AI die kankercelgedrag in kaart brengt: Project Ex Vivo

TL;DR

• Wat: Microsoft Research en het Broad Institute gebruiken AI om het gedrag van kankercellen buiten het lichaam te modelleren, met als doel behandelingen beter af te stemmen op individuele patiënten.
• Waarom relevant: Precisiegeneeskunde wordt steeds meer datagedreven — en dat raakt ook de zorgsector en toeleveranciers waar MKB-bedrijven mee te maken hebben.
• Wat je ermee kunt: Volg hoe AI-toepassingen in de gezondheidszorg verschuiven van diagnose naar behandelstrategie — dat bepaalt waar de markt naartoe beweegt.

Ik stuitte op een bericht van Microsoft Research over Project Ex Vivo, een samenwerking met het Broad Institute en Dana-Farber Cancer Institute. Het gaat over AI die kankercelgedrag analyseert — niet alleen de DNA-mutaties, maar hoe cellen zich gedragen en op hun omgeving reageren. Ik vind dat een interessant onderscheid, en het is de moeite waard om uit te leggen waarom.

Waarom mutaties alleen niet genoeg vertellen

De meeste kankerbehandelingen zijn vandaag de dag gebaseerd op genetische mutaties. Artsen kijken naar het DNA van een tumor en kiezen een medicijn dat bij dat specifieke profiel past. Klinkt logisch, en het heeft veel opgeleverd. Maar er is een probleem: medicijnen die in het lab veelbelovend lijken, werken lang niet altijd bij de patiënt.

Project Ex Vivo benadert dat probleem vanuit een andere hoek. Het team — geleid door wiskundige en statisticus Lorin Crawford — bekijkt niet alleen wát de mutaties zijn, maar hoe kankercellen zich gedragen. Ze noemen dat de cell state: de toestand van een cel op een gegeven moment, inclusief hoe die reageert op omliggende cellen en weefsels.

Ik vind dat een nuttige vergelijking om over na te denken. Stel je voor dat je een bedrijf alleen beoordeelt op basis van het KVK-uittreksel — de structuur, de branche, het aantal werknemers. Dat vertelt je iets, maar het zegt weinig over hoe dat bedrijf dagelijks functioneert, hoe het team samenwerkt, of hoe het reageert op een verandering in de markt. Zoiets doet Project Ex Vivo voor tumoren: het probeert het functioneren te begrijpen, niet alleen de blauwdruk.

Wat de AI precies doet

Het team ontwikkelt machine learning-modellen die drie dingen combineren: genetische markers, expressiepatronen van cellen (welke genen actief zijn), en de interacties binnen de zogeheten tumor microenvironment — de directe omgeving van een tumor.

Concreet werkt dat zo: onderzoekers nemen tumorweefsel en analyseren dat op het niveau van individuele cellen, met technieken als single-cell transcriptomics en spatial transcriptomics. Dat zijn methoden om per cel te meten welke genen aan- of uitstaan, en waar die cel zich in het weefsel bevindt. De AI brengt die data in kaart en leert patronen herkennen.

Maar het interessantste vind ik dat de modellen vervolgens worden gebruikt om virtuele experimenten te draaien. Voordat een hypothese naar het lab gaat, kan het team computationeel voorspellen hoe een medicijn de toestand van cellen zou kunnen veranderen. Dat bespaart tijd, geld en — niet onbelangrijk — ook proefdiergebruik.

Hun resultaten zijn in juni 2026 gepubliceerd in Nature Methods. Eén opvallende bevinding: de kwaliteit en diversiteit van data blijkt belangrijker dan puur volume. Lorin Crawford stelt in het bijbehorende artikel dat er "een echte verleiding is om te denken dat simpelweg opschalen de problemen oplost," maar dat dat niet klopt. Diversiteit in datasets levert betere modellen op dan grotere datasets.

Alvleesklierkanker als eerste toepassing

Het project richt zich in eerste instantie op alvleesklierkanker — een van de moeilijkst behandelbare vormen van kanker. Het team heeft twee brede celtoestanden geïdentificeerd die gelinkt zijn aan verschillende behandelresultaten. Dat klinkt misschien abstract, maar het komt erop neer dat patiënten met dezelfde diagnose heel verschillende reacties op dezelfde behandeling kunnen hebben, afhankelijk van de toestand van hun cellen.

De ambitie is om dit uit te breiden naar andere kankersoorten. Als het model erin slaagt om celtoestanden te vertalen tussen verschillende tumortypes, wordt het mogelijk om inzichten uit het ene onderzoek toe te passen op het andere.

Nederlandse context

Wat mij opvalt, is dat dit aansluit bij een bredere beweging die ook in Nederland zichtbaar is. Het Antoni van Leeuwenhoek (Nederlands Kanker Instituut) werkt al langer met AI voor kankeronderzoek. Het Catharina Ziekenhuis in Eindhoven onderzoekt AI-gestuurde opsporing van alvleesklierkanker. En het HagaZiekenhuis evalueert in 2026 een AI-module voor het sneller detecteren van kanker en poliepen bij endoscopieën.

De trend is duidelijk: AI verschuift in de oncologie van een onderzoeksinstrument naar een klinisch hulpmiddel. Dat is relevant voor iedereen die zakendoet in de zorgsector of in de keten eromheen — van medische apparatuur tot software, van dataverwerking tot logistiek.

Wat dit betekent buiten de zorg

Kun je je voorstellen wat het principe achter Project Ex Vivo — niet alleen kijken naar structuur, maar naar gedrag en context — zou betekenen voor andere sectoren? Het idee dat een AI-model niet alleen kijkt naar wat iets is, maar naar hoe iets functioneert in een bepaalde omgeving, is breder toepasbaar dan oncologie alleen.

Stel dat je als ondernemer een AI-model zou hebben dat niet alleen kijkt naar klantprofielen (leeftijd, locatie, aankoopgeschiedenis), maar ook naar de toestand van een klant op een gegeven moment — hoe ze zich gedragen, wat hun context is, hoe ze reageren op veranderingen. Dat is in feite wat veel geavanceerde marketingplatforms proberen te doen, zij het op een heel ander niveau.

Ik denk dat de les hier breder is dan kankeronderzoek. De verschuiving van structurele data naar gedragsdata — van "wat is het" naar "wat doet het" — is een patroon dat in steeds meer AI-toepassingen terugkomt.

Diversiteit boven volume

De bevinding dat diverse data beter werken dan grotere datasets vind ik eerlijk gezegd een van de meest praktische inzichten uit dit project. Het is een gedachte die ik vaker tegenkom in AI-onderzoek, maar die hier concreet wordt onderbouwd met een publicatie in een gerenommeerd tijdschrift.

Voor ondernemers die nadenken over AI-toepassingen in hun eigen bedrijf is dit een relevante overweging. De neiging is vaak om zoveel mogelijk data te verzamelen. Maar als de data niet divers genoeg zijn — als ze allemaal hetzelfde type klant, dezelfde markt of dezelfde situatie beschrijven — levert meer data niet per se betere inzichten op.

Tot slot

Project Ex Vivo is fundamenteel onderzoek. Het levert morgen geen product op dat je kunt kopen. Maar wat mij betreft is het een helder voorbeeld van hoe AI steeds dieper doordringt in complexe, levenskritische toepassingen — en hoe de principes daarachter relevant zijn voor hoe we allemaal over data en AI nadenken. De verschuiving van structuur naar gedrag, en de voorkeur voor diversiteit boven volume: dat zijn geen oncologische concepten. Dat zijn denkrichtingen die iedere ondernemer kan meenemen.