Beter inzicht in overleving en kwaliteit van leven met real-world data

In zijn promotieonderzoek laat Kuijper zien hoe statistische en machine learning-methoden toegepast kunnen worden op real-world data uit de Nederlandse Kankerregistratie (NKR) van patiënten met slokdarm- of maagkanker. ‘Mijn doel was om meer inzicht te verschaffen in deze ziekten en te laten zien hoe moderne analysemethoden kunnen bijdragen aan klinisch onderzoek. Door bestaande data optimaal te benutten, kunnen we meer leren over patiëntuitkomsten, behandelingen en prognoses, zonder dat daarvoor altijd nieuwe, kostbare en tijdrovende studies opgezet moeten worden.’

Het onderzoek vond plaats in het kader van het SOURCE-project (‘Stimulating evidence based, personalized and tailored information provision to improve decision making after oesophagogastric cancer diagnosis’) dat gefinancierd wordt door KWF Kankerbestrijding. Hierin werken de afdeling medische oncologie van het Amsterdam UMC en IKNL samen.

Nieuwe behandelingen evalueren

Uit het proefschrift blijkt ook dat het combineren van gegevens uit de NKR met resultaten van enkelarmige klinische studies (waarbij alle deelnemers dezelfde behandeling krijgen, red) grote voordelen heeft. Het kan een snel en betrouwbaar inzicht geven in de effectiviteit van nieuwe behandelingen, ook als de resultaten van grootschalige gerandomiseerde trials nog ontbreken.

Zo vond Kuijper in een gematchte analyse bij patiënten met maagkanker dat een doelgerichte therapie met trastuzumab deruxtecan (T-DXd) betere overlevingsuitkomsten gaf dan met ramucirumab + paclitaxel. Ook zag hij dat adjuvant gebruik van nivolumab, na neo-adjuvante chemoradiotherapie plus een resectie, bij mensen met slokdarmkanker een voordeel zou kunnen opleveren in hun algehele overleving. Overigens blijven data van klinische trials nodig om onomstotelijk vast te kunnen stellen dat zulke effecten door een nieuwe behandeling komen.

De volgende stap: gepersonaliseerde zorg

Kuijper introduceert in zijn proefschrift nieuwe methoden om de overlevingsuitkomsten na een behandeling te voorspellen. Die kunnen van pas komen in de spreekkamer. Patiënten stellen namelijk vaak de vraag aan hun arts: wat gebeurt er met mijn overlevingskansen als ik voor behandeling A kies in plaats van B? De methoden die Kuijper heeft onderzocht en aangevuld, zetten een stap dichter bij het antwoord op die vraag. ‘Hopelijk gaan clinici, onderzoekers en beleidsmakers de inzichten en modellen gebruiken om patiënten beter te informeren over wat zij kunnen verwachten. Dit kan de gedeelde besluitvorming ondersteunen. Ook kunnen nieuwe behandelingen hiermee zorgvuldiger geëvalueerd worden. Dit draagt bij aan een verdere ontwikkeling van gepersonaliseerde en datagedreven zorg voor patiënten met slokdarm- en maagkanker.’

Meer weten?

Steven Kuijper promoveert op 14 oktober 2025 aan de Universiteit van Amsterdam. 

Lees meer over het onderzoek: Kuijper, S.C. (2025). From Data to Insight: Applying Statistical and Machine Learning Methods to Real-world Data in Esophageal and Gastric Cancer. Universiteit van Amsterdam.

Vraag artikelen in hun volledigheid op via bibliotheek@iknl.nl