Een moonshot van tech-gigant Microsoft

Microsoft kondigde aan kanker in de komende decennium "op te lossen" niet in een lab, maar via computertechnologie, machine learning en kunstmatige intelligentie. Hun visie: kanker als een informatieverwerkingsprobleem benaderen, vergelijkbaar met programmeren.

Twee strategische pijlers

1. Data-gedreven: Machine Learning voor gepersonaliseerde behandeling

Teams van top-informatici en biologen doorzoeken de gigantische hoeveelheid oncologische data (genomiek, beeldvorming, klinische trials, elektronische patiëntendossiers) met ML-algoritmen om:

• Betere biomarkers te vinden voor vroege detectie
• Voorspellen welke therapie werkt voor welke patiënt (precision oncology)
• Nieuwe combinaties van bestaande medicijnen ontdekken
• Tumorgedrag modelleren en voorspellen

2. Biologie programmeren: Cellen als biocomputers

Andrew Phillips (Bio Computation Group): "We hebben de computer gebouwd, we weten hoe het werkt. De cel niet." Doel: begrijpen hoe cellen "berekenen" (signaaltransductie, genexpressie, metabolisme) om ze te herprogrammeren.

• Programmeertalen, modelcheckers, compilers voor biologie
• Defecte kankercellen "debuggen" of laten zelfdoden (apoptose induceren)
• Moleculaire computers in cellen die ziekten detecteren en bestrijden

Status en realiteit

• Jasmin Fisher (Microsoft Research Cambridge): "Kanker ophoudt niet te bestaan, maar wordt een beheersbaar, opgelost probleem – zoals een softwarebug."
• Technisch haalbaar? "Ja, we weten dat het mogelijk is. Nu uitvoeren." (Phillips).
• Samenwerkingen met academische ziekenhuizen, farmaindustrie, regulerende instanties.
• Ethiek, privacy, toegankelijkheid, regulering: grote uitdagingen.

Wat betekent dit voor patiënten nú?

Direct: nog niets. Dit is fundamenteel onderzoek (10+ jaar horizon). Maar het signaleert een paradigmashift: convergentie van biologie, informatica en engineering. Voor patiënten nu: standaardzorg (chirurgie, chemotherapie, immunotherapie, gerichte therapie, klinische trials) blijft de gouden standaard. Hoopvol: versnelling van ontdekken via AI/ML is al gaande (bijv. AlphaFold voor vouwing eiwitten, AI-pathologie, vloeibare biopsie).