机器学习识别了右食指的敏感性作为基于DAS28-CRP的牛皮关节炎活动的关键信号

科学领域:

• 类风湿病学 类风湿病学
• 人工智能的人工智能
• 机器学习 机器学习

背景情况:

• 牛皮关节炎 (PsA) 是一种慢性炎症性疾病.
• 疾病活动评分28 (DAS28-CRP) 常用于评估PsA活动.
• 单个DAS28-CRP组件对PsA活动分期的贡献需要进一步研究.

研究的目的:

• 调查DAS28-CRP的单个组件对评估PsA活动的意义.
• 通过机器学习识别PsA活动分期的关键指标.
• 探索人工智能在表征PsA患者亚组中的实用性.

主要方法:

• 在使用无监督和监督机器学习的80名PsA患者中分析DAS28-CRP组件.
• 基于机器学习的变换对于识别信息特征的重要性.
• 自组织地图和生成AI用于异常值和子组识别.

主要成果:

• 在右指甲手腕关节的疼痛是PSA活动分期中最重要的DAS28-CRP组件.
• 使用这种单一症状的机器学习分类器在识别PsA缓解时实现了67%的平衡精度.
• 生成型人工智能确定了具有特定关节疼痛或胀模式的患者子组.

结论:

• 机器学习和人工智能可以改进DAS28-CRP,强调特定的关节敏感性作为PsA活动的关键指标.
• 人工智能有助于识别和表征不同患者亚组,为PsA精准医学铺平了道路.
• 这些发现为PsA评估和管理提供了更细致的方法,重点关注个体症状相关性和患者分层.