HvA gebruikt Machine Learning om Huntington beter te begrijpen

Moeite met lopen, stijve spieren, geheugenverlies en stemmingswisselingen: dit zijn enkele van de symptomen van de ziekte van Huntington. Een erfelijke hersenaandoening, die wereldwijd 10 op de 100.000 mensen treft. De eerste symptomen treden meestal op als mensen tussen de 35 en 45 jaar oud zijn, waarna de klachten steeds erger worden. Vaak overlijden zij op relatief jonge leeftijd. Hoewel de oorzaak bekend is – een afwijking van een bepaald gen – is er geen behandeling om de ziekte te genezen of af te remmen.

Voorspellen en vertragen

Daar wil het Nederlandse project CureQ verandering in brengen. In dit vierjarige onderzoek werken 13 partijen samen om meer te weten komen over de ziekte van Huntington. De Hogeschool van Amsterdam (HvA) onderzoekt samen met artsen, universiteiten, biotechnologiebedrijven en patiëntenverenigingen of, en zo ja hoe, het verloop van de ziekte te voorspellen en te vertragen is. Met hun onderzoek hopen ze een betere behandeling te ontwikkelen.

AI-model

Ook Joram, student Biomedische Technologie aan de HvA, en Jesse, afgestudeerd aan de master Applied Artificial Intelligence, werken mee aan CureQ. Onder begeleiding van hoofddocent Biomedische Technologie Bart Baselmans en Nico Romeijn werken zij aan een Machine Learning-model. Machine Learning is een vorm van kunstmatige intelligentie (AI) gericht op het creëren van systemen die van data kunnen leren.

Het model kan op basis van verschillende metingen bij gekweekte hersencellen van patiënten voorspellen wanneer iemand ziek wordt. Niet alleen is dat voor veel gendragers belangrijk om te weten, het maakt het straks ook mogelijk te beginnen met een behandeling voordat de ziekte begint. Daardoor kan die uitgesteld of zelfs voorkomen worden.

Verlengd stukje DNA

'Het was al langer bekend dat mensen met Huntington een verlenging van een bepaald stukje DNA hebben’, legt Joram uit. ‘Hoe langer het stukje DNA is, hoe eerder hij of zij ziek wordt en hoe heftiger de ziekte is. Maar deze verlenging is niet de enige factor die het ziekteverloop bepaalt. De andere factoren worden nu onderzocht binnen CureQ. Want als je beter weet wanneer iemand de ziekte krijgt en hoe die verloopt, kun je een betere behandeling ontwikkelen, testen, en op tijd inzetten.’

Voor het onderzoek zijn verschillende groepen hersencellen gekweekt met allemaal een andere hoeveelheid gen-herhalingen. ‘Met verschillende experimenten onderzoeken we in het lab wat het verschil is tussen cellen met een ‘normaal’ en een afwijkend aantal herhalingen’, vertelt Jesse. ‘Bij een van die experimenten meten ze het verschil in elektrische activiteit tussen de groepen hersencellen. Op basis van dat experiment hebben wij bekeken of we daarover met kunstmatige intelligentie een voorspelling kunnen doen.’

Pieken opsporen

Is werken met kunstmatige intelligentie niet gewoon een kwestie van wat gegevens invoeren en op een knop drukken? Dat is een misverstand dat Joram en Jesse graag uit de wereld helpen. ‘Je kunt niet simpelweg in het lab een experiment uitvoeren, je data in een AI-programma gooien en hopen op kant-en-klare resultaten. Er is veel sturing nodig. Wie slechte input geeft, krijgt ook slechte output.'

Wat er dan precies nodig is? Als de ruwe data van een experiment binnenkomt, is het aan Joram om de eerste analyse uit te voeren. In het lab is de elektrische activiteit in een netwerk van hersencellen gemeten met meerdere elektroden, die elke seconde tot wel twintigduizend metingen uitvoeren. Dat levert een dataset op met miljoenen waardes.

Om hierbinnen de hersenactiviteit te identificeren, gaat Joram op zoek naar (opeenvolgingen van) pieken in het voltage. ‘Deze “gebeurtenissen” hebben allemaal bepaalde eigenschappen. Hoe lang duren ze? Hoeveel zijn het er? Wat is de gemiddelde tijd die ertussen zit? Dat soort gegevens zoek ik uit en kan Jesse vervolgens in een AI-model invoeren.’

Beslisboom

Als Joram klaar is met het verwerken van de data, begint Jesse met het trainen van een Machine Learning-model. Dat doet hij door de data te verwerken in een beslisboom, die de verschillen tussen de cellen kan analyseren. ‘Een van die verschillen kan bijvoorbeeld zijn: als een cel minder dan 100 pieken laat zien, is het een gezonde cel, en als het er meer dan 100 zijn, is het een zieke cel. En zo zijn er nog veel meer beslismomenten. Op basis daarvan komt het AI-model uiteindelijk tot de conclusie of het een gezonde of zieke cel is. Het model zegt dus: heeft iemand de ziekte van Huntington op basis van de celeigenschappen die ik zie, ja of nee?'

Bijdragen aan onderzoek

Inmiddels is er een proof of concept ontwikkeld en hebben de twee hun kennis zelfs onlangs gedeeld in een workshop met alle onderzoekers van CureQ. Daar lieten ze zien hoe ook zij Machine Learning kunnen gebruiken in hun onderzoek. ‘Er is binnen het project veel enthousiasme voor AI’, zegt Joram. ‘Maar het is nog niet altijd duidelijk wat je ermee kunt. Daarom hebben we in de workshop onder meer uitgelegd wat AI wel en niet kan.'

Wat AI in ieder geval wel kan: op basis van celeigenschappen voorspellingen doen over de genetische opmaak van een cel. Een resultaat waar Jesse en Joram blij mee zijn. ‘Het is mooi om te helpen meer te weten te komen over een ziekte waar nog zo weinig over bekend is’, zegt Jesse. Joram knikt: ‘Ik vind het belangrijk dat je weet waarvoor je het doet, dat je een bijdrage kunt leveren aan onderzoek.'

www.cureq.nl