ANAs和三重阳性对类风湿性关节炎的疾病活性和持续缓解的影响:一个追溯的现实世界机器学习方法
Kevin Maldonado-Cañón1, Paola Coral-Alvarado1, Paul Méndez-Patarroyo1
1Reumavance Group, Department of Internal Medicine, Fundación Santa Fe de Bogotá, Bogota, Colombia.
Clinical rheumatology
|October 23, 2025
概括
风湿性关节炎患者的三重阳性血清学 (风湿因子,抗素抗体和抗核抗体) 显示出更高的疾病活性和更少的缓解. 机器学习使用临床数据准确预测缓解.
科学领域:
- 类风湿病学 类风湿病学
- 免疫学 免疫学 免疫学
- 人工智能在医学中的应用
背景情况:
- 类风湿性关节炎 (RA) 血清学概况,包括抗核抗体 (ANA) 阳性和三重阳性 (类风湿性因子[RF]+/抗素抗体[ACPA]+/ANA+),影响疾病的进展.
- 了解这些血清标记物对疾病活性和持续缓解的影响,对于治疗RA至关重要.
研究的目的:
- 评估ANA阳性和三重阳性血清学对哥伦比亚RA队列疾病活性和持续缓解的影响.
- 根据临床和血清学数据,评估机器学习模型在预测持续缓解方面的预测性能.
主要方法:
- 成年RA患者的回顾性队列研究.
- 应用机器学习模型 (SVM,随机森林,XGBoost,AdaBoost,KNN) 来使用DAS28-ESR,DAS28-CRP,CDAI和SDAI预测持续缓解.
- 使用沙普利增量解释 (SHAP) 值进行特征选择,并通过交叉验证和AUC评估模型性能.
主要成果:
- 三重阳性和ANA阳性与更高的基线和12个月的疾病活性和更低的持续缓解率有关.
- 随机森林模型实现了持续缓解的最高预测性能 (AUC 0.815-0.839).
- 持续缓解的关键预测因素包括基线DAS28-ESR,健康评估问卷 (HAQ),柔软关节计数 (TJC),体重指数 (BMI),年龄,胀关节计数 (SJC) 和三重阳性.
结论:
- ANA阳性和三重阳性血清学是增加疾病活性和RA较差结果的重要指标.
- 机器学习模型,特别是随机森林,准确地预测持续缓解,突出了AI在个性化RA护理中的潜力.
- 这项研究强调了整合临床和血清学数据的价值,以加强患者管理和精准医学在风湿病学中.
