预测患有牛皮关节炎或轴性脊柱关节炎的患者的治疗结果:一种人工智能驱动的方法
Asmir Vodenčarević1, Jan Brandt-Jürgens2, Sara Bär3
1A. Vodenčarević, PhD, Novartis, Novartis Pharma GmbH, Nürnberg, Germany.
The Journal of rheumatology
|October 15, 2025
概括
机器学习模型预测了治疗secukinumab的牛皮关节炎和轴性脊柱关节炎患者的低疾病活性和高生活质量. 可解释的人工智能提高了对患者结果的理解,并有助于临床决策.
科学领域:
- 类风湿病学 类风湿病学
- 人工智能的人工智能
- 健康 结果 研究 研究 结果
背景情况:
- 牛皮关节炎 (PsA) 和轴性脊椎关节炎 (axSpA) 是慢性炎症疾病,影响生活质量.
- 预测对secukinumab等生物药物的治疗反应对于个性化患者管理至关重要.
研究的目的:
- 开发机器学习 (ML) 模型,用于预测PsA和axSpA患者的低疾病活性 (LDA) 和高健康相关生活质量 (HRQoL).
- 确定影响这些结果的关键基线预测因素.
- 利用可解释的人工智能 (XAI) 来理解模型预测.
主要方法:
- 利用了1961年AQUILA研究参与者的数据 (多中心,前性,非干预性).
- 开发了二进制ML算法来预测16周的LDA和高HRQoL.
- 采用XAI来确定预测因素对个体患者结果的重要性和影响.
主要成果:
- 在PsA和axSpA队列中确定了LDA和高HRQoL的关键预测因子.
- 在PsA和axSpA之间,以及LDA与HRQoL之间,预测器有所不同.
- XAI强调了诸如疾病活动得分,先前的治疗方法和患者报告的结果等因素的影响.
结论:
- ML模型,特别是XAI,可以有效地预测PsA和axSpA的治疗结果.
- 这种方法为临床决策支持系统提供了有价值的见解.
- 对LDA和HRQoL的个性化预测可以优化secukinumab治疗策略.
