‘Als een proefdiervrij onderzoeksmodel de beste en snelste resultaten levert, nemen farmabedrijven het vanzelf over’.
MechPath brengt TNO, universiteiten, biotechbedrijven en Stichting Proefdiervrij samen om een innovatieve aanpak te ontwikkelen om het testen van medicijnen sneller, beter en dus goedkoper te maken – zónder proefdieren. De onderzoekers werken aan een proefdiervrij AI-model dat rekening houdt met de verschillen tussen patiëntengroepen. Zo moet het uiteindelijk mogelijk worden om te voorspellen hoe verschillende patiënten reageren op een bepaald geneesmiddel. We spraken met biochemicus Roeland Hanemaaijer en data scientist Lars Verschuren, die beiden vanuit TNO in deze samenwerking zitten.
Het moeilijke van medicijnontwikkeling
Negentig procent van de medicijnen die in preklinische experimenten positief getest worden, vallen tijdens klinische studies op mensen alsnog af. Dit maakt de ontwikkeling van nieuwe medicijnen een lang en duur proces. Medicijnen die wel door klinische studies komen, werken vaak slechts voor een minderheid van de patiënten. ‘Voor leverfibrose bestaat er bijvoorbeeld een medicijn dat €40.000 per jaar kost,’ vertelt Roeland. ‘Hartstikke duur en je weet pas na twee jaar of het goed werkt. Het zou fantastisch zijn als we per patiënt konden voorspellen of het zin heeft om die behandeling te starten.’
Iedere patiënt is anders
En precies dat voorspellen per patiënt, dat is waar MechPath – een samenwerking van TNO, Galapagos, LACDR (Universiteit Leiden) en Proefdiervrij – naartoe werkt. Te beginnen met fibrose, littekenvorming in organen. Fibroseontwikkeling gaat bij de één snel, bij de ander langzaam. Waarom dat zo is, weten we niet precies. Maar dat de patiënten zo verschillend zijn, zorgt er mede voor dat geteste medicijnen vaak slechts voor een deel van de patiënten werken. Tegelijkertijd zijn de celmodellen waarmee getest wordt vaak gebaseerd op de cellen van één patiënt. En die ene patiënt kan nooit alle patiënten met al hun unieke eigenschappen vertegenwoordigen.
Iedere cel is anders
Ook is de variatie tussen de cellen die verschillende onderzoeksteams gebruiken vaak zo groot dat onderzoeksresultaten van teams onderling zich moeilijk laten vergelijken. ‘Cellen verschillen veel meer van elkaar dan we vroeger dachten,’ legt Roeland uit. ‘Of cellen van ouderen of jongeren, mannen of vrouwen komen, het heeft allemaal invloed op hoe ze reageren op bijvoorbeeld een geneesmiddel.’ Uit het onderzoek van MechPath bleek bovendien dat cellen onthouden of ze ziek zijn. ‘Dat is voor zover wij weten volledig nieuwe informatie en behoorlijk opzienbarend,’ vertelt Lars. ‘Cellen worden geïsoleerd uit een patiënt, ingevroren, opgestuurd naar TNO en door ons weer opgekweekt. Anderhalve week later weten die cellen nog steeds dat ze ziek zijn en maken ze uit zichzelf fibrose aan.’
Zo dicht mogelijk bij de patiënt
De heilige graal in het geneesmiddelenonderzoek is een model dat zo dicht mogelijk bij de patiënt staat, daar zijn alle samenwerkingspartners het over eens. ‘Bij TNO zitten we in feite tussen wetenschappers die fundamenteel onderzoek doen en bedrijven in,’ zegt Lars. ‘Bedrijven laten door ons hun medicijnen testen. Zij willen hun medicijnen natuurlijk zo snel mogelijk op de markt brengen, en om dat mogelijk te maken kiezen wij het model dat de patiënt zo goed mogelijk vertegenwoordigt. Maar uiteindelijk representeert een model altijd maar een klein stukje van een patiënt. Om te weten of je het beste model te pakken hebt, moet je dus heel goed weten wat je precies aan het meten bent.’
Pas na de vertaalslag worden onderzoeksresultaten relevant
Dat klinkt vanzelfsprekend, maar volgens Lars kennen lang niet alle onderzoekers hun model door-en-door. ‘Er zijn bijvoorbeeld minimaal vijf celmodellen op de markt waarmee je het effect van cholesterolverlagende medicatie op levercellen kunt testen. De meeste onderzoekers zullen het celmodel pakken dat in hun vriezer ligt, waar ze eerder mee gewerkt hebben en waarvan ze denken te weten dat het werkt. Maar wij hebben onderzocht dat welke cellen je gebruikt, en in welke conditie die cellen zijn, heel belangrijk is voor de vertaalbaarheid van je resultaten. En pas na die vertaalslag worden je onderzoeksresultaten relevant.’
Niet tegen proefdieren, maar voor modellen die werken
Resultaten uit dierproeven laten zich niet goed vertalen naar patiënten, omdat dieren geen mensen zijn – dat is wat we bij Proefdiervrij altijd zeggen. En hoewel Roeland zich daarbij aansluit, plaatst hij ook een kanttekening. ‘Een dier is geen mens, maar een groepje cellen ook niet. Dieren zijn levende wezens, daar wil je geen vervelende dingen mee uithalen als het niet nodig is. Je moet dus zeker kritisch zijn op het gebruik van proefdieren, maar je moet net zo kritisch zijn op de alternatieven.’
Roeland zegt dan ook liever niet dat hij tegen proefdieren is. ‘Ik ben voor modellen die goed voorspellen. Als we proefdiervrije modellen weten te maken die snellere en betere resultaten opleveren dan dierproeven, nemen de farmaceutische bedrijven ze vanzelf over. Om dat aan te tonen, moet je het model, het ziektemechanisme en de patiënt heel goed kennen.’
Dankzij de samenwerking tussen wetenschappers, artsen, bedrijven en partners zoals Proefdiervrij, werken we aan een toekomst waarin gezondheid voor dier én mens centraal staat.
Samenwerkingen als MechPath zijn ontzettend belangrijk om aan te tonen dat proefdiervrije modellen werken en om ervoor te zorgen dat ze ook echt gebruikt worden door farmaceutische bedrijven. Inmiddels is het onderzoek van MechPath zo goed als afgerond. Lees hier wat ze precies gedaan en bereikt hebben.
Misschien wil je dit ook lezen:
