Met één klik op de knop zien of een experimentele behandeling voor een ziekte aanslaat, voordat een patiënt van vlees en bloed in de spreekkamer verschijnt: dat is wat biomedisch ingenieur Aurélie Carlier (1987) voor ogen heeft. Ze ontwikkelde een ‘virtuele patiënt’ om de heling van botbreuken beter te begrijpen. Carlier is finalist in de verkiezing van het Wetenschapstalent 2021 en presenteert haar onderzoek op 10 juni tijdens New Scientist Live.
Bij de behandeling van een breuk gebruiken we gips. Wat valt daar nog aan te ontdekken?
‘Botheling lijkt niet heel spannend, maar het gaat best vaak mis. 5 tot 10 procent van de botbreuken herstelt niet. Hoe werkt dat precies en wat kunnen we eraan doen? Dat probeer ik uit te vinden met een wiskundige model.’
Hoe ziet zo’n model er precies uit?
‘Wanneer een gebroken bot geneest, ontstaat er een ontstekingsreactie, en later beginnen bloedvaten te groeien. In een paar weken tijd vormt een deel van de aanwezige stamcellen kraakbeen, en uiteindelijk bot.’
‘Er komt een moment dat we een grieppandemie niet kunnen voorkomen’
Ron Fouchier staat aan de frontlinie in de strijd tegen de griep. Met nieuwe vaccins wil hij ons beschermen tegen toekomstige pandemieën.
Hetzelfde proces heb ik beschreven met wiskundige vergelijkingen. Zo wijs ik plekken aan waarvandaan de bloedvaten groeien en waar stamcellen zich bevinden. Ik programmeer een aantal regels die samen het wiskundige model vormen. Bijvoorbeeld dat een stamcel pas omvormt tot een botcel als er voldoende zuurstof is. Daarna kunnen we makkelijk aanpassingen maken in het model. Wat gebeurt er bijvoorbeeld als er te weinig stamcellen zijn, of als het gat van de breuk veel groter is?’
Maar als die regels al bekend zijn, is het dan niet ook bekend wat eruit gaat komen?
‘Het probleem is dat er zo veel regeltjes zijn, die elkaar ook beïnvloeden, dat het moeilijk te zeggen is wat de uitkomst precies zal zijn. De uitvoer van de ene is weer de invoer van de andere, en zo haken alle functies in elkaar en komt het model tot stand.’
Is het mogelijk om onderscheid te maken tussen verschillende soorten patiënten?
‘Ik begon met een model voor een ‘gemiddelde’ patiënt. Daarna heb ik mijn onderzoek gericht op een zeldzame genetische ziekte, waarbij mensen slechte botheling hebben. Het lukte om die ziekte te simuleren. Ik heb tweehonderd virtuele patiënten gemaakt, met allemaal een net iets andere instelling. Sommige genazen, andere niet. We hebben ook gekeken wat er gebeurde als je niks deed. Dat had nooit met tweehonderd echte patiënten gekund!’
Het biedt dus veel mogelijkheden?
‘Ja. We probeerden zelfs een experimentele behandeling uit op de virtuele patiënten. Dat kan in het echt ook niet: als je iemand eenmaal behandeld hebt, kun je nooit meer weten wat er zonder behandeling was gebeurd. We zagen mensen die profiteerden van de behandeling, mensen bij wie de behandeling niks deed, maar ook bij wie de situatie verslechterde. Dat is heel nuttig om te weten. Zeker omdat deze ziekte zeer zeldzaam is. Er zijn slechts vijfhonderd patiënten in Europa. Maar met zo’n model kun je virtueel extra mensen bijmaken om voorspellingen te doen.’
Kunnen we alle processen in het lichaam wel begrijpen?
‘Ik wil een andere vraag stellen: is het nodig om ze allemaal te begrijpen? In de huidige geneeskunde doen we sommige behandelingen omdat we weten dat ze werken, niet per se omdat we weten waarom. Onderzoeken zeggen ook niet alles: een muis is geen mens. Zelfs een klinische studie met echte mensen heeft zijn beperkingen. Als het model werkt, ook al is het niet perfect, ben ik geneigd te zeggen: het is goed genoeg.’
Komt er ooit een volledig model van de mens, of zelfs van ieder persoonlijk?
‘Ja, we willen in de toekomst alle modellen samenvoegen. Dat noemen we een digital twin, jouw digitale versie. Misschien wordt de digital twin een soort dossier bij de huisarts. Dan kunnen we de behandeling op iedere persoon afstellen. Het zal niet morgen zijn, maar hopelijk maak ik het nog wel mee.’
