar. In de onafhankelijke testgroep scheidde het gecombineerde nomogram patiënten met en zonder gelijktijdige uitzaaiingen op afstand in ongeveer negen van de tien gevallen correct, met een goede balans tussen het opsporen van hoogrisicopatiënten en het vermijden van valse alarmen. Extra controles suggereerden dat de voorspellingen van het hulpmiddel goed overeenkwamen met wat daadwerkelijk gebeurde en dat het gebruik ervan meer klinisch voordeel zou kunnen bieden dan vertrouwen op standaardmaatregelen alleen.

Wat de beelden onthulden over agressieve tumoren

De computeranalyse wees uit dat textuurdetails van diffusion-weighted MRI bijzonder informatief waren. Tumoren waarvan de diffusion-beelden grotere interne onregelmatigheid toonden — een beeldkenmerk van weefselchaos en gemengde cel­dichtheid — waren vaker geassocieerd met uitzaaiingen op afstand. Met andere woorden: hoe onevenwichtiger en complexer de tumor er op microscopisch niveau uitzag, zoals indirect vastgelegd door de scan, hoe groter de kans dat kankercellen al naar andere delen van het lichaam waren uitgezwermd. Dit ondersteunt het idee dat geavanceerde beeldvorming als een niet-invasief venster naar tumorgedrag kan dienen, niet alleen naar grootte en vorm.

Wat dit voor patiënten kan betekenen

Voor mensen die recentelijk de diagnose rectumkanker kregen, kan een tool als dit MRI-gebaseerde nomogram artsen helpen patiënten snel in lagere- en hogere-risicogroepen voor uitzaaiingen op afstand in te delen voordat chirurgie of ingrijpende therapie begint. Degenen die als hoogrisico worden aangemerkt, kunnen worden doorverwezen voor intensievere beeldvorming van het hele lichaam, nauwere follow-up of agressievere behandelplannen, terwijl lager‑risicopatiënten onnodige onderzoeken en zorgeloosheid mogelijk kunnen worden bespaard. Hoewel de studie in één centrum werd uitgevoerd en nog bevestiging behoeft in grotere, meervoudige ziekenhuisonderzoeken, wijst het op een toekomst waarin routinematige scans en eenvoudige bloedtesten worden gecombineerd met machine learning om meer gepersonaliseerde, tijdige zorg te sturen.

Bronvermelding: Jiang, H., Guo, W., Lin, X. et al. Multiparametric MRI radiomics nomogram predicts synchronous distant metastasis in rectal cancer. Sci Rep 16, 5759 (2026). https://doi.org/10.1038/s41598-026-35973-w

Trefwoorden: rectumkanker, MRI-radiomics, uitzaaiingsrisico, machine learning in de geneeskunde, kankerbeeldvorming