相关实验视频
Updated: Jan 9, 2026
08:50
Predictive Immune Modeling of Solid Tumors
Published on: February 25, 2020
7.4K
在两项第三期临床试验中,使用生物DMARD-Naïve患者的数据进行机器学习分析,确定了Risankizumab在不同类型的PsA表型中的有效性
Laure Gossec1,2,3, Andra Balanescu4, Maria Antonietta D'Agostino5,6
1Sorbonne Université, INSERM, Institut Pierre Louis d'Epidémiologie et de Santé Publique, Team Pepites, Paris, France. laure.gossec@aphp.fr.
Arthritis research & therapy