Gepersonaliseerde kaart van lichaamshomeostase met behulp van whole-body PET-connectomics en routinematige FDG-PET‑beeldvorming

Waarom whole-body-scans een groter verhaal kunnen vertellen

Veel medische scans werken als zoeklichten die zoeken naar duidelijke probleemgebieden, zoals tumoren. Deze studie stelt een andere vraag: kan een routinematige whole-body PET-scan ook laten zien hoe al onze organen samenwerken als een systeem, en hoe dat systeem verstoord raakt bij chronische ziekte? De auteurs ontwikkelen een manier om een enkele scan om te zetten in een persoonlijke kaart van orgaan-tot-orgaanrelaties, en bieden daarmee een nieuw perspectief op lichaamsbalans en -ontregeling.

Van felle vlekken naar lichaamsbrede patronen

Positronemissietomografie, of PET, toont waar een kleine dosis radioactieve suiker in het lichaam wordt opgenomen en belicht daarmee hoe actief verschillende weefsels zijn. Traditioneel richten artsen zich op een paar hete of koude plekken: een tumor, een ontstoken arterie, een verdachte lymfeklier. Chronische ziekten herschikken echter vaak het hele netwerk van organen dat het lichaam in evenwicht houdt. In plaats van alleen geïsoleerde gebieden te bekijken, behandelen de onderzoekers het lichaam als een verbonden systeem en vragen ze hoe organen gezamenlijk de tracer verwerken in alledaagse klinische scans.

Een scan omzetten in een netwerkkaart

Om dit systeembrede perspectief op te bouwen, analyseerde het team routinematige PET‑CT-scans met een standaard suikermarker. Met een geautomatiseerd hulpmiddel verdeelden ze elke scan in 13 belangrijke orgaan- en weefselgroepen, waaronder hersenen, hart, longen, lever, nieren, vetweefsel, botten en spieren. In plaats van elk orgaan samen te vatten met één gemiddelde waarde, behielden ze het volledige opnamepatroon binnenin, waarmee zowel typische activiteit als subtiele variaties werden vastgelegd. Vervolgens maten ze hoe gelijk of verschillend deze patronen waren tussen elk paar organen en combineerden die informatie in een netwerk, of “connectoom”, voor elke individuele patiënt. In dit netwerk zijn organen knooppunten en verschijnt de sterkte van hun metabole relatie als verbindingen.

De methode testen bij een ernstige hart‑longziekte

De wetenschappers pasten hun raamwerk toe op mensen met gevorderde pulmonale arteriële hypertensie, een zeldzame aandoening waarbij de bloedvaten naar de longen vernauwen en verstijven. Dit legt zware druk op de rechterkant van het hart en triggert verstrekkende veranderingen in het hele lichaam. Ze vergeleken 22 getroffen patiënten met 46 mensen bij wie de scans er normaal uitzagen en die op dat moment geen tekenen van ernstige ziekte vertoonden. Een machine‑learningmodel dat alleen op deze orgaannetwerken was getraind, zonder te weten welke organen het meest relevant waren, kon patiënten van controles onderscheiden in ongeveer driekwart van de gevallen. De meest invloedrijke verbindingen betroffen de rechterkant van het hart en diens relaties met botten, de rest van het hart, de alvleesklier, lever, milt, nieren, longen en spieren, wat aansluit bij wat decennialang klinisch onderzoek al heeft laten zien over deze ziekte.

Controleren hoe stabiel de kaarten werkelijk zijn

Aangezien PET‑beelden aan de randen van organen enigszins wazig kunnen zijn, controleerde het team of kleine fouten bij het afbakenen van organen misleidende patronen zouden kunnen creëren. Ze verstoorden opzettelijk de grenzen tussen aangrenzende weefsels en bouwden de orgaannetwerken opnieuw op onder matige en ernstige vervorming. De algemene netwerkstructuur en, cruciaal, het sterke signaal van het rechterhart bleven grotendeels onveranderd, en eenvoudige statistische modellen scheidden patiënten nog steeds van gezonde personen met vergelijkbare nauwkeurigheid. Dit suggereert dat de methode echte fysiologische verschillen vastlegt in plaats van fragiele artefacten van beeldverwerking.

Wat dit kan betekenen voor toekomstige zorg

Door persoonlijke “verbindingskaarten” uit één routinematige PET‑scan te halen, wijst dit werk op een nieuwe manier om medische beelden te interpreteren. In plaats van alleen te vragen waar de ziekte zich bevindt, zouden clinici ook kunnen onderzoeken hoe ziekte de coördinatie van organen door het hele lichaam verstoort. Bij aandoeningen zoals pulmonale arteriële hypertensie wordt het veranderde netwerk rond het rechterhart een vingerafdruk van verstoorde lichaamsregulatie. Met verdere validatie in grotere en meer diverse groepen zouden vergelijkbare kaarten kunnen helpen volgen hoe chronische ziekten hun invloed door het lichaam verspreiden en mogelijk op termijn meer op maat gemaakte monitoring- en behandelingsstrategieën sturen.

Bronvermelding: Labarthe, A., Varet, S., Savale, L. et al. Personalized mapping of body homeostasis using whole-body PET connectomics and routine FDG PET imaging. Commun Med 6, 294 (2026). https://doi.org/10.1038/s43856-026-01549-y

Trefwoorden: PET‑beeldvorming, orgaannetwerken, pulmonale arteriële hypertensie, metabole homeostase, precisiemedicine