Snelle, niet-invasieve door kunstmatige intelligentie ondersteunde diagnostische methode voor plaveiselcelcarcinoom van de mond

Waarom uw adem en speeksel kunnen helpen mondkanker op te sporen

Mondkanker kan het vermogen om te spreken, eten en glimlachen ontnemen en wordt vaak pas in een te laat stadium ontdekt voor de beste behandeling. Deze studie laat zien dat eenvoudige adem- en speekselmonsters, geanalyseerd met moderne sensoren en kunstmatige intelligentie, artsen kunnen helpen deze kanker eerder te herkennen zonder pijnlijke biopsies. Door piepkleine chemicaliën in uitgeademde lucht te lezen en bepaalde mondmicroben te volgen, ontwikkelden de onderzoekers een snelle, niet-invasieve test die de manier waarop we screenen voor mondkanker zou kunnen veranderen.

Op zoek naar waarschuwingssignalen zonder scalpel

Vandaag de dag wordt plaveiselcelcarcinoom van de mond meestal bevestigd door een klein stukje weefsel te nemen van een verdachte plek in de mond en dit onder de microscoop te onderzoeken. Deze methode is nauwkeurig maar invasief, kan zeer kleine of verborgen tumoren missen en is niet praktisch voor massale screening. Het team achter deze studie wilde een vriendelijker alternatief vinden. Ze concentreerden zich op twee gemakkelijk te verzamelen monsters: uitgeademde lucht, die wolken van tiny vluchtige chemicaliën uit de mond meedraagt, en speeksel, dat rijk is aan de bacteriën die daar leven. Hun doel was te onderzoeken of een computer patronen in deze monsters kon leren die betrouwbaar mensen met mondkanker scheiden van gezonde vrijwilligers.

De chemische vingerafdrukken in adem lezen

De onderzoekers bouwden eerst een zorgvuldig systeem voor het verzamelen en analyseren van adem. Vrijwilligers vastten, ademden rustig om hun luchtstroom te stabiliseren en bliezen vervolgens in speciale zakken. De monsters werden ingevoerd in een zeer gevoelig apparaat dat luchtgedragen moleculen weegt en honderden verschillende verbindingen in één adem kan onderscheiden. Met deze methode detecteerden ze meer dan 200 verschillende vluchtige stoffen en vonden ze duidelijke verschillen tussen de adem van patiënten en gezonde personen. Een kunstmatig-intelligentiemodel werd getraind op deze patronen en verfijnd door vele testcycli. Uiteindelijk bleek één modelfamilie, bekend als gradient boosting, het beste: het identificeerde de meeste kankergevallen correct in zowel de oorspronkelijke groep als in een onafhankelijke groep nieuwe patiënten.

Wat het mondmicrobioom onthult

Speeksel vertelde een ander maar gerelateerd verhaal. Door het DNA in het speeksel van deelnemers te sequencen, brachten de wetenschappers in kaart welke bacteriën aanwezig waren en in welke hoeveelheden. Ze zagen dat gezonde monden doorgaans rijkere en meer gebalanceerde microbiële gemeenschappen hadden, terwijl kankerpatiënten vaak een verschuiving naar bepaalde soorten vertoonden. Met name een microbe genaamd Fusobacterium nucleatum, samen met enkele nauwe verwanten, kwam vaker voor bij mensen met kanker. Andere typische mondbacteriën werden minder talrijk. Machine-learningmodellen die alleen op het speekselmicrobioom waren gebaseerd konden kankergevallen ook met hoge nauwkeurigheid van gezondheid onderscheiden, zelfs over verschillende tumorstadia en behandelachtergronden heen, wat suggereert dat microbiële verschuivingen een stabiel ziektesignaal zijn.

Een stinkend gas koppelen aan een specifieke kiem

Om te begrijpen waarom adem en speeksel verbonden waren, zochten de onderzoekers naar specifieke markers die de beslissingen van de computer aanstuurden. Eén ademverbinding, het zwavelhoudende gas methanethiol, bleek vier- tot vijfmaal hoger te zijn bij kankerpatiënten. Tegelijkertijd was één ondersoort van Fusobacterium nucleatum sterk verrijkt in speeksel. Netwerkanalyses van metabolische paden suggereerden dat deze bacterie uitgerust is om bouwstenen om te zetten in methanethiol. In laboratoriumschalen, wanneer de microbe samen met mondkankercellen werd gekweekt, stegen de methanethiolniveaus sterk, hoewel de bacteriën zelf niet vermenigvuldigden, wat de hypothese ondersteunt dat een interactie tussen tumor en kiem de gasproductie verhoogt die vervolgens in uitgeademde lucht kan worden gedetecteerd.

Een slimme online tool voor artsen en onderzoekers

In plaats van hun methoden achter slot en grendel te houden, combineerde het team de ademgegevens, speekselgegevens en het computermodel in een openbaar webplatform. Klinici of wetenschappers kunnen hun eigen metingen van vluchtige ademverbindingen of speekselmicroben uploaden en direct voorspellingen ontvangen over of het patroon meer lijkt op dat van een kankerpatiënt of een gezond persoon. De site toont ook welke kenmerken, zoals methanethiolniveaus of de abundanties van Fusobacterium nucleatum, de meeste invloed hadden op elke individuele voorspelling, waardoor het systeem transparanter en gemakkelijker te vertrouwen is.

Wat dit werk betekent voor toekomstige screening

Voor een niet-expert is de kernboodschap van deze studie dat een snelle, pijnloze adem- en speekseltest op een dag kan helpen mondkanker eerder en met minder ongemak te detecteren. Het onderzoek vervangt de biopsie niet als het definitieve oordeel in de diagnostiek en moet nog worden getest in grotere en meer diverse populaties, inclusief mensen met zeer vroege of premaligne veranderingen. Maar het laat zien dat het mengsel van chemicaliën dat we uitademen en de microben in onze mond een afleesbare ziektecode vormen. Door gevoelige instrumenten te combineren met kunstmatige intelligentie legt dit werk de basis voor eenvoudige screeningsinstrumenten die in tandartspraktijken of buurtgezondheidscentra kunnen worden gebruikt om mensen te signaleren die vervolgzorg het meest nodig hebben.

Bronvermelding: Sun, Y., Hu, X., Han, J. et al. Rapid and noninvasive artificial intelligence-assisted diagnostic method for oral squamous cell carcinoma. npj Digit. Med. 9, 399 (2026). https://doi.org/10.1038/s41746-026-02527-3

Trefwoorden: mondkanker, ademanalyse, microbioom, kunstmatige intelligentie, niet-invasieve diagnose