Starling Genomics logo
STARLING GENOMICS

Research & evidence

Een praktische bibliotheek over de wetenschappelijke basis van polygenic scores: van publicaties, modelspecificaties en referentiedata tot validatie, calibratie, technische kwaliteit en verantwoorde implementatie.

Huidige stand Referenties

Evidence verantwoord lezen

Deze pagina laat zien hoe Starling evidence leest voor toepassingen van polygenic scores. Niet iedere publicatie, ieder model of iedere analytische mogelijkheid is automatisch geschikt voor routinegebruik; de waarde hangt af van beoogd gebruik, datakwaliteit, externe validatie, calibratie en lokale context.

De centrale lijn is terughoudendheid met richting. Polygenic scores zijn probabilistische instrumenten en conclusies mogen nooit verder gaan dan wat de data, modelprestatie en actuele evidence ondersteunen.

Evidence over de volledige PRS-levenscyclus

Verantwoorde PRS-implementatie verbindt discovery-evidence, modelspecificatie, genotype- en imputatiekwaliteit, externe validatie, calibratie, ancestrycontext en vergelijking met bestaande klinische voorspellers.

Starling maakt daarom per score zichtbaar welke bronnen leidend zijn, welke validatie nodig is, welke conclusie kan worden gerapporteerd en waar populatie-, zorgpad- of territoriumspecifieke beperkingen gelden.

  • Modelprestatie
  • Modelherkomst
  • Ancestry en overdraagbaarheid
  • Klinische bruikbaarheid
  • Rapportage en governance
  • Cohorten & implementatie

Verdieping: polygenic scores in één oogopslag

Over de meeste klinische domeinen heen is PRS het best onderbouwd als risicomodifier die standaard klinische beoordeling aanvult. De evidence is het sterkst waar PRS wordt geïntegreerd in bestaande zorgpaden, zoals screening, monitoring en classificatie, en het zwakst waar PRS als zelfstandig beslisinstrument wordt gepositioneerd. [2]

Waar PRS goed in is

PRS kan erfelijk risico op populatieniveau stratificeren en verbetert vaak de discriminatie wanneer het wordt gecombineerd met leeftijd, familiegeschiedenis, biomarkers en andere klinische factoren. [7]

Waar PRS niet voor bedoeld is

PRS diagnosticeert geen ziekte, en een lage score sluit ziekte niet uit. Klinische context blijft essentieel. [2]

Belangrijkste implementatiebarrière

Overdraagbaarheid tussen populaties en calibratie blijven centrale uitdagingen: prestaties kunnen afnemen wanneer een score zonder lokale validatie wordt toegepast in andere populaties. [13]

PRS-verdieping: betekenisvolle evidence

Betekenisvolle evidence is zelden één opvallend resultaat. Meestal gaat het om een combinatie van discovery-studies, populatiebiobanken, ancestry-referentiebronnen en externe validatiecohorten die laten zien of een score interpreteerbaar blijft buiten de oorspronkelijke trainingsomgeving.

Voor echte implementatievragen zijn vooral de studies belangrijk die genomische modellen vergelijken met bestaande voorspellers, calibratie zorgvuldig testen en onderzoeken hoe rapportage binnen gewone zorgpaden zou kunnen werken in plaats van op zichzelf.

PRS-evidence lezen per domein

We gebruiken per domein een eenvoudig driedelig kader: klinische validiteit, incrementele waarde en implementatiegereedheid. [3]

1. Klinische validiteit

Kan de PRS in relevante populaties personen met relatief hoger en lager risico onderscheiden?

2. Incrementele waarde

Voegt PRS materieel iets toe bovenop voorspellers die al in de zorgpraktijk worden gebruikt?

3. Implementatiegereedheid

Is de score reproduceerbaar, goed gekalibreerd, ancestry-geschikt en voldoende interpreteerbaar voor veilige rapportage?

Realiteit over domeinen heen

Verschillende PRS voor hetzelfde eindpunt kunnen op populatieniveau vergelijkbaar presteren, maar individuele personen toch anders classificeren. Dat is relevant zodra harde percentieldrempels worden gebruikt. [5]

PRS-broncohorten

De momenteel beschikbare indicaties staan binnen een bredere PGS-literatuur die zelden op één dataset rust. Bruikbare modellen combineren meestal discovery GWAS, referentiebronnen voor ancestry en externe validatiecohorten voor ontwikkeling, calibratie en overdraagbaarheidstesten.

Populatiebiobanken

Grote resources zoals UK Biobank en All of Us worden vaak gebruikt om brede ziekte- en kenmerkenscores op schaal te trainen, benchmarken en valideren.

Ancestry-reference panels

Datasets zoals 1000 Genomes ondersteunen ancestry assignment, allele-frequency checks en zorgvuldiger interpretatie in diverse populaties.

Klinische validatiecohorten

Prospectieve of diep gefenotypeerde cohorten zoals MESA en ARIC zijn waardevol omdat ze laten zien of prestaties ook buiten de oorspronkelijke discovery-omgeving standhouden.

Disease-Specific Sources

Voor sommige indicaties zijn daarnaast specialistische consortia of registries relevant, zoals CARDIoGRAMplusC4D, Biobank Japan, CIMBA en WHI.

PRS-literatuur over meerdere domeinen

De bredere literatuur over oncologie, oogheelkunde, immuunziekte, botgezondheid, neurologie, psychiatrie, niergeneeskunde en kwantitatieve traits blijft zeer relevant. Ze laat zien waar polygenetische methoden tractie krijgen en waar translationeel potentieel begint te ontstaan.

Tegelijk verschillen die domeinen sterk in gereedheid. Sommige hebben sterk populatiesignaal maar zwakke pathway-integratie; andere hebben veelbelovende screening- of surveillancerelevantie maar zijn nog afhankelijk van betere calibratie, ancestry-overdraagbaarheid of prospectieve uitkomstdata.

PRS-evidencematrix

Een snel overzicht van waar de evidence vandaag het sterkst is en wat routinematige inzet nog beperkt. De ratings hieronder zijn synthese-oordelen op basis van de geciteerde studies en consensusbronnen op deze pagina.

Domein Sterkte van evidence Klinische gereedheid op korte termijn Belangrijkste beperking
Oncologie Hoog Hoog De impact op uitkomsten en de rechtvaardigheid van prestaties over ancestry-groepen heen vragen nog sterkere prospectieve data. [9] [10]
Cardiometabool & vasculair Hoog Middel De incrementele waarde bovenop sterke klinische modellen verschilt per eindpunt en zorgsetting. [6] [7]
Renaal Middel Middel Combinatie met APOL1 en klinische data helpt, maar prospectieve data over decision impact blijft beperkt. [8]
Botgezondheid Middel Middel Drempels en standaardisatie van zorgpaden zijn nog in ontwikkeling over populaties heen. [14]
Gastro-enterologie & immuun Middel Middel Klinische paden met directe handelingswaarde zijn nog ongelijk ontwikkeld, ondanks een sterk genetisch signaal. [15]
Oogheelkunde Middel Middel Calibratie en gevalideerde drempels voor behandeling of surveillance blijven belangrijke beperkingen. [11]
Neurologie & psychiatrie Middel Laag-middel Effectgroottes, overdraagbaarheid en ethische complexiteit beperken routinematige inzet voor vatbaarheidsbeoordeling. [16]
Kwantitatieve kenmerken Hoog Middel Een sterk statistisch signaal ondersteunt niet automatisch directe behandelbeslissingen. [12]

Matrixschaal: Hoog = sterke ondersteuning uit meerdere studies en een duidelijker pad naar gebruik; Middel = betekenisvolle evidence met nog openstaande vertaalslagen; Laag-middel = bruikbaar signaal, maar beperkte gereedheid voor routinematige klinische inzet.

Kwantitatieve kenmerken en voorwaardelijke inzet

Trait-PRS kan statistisch sterk zijn omdat kenmerken direct en op schaal worden gemeten. De klinische waarde hangt af van de vraag of die informatie aansluit op gevalideerde interventiepaden. [12]

  • Best onderbouwde inzet vandaag: trait-PRS integreren met disease PRS en klinische factoren in eindpuntspecifieke modellen.
  • Meer voorzichtigheid is nodig wanneer direct op trait-PRS wordt gestuurd zonder prospectieve evidence voor betere uitkomsten.
  • Implementatie vraagt om populatie-specifieke referentieverdelingen en consistente rapportagestandaarden.

Voorwaarden voor klinische inzet

Duidelijke toepassing
Definieer of de score bedoeld is voor risicostratificatie, classificatie-ondersteuning of triage in een zorgpad.
Ancestry-aware validatie
Valideer lokaal en rapporteer helder waar prestaties minder goed overdraagbaar zijn.
Calibratie en drempels
Vermijd niet-gevalideerde harde cut-offs en monitor drift over de tijd en tussen cohorten.
Veilige interpretatie
Communiceer probabilistisch risico helder voor zowel clinici als patiënten.
Operationele reproduceerbaarheid
Gebruik transparante pipelines, versiebeheer van modellen en kwaliteitscontroles die geschikt zijn voor klinische settings.
Uitkomstevidence
Geef prioriteit aan studies die laten zien of PRS-gestuurde beslissingen daadwerkelijk zorguitkomsten verbeteren.

Geselecteerde referenties

Belangrijke bronnen onder deze pagina, waaronder standaarden, grote evaluaties en domeinspecifieke studies.

  1. From genetic discovery to risk scores and the PGS Catalog ecosystem
  2. ACMG points to consider for responsible PRS use
  3. Polygenic Risk Score Reporting Standards (PRS-RS)
  4. Clinical implementation pipeline for PRS reporting
  5. Instability and discordance across coronary disease PRS
  6. Multi-ancestry coronary artery disease PRS
  7. Incremental cardiovascular value in routine-care context
  8. Chronic kidney disease PRS with APOL1-aware modeling
  9. Prospective PRS-based prostate screening evidence
  10. Breast risk implementation with integrated genomic models
  11. Glaucoma PRS in ocular hypertension follow-up
  12. Reference distribution atlas for large-scale PGS usage
  13. Cross-ancestry PRS performance transferability evaluation
  14. Osteoporosis PRS and multi-trait risk stratification
  15. Ulcerative colitis PRS and checkpoint-inhibitor colitis risk
  16. Expert perspectives on psychiatric PRS readiness

Laatst samengevat op basis van bronreview op 19 februari 2026. Deze pagina is een literatuursamenvatting en geen medisch advies of klinische richtlijn.

Technisch overleg?

We bespreken evidence, modelselectie, cohortcontext en interpretatievragen met klinieken, zorgverleners, laboratoria en onderzoeksteams die polygenic scores willen implementeren.