11-03-2026
Een team van wetenschappers en computertechnici onder leiding van het Lawrence Livermore National Laboratory (LLNL) heeft, met behulp van een van de grootste datasets met elektronische patiëntendossiers ooit samengesteld voor ALS, verschillende bestaande medicijnen geïdentificeerd die mogelijk verband houden met een langere overleving bij mensen met amyotrofische laterale sclerose (ALS). Het onderzoek is gepubliceerd in het tijdschrift The Lancet Digital Health.
De studie analyseerde medische dossiers van meer dan 11.000 Amerikaanse militaire veteranen die tussen 2009 en 2019 de diagnose ALS kregen en werden behandeld binnen de Veterans Health Administration. Door causale inferentiemethoden te combineren met machine learning (ML), evalueerden de onderzoekers 162 medicijnen om geneesmiddelen te identificeren die voor andere aandoeningen werden voorgeschreven en die verband hielden met significante verschillen in overleving.
Het onderzoek werd uitgevoerd in samenwerking met de Stanford University School of Medicine, het Veterans Affairs Palo Alto Health Care System (VA Palo Alto) en de University of California, Los Angeles (UCLA).
De timing van de studie werd bepaald door een zeldzame samenloop van data-toegang en financiering, aldus Priyadip Ray, hoofdonderzoeker bij LLNL en onderzoeker bij de Computational Engineering Division (CED). Vanaf 2009, toen ALS formeel werd erkend als een dienstgerelateerde ziekte, zag de VA een sterke toename van veteranen die ALS-zorg ontvingen, waardoor er meer dan tien jaar aan gedetailleerde behandelings- gegevens binnen één zorgsysteem beschikbaar kwam. Tegelijkertijd maakten nieuwe, gerichte financieringsprogramma’s het mogelijk om ALS-onderzoek uit te voeren op een schaal die historisch gezien moeilijk was voor een zeldzame ziekte.
PathFX-analyse die gedeelde pathway-associaties toont voor geneesmiddelen die de algehele overleving verlengen. Bron: The Lancet Digital Health (2026). DOI:10.1016/j.landig.2025.100963
Het onderzoek werd ook ingegeven door recente tegenslagen in de ontwikkeling van ALS-geneesmiddelen. Het aanvankelijke enthousiasme voor het medicijn Relyvrio, dat in 2022 door de Amerikaanse Food and Drug Administration (FDA) werd goedgekeurd, verdween nadat een grotere vervolgstudie geen voordeel aantoonde en het medicijn in 2024 van de markt werd gehaald. Deze uitkomst onderstreepte hoe moeilijk klinische studies naar ALS kunnen zijn en stimuleerde de interesse in andere onderzoeks- trajecten.
“We realiseerden ons dat de ruime ervaring met de behandeling van ALS binnen het VA-systeem een alternatieve aanpak kon bieden voor het identificeren van medicijnen voor de ziekte”, aldus Ray.
In plaats van te vertrouwen op traditionele machine learning-methoden, concentreerde het team zich op causale inferentie – een geavanceerder raamwerk dat tot doel heeft potentiële behandelingseffecten te isoleren, rekening houdend met vertekening, verstorende factoren en ongelijke behandelingspatronen in data uit de praktijk, legden de onderzoekers uit.
“Ons team ontwikkelde een reeks methoden die rigoureuze statistische technieken combineren met moderne machine learning om causale effecten op populatieniveau te isoleren, zelfs wanneer data niet op een gecontroleerde manier worden verzameld”, aldus co-auteur Braden Soper, data scientist bij LLNL.
De analyse identificeerde 27 medicijnen die geassocieerd waren met statistisch significante veranderingen in het sterfterisico. Opvallend was dat meerdere geneesmiddelen binnen dezelfde therapeutische klassen – waaronder statines, fosfodiesterase type 5-remmers en alfa-adrenerge antagonisten – vergelijkbare verbanden vertoonden met een verlengde overleving.
“Wetenschappelijk gezien viel op dat er in elk van deze groepen meerdere geneesmiddelen waren die hetzelfde positieve effect hadden”, aldus Ray. “Dit gaf ons veel vertrouwen in het verband tussen het vertragen van de ALS-progressie en deze medicijnen.”
Om te onderzoeken waarom deze medicijnen de ziekteprogressie zouden kunnen beïnvloeden, gebruikte het team PathFX, een model voor eiwit-eiwitinteracties dat is ontwikkeld door samenwerkende onderzoekers van UCLA en Stanford. De netwerkanalyse suggereerde dat verschillende van de geïdentificeerde geneesmiddelen samenkomen in gedeelde downstream eiwitroutes, wat wijst op mogelijke gemeenschappelijke mechanismen en nieuwe moleculaire doelwitten voor ALS-onderzoek.
Ray benadrukt dat de bevindingen geen klinisch voordeel bewijzen, maar wel een sterke basis vormen voor vervolgstappen, waaronder diepgaandere modellering die rekening houdt met tijdsvariërende gezondheidsfactoren en validatie in onafhankelijke datasets met meer diverse burgerpopulaties.
“Omdat gevoelige medische gegevens moeilijk te delen zijn vanwege privacy- en toegangsbeperkingen, werken we eraan om onze softwarepipeline als open source beschikbaar te stellen, zodat onderzoekers overal ter wereld deze tools kunnen toepassen op hun eigen datasets, ziekten en interventies,” voegde Soper eraan toe.
Meer informatie
Richard J Reimer et al, Identification of drug repurposing candidates for amyotrophic lateral sclerosis using electronic health records: a retrospective cohort study, The Lancet Digital Health (2026). DOI: 10.1016/j.landig.2025.100963
Vertaling: Gerda Eynatten-Bové
Bron: Newswise.com