Geneeskunde Van oudsher komen artsen pas in actie als iemand ziek is. Dat verandert door de opkomst van de voorspellende geneeskunde. De patiënt wordt een prepatiënt.
Sinds mijn vijfenvijftigste verjaardag ontvang ik om de twee jaar een uitnodiging om mee te doen aan een bevolkingsonderzoek voor darmkanker. Ik doe daar trouw aan mee omdat genezingskansen bij vroege ontdekking groot zijn. Inmiddels onderga ik op advies van de huisarts ook jaarlijks een medische ‘APK-keuring’, een preventieve check-up om gezondheidsproblemen vroegtijdig op te sporen. Mijn bloed wordt dan getest op onder meer glucose en cholesterol, mijn BMI wordt vastgesteld en mijn bloeddruk gemeten. Ik voel me gezond en tot op heden wordt dat gevoel bevestigd door de uitslag van de testen.
De risicotabel met geruststellende groene, zorgwekkende gele en onheilspellende oranje vakjes, die respectievelijk aanduiden dat er een laag, verhoogd of hoog risico op ziekte en sterven is.
Ieder van de 512 vakjes uit de risicotabel heeft een geruststellende groene, een zorgwekkende gele of een onheilspellende oranje kleur, die respectievelijk aanduiden dat er een laag, verhoogd of hoog risico op ziekte en sterven is, wat betekent dat ‘medicamenteuze behandeling’ niet nodig, doorgaans niet nodig of ernstig te overwegen is. Dat deze formuleringen de arts en mij enige speelruimte geven, komt omdat de tabel niet alles zegt. Behalve de in de tabel opgenomen risicofactoren spelen ook gewicht, voeding, stress, alcoholgebruik, lichaamsbeweging en genetische aanleg een rol. De precieze oorzaak van hoge bloeddruk kan bovendien vaak niet worden vastgesteld. Hm…
Ik rook niet, heb geen overgewicht, eet gezond en ben matig met alcohol. Ook fitness ik dagelijks en fiets ik met mijn lief tijdens vakanties honderden kilometers door Europa. Mijn smartwatch laat zien dat mijn stressniveau vrijwel altijd heel laag is en mijn energieniveau constant hoog. Toch beland ik vanwege mijn leeftijd in een geel vakje en, zo leert de tabel, als ik de 75 haal, onvermijdelijk in de oranje vakjes. Geen reden om me grote zorgen te maken, zegt de huisarts. Maar het is wel te overwegen mijn guilty pleasure – oude kaas – wat beter in toom te houden of een bloeddrukverlager te gaan slikken. Daarmee wordt de bloeddruk waarschijnlijk lager en wordt de kans binnen 10 jaar aan een mogelijk fatale hart- of vaatziekte te krijgen teruggebracht van 9 procent naar 6 procent.
De keuze om wel of niet dagelijks een wit pilletje amlodipine 5 mg te gaan slikken natuurlijk niet bijzonder ingrijpend. Maar het is wel een voorbeeld van de veelomvattende revolutie die gaande is in de geneeskunde. Waar een arts ooit in actie kwam als er symptomen optraden en achteromkeek naar de mogelijke oorzaken, richt zij zich nu steeds meer op de toekomst. Die ontwikkeling hangt samen met de ‘datafication of everything’. In het computertijdperk wordt zowat alles, het menselijk lichaam incluis, gedigitaliseerd en in gigantische databases opgeslagen. Om vervolgens door AI-gedreven algoritmen te worden geanalyseerd, in patronen geordend en daarmee tot object van voorspellingen gemaakt. De geneeskunde transformeert daardoor gaandeweg tot een predictieve en preventieve discipline en de mens wordt daardoor – zoals de Raad voor Gezondheid en Samenleving het in de titel van zijn rapport Iedereen bijna ziek. Over de keerzijden van diagnose-expansie (2024) kernachtig uitdrukt – tot prepatiënt.
Voorkomen is immers beter dan genezen. De hoop is dat door periodieke medische screening, geïndividualiseerde genetica en lifestyle-interventies de genezing van ziekten zo veel als mogelijk te vervangen is door voorspellingen en proactieve interventies. Hoe zal de toekomst eruitzien?
Charlotte maakt zich ernstige zorgen omdat er alzheimer in de familie voorkomt. Haar moeder en een oudere zus zijn eraan overleden. Er is inmiddels een medicijn dat alzheimer weliswaar niet kan genezen, maar bij 76,8 procent van de prepatiënten wel kan voorkomen dat de ziekte zich ontwikkelt, mits de inname minimaal tien jaar start voordat de eerste symptomen optreden. De arts verzamelt een groot aantal biomarkers in Charlottes lichaam, waaronder epigenetische veranderingen (in de moleculen die haar genen aan- en uitzetten), metabolieten (moleculen die ontstaan bij haar verwerking van voedsel, drank en medicijnen), specifieke eiwitten in haar bloed en bacteriën in haar ontlasting. Deze worden vervolgens vergeleken met de alzheimervoorspellende patronen die een AI heeft ontdekt in een reusachtige database met biomarkers van miljoenen alzheimerpatiënten. Op basis daarvan kan worden bepaald of en wanneer Charlotte alzheimer zal ontwikkelen en of ze tot 76,8 procent van de prepatiënten behoort die baat zullen hebben met het medicijn.
Is dit een realistisch toekomstscenario? Daar zijn de nodige vragen bij te stellen.
Dat voorspellende AI-tools een steeds grotere rol zullen gaan spelen in de geneeskunde, staat wel vast. AI’s worden nu al getraind door in een eerste fase voorbeelden van goed- en kwaadaardige tumoren in te voeren. In de tweede fase van de training beslist de AI zonder menselijke tussenkomt zelf, waarbij het streven is zoveel als mogelijk valse positieven en negatieven (een tumor respectievelijk ten onrechte als kwaadaardig of goedaardig te bestempelen) te vermijden. Bij deep learning, waarbij gebruik gemaakt wordt van vele lagen kunstmatige neuronen, is het leerproces een black box en is de werking zelfs voor de AI-ontwerpers onverklaarbaar. Wat dat laatste betreft lijken ze op de natuurlijke neurale netwerken in ons hoofd, waarvan de werking ook nog met vele raadsels is omgeven. Maar de ervaring leert dat genoemde AI-tools goed werken en inmiddels beter dan artsen scoren bij de detectie en classificatie van tumoren (ze worden nooit moe of afgeleid), hoewel de combinatie van AI en arts het nog steeds iets beter doet.
Ook voorspellende AI’s op basis van biomarkers, zoals in het gedachtenexperiment, zijn volop in ontwikkeling. In dat geval wordt de AI getraind om in grote databases correlaties (samenhangen) tussen specifieke biomarkers en bijvoorbeeld biologische leeftijd, bloedwaarden, lifestyle, gezondheid, infecties na operatie en moment van overlijden te ontdekken.
In haar proefschrift The Age of Biomarkers. Predicting Age-Related Decline with Molecular Signatures (2026) heeft Lieke Kuiper samen met haar medeonderzoekers de effectiviteit en robuustheid van biomarkers die correleren met veroudering en sterven vergeleken en ook een aantal nieuwe ontwikkeld. Haar conclusie luidt dat die het verouderingsproces en de resterende levenstijd steeds adequater kunnen voorspellen, dat verschillende biomarkers verschillende soorten kwetsbaarheid belichten en dat ze vooral in combinatie nieuwe inzichten bieden in ouderdom en daarmee gepaard gaande kwetsbaarheden. Het is dan niet uitgesloten dat in de toekomst met behulp van biomarkers ook adequate voorspellingen kunnen worden gedaan over of en wanneer mensen alzheimer krijgen. Het probleem met de klinische toepassing van die kennis is dat de genoemde AI’s louter statistische voorspellingen doen die betrekking hebben op populaties en niet op individuen. In dat opzicht wijken ze niet af van de risicotabel van mijn huisarts. Ook wanneer de kans op een ziekte of overlijden heel nauwkeurig kan worden voorspeld voor de populatie waartoe ik behoor, geeft dat geen uitsluitsel of ik die ziekte zal krijgen of daaraan zal sterven. Statistieken zijn nuttig voor groepen, maar onbetrouwbaar en soms ronduit misleidend als om het individuen gaat.
Daarbij komt nog dat correlaties geen oorzaken zijn. Er bestaat een duidelijke correlatie tussen bosbranden en het eten van ijsjes, maar dat betekent niet dat het eten van ijsjes bosbranden veroorzaakt of dat je bosbranden kunt voorkomen door ijsjes te verbieden. Biomarkers hangen samen met de risico’s op bepaalde ziekten of doodsoorzaken, maar zijn er niet noodzakelijk de oorzaak ervan. Ze bieden dus niet noodzakelijk inzicht in de lichamelijke processen en omgevingsfactoren die een ziekte als alzheimer veroorzaken, en dragen dus evenmin noodzakelijk bij aan de ontwikkeling van een medicijn tegen deze ziekte.
Het is bovendien de vraag of causaal-deterministische voorspellingen in het geval van individuele levens überhaupt mogelijk zijn. Leven is een stochastisch en chaotisch proces, dat door verschillende toevalligheden wordt gekenmerkt. Zelfs als twee individuen identieke biomarkers hebben, kan de uitkomst tegengesteld zijn. Organismen en de daarin aanwezige biomarkers zijn bovendien open naar de toekomst, ze veranderen voortdurend en scheppen steeds nieuwe toestanden en gebeurtenissen. Als ik te horen krijg dat de kans 9 procent is om binnen 10 jaar een hart- of vaatziekte te krijgen of daaraan zelfs te overlijden, dan kan ik die voorspelling weerleggen door te stoppen met het eten van oude kaas (iets wat machines om verschillende redenen niet kunnen doen). En als ik morgen onder de tram loop en overlijd, wordt die kans plotsklaps 100 procent.
Die onvoorspelbaarheid op individueel niveau kan tragische gevolgen hebben. Bijvoorbeeld in geval van overbehandeling doordat een voorspelde aandoening of ziekte zich bij een deel van de populatie niet voordoet of zich zo traag ontwikkelt dat men er niet aan overlijdt. Als dat betekent dat ik het medicijn om de bloeddruk te verlagen onnodig zou gaan slikken, heeft dat niet zoveel om het lijf. Maar in geval van een onnodige borstamputatie – een niet verwaarloosbare kans aangezien er bij 20 procent van alle ontdekte borsttumoren sprake is van overdetectie – zijn de gevolgen van overbehandeling van een heel andere orde. Omdat uit een studie uit 2019 van het Erasmus MC blijkt dat bij vrouwelijke dragers van het beruchte borstkankergen BRCA2 de overlevingskansen bij een halfjaarlijkse controle even groot zijn als bij een preventieve borstamputatie, is in dat geval een preventieve ingreep voor een deel van de dragers onnodig.
Zelfs als individuele voorspellingen mogelijk zouden zijn, is het de vraag of ze ons veel gelukkiger zouden maken. Stel dat Charlotte te horen krijgt dat het 100 procent zeker is dat zij zal overlijden aan alzheimer als ze het medicijn niet zou nemen, maar dat zij gelukkig tot de 76,8 procent van de prepatiënten behoort die baat zullen hebben met het medicijn. Dat lijkt gunstig, maar is het niet noodzakelijk. Stel dat het een extreem duur medicijn zou zijn dat ze alleen krijgt wanneer ze vanaf de diagnose de fors hogere premie en aanvullend eigen risico betaalt die de Nieuwe Biopolitiek van de regering vereist. Wat als Charlotte dat financieel niet kan opbrengen? Talloze politieke en morele dilemma’s doemen op.
Wat als de AI zou voorspellen dat de ziekte van Alzheimer bij Charlotte al na drie jaar zal optreden, zodat ze niet in aanmerking komt voor het medicijn? De zekerheid dat ze binnen enkele jaren aan de ziekte zal gaan lijden maakt haar ernstig depressief. En tegelijkertijd tijd verwijt ze zichzelf dat ze zich niet eerder heeft laten voorspellen. Ze wist toch van de familiegeschiedenis…
De voorspellende geneeskunde zal ons ongetwijfeld veel leed besparen, maar ook veel leed veroorzaken. De hoop dat zij uitsluitend zal bijdragen aan het elimineren van het noodlot miskent dat zij in ons technologische tijdsgewricht ook bij uitstek de gestalte is waarin het noodlot zich op onvoorspelbare wijze aan stervelingen manifesteert.
Dit artikel is een bewerking van de lezing die em. prof. dr. Jos de Mul hield op de jaarlijkse Domus Dag van de Artsenfederatie KNMG. Van zijn hand verscheen onlangs de zesde druk van zijn boek De domesticatie van het noodlot. De wedergeboorte van de tragedie uit de geest van de technologie. (Uitgeverij Boom, 2025). Veel van zijn werk is gratis te downloaden op www.demul.nl
Op de hoogte van kleine ontdekkingen, wilde theorieën, onverwachte inzichten en alles daar tussenin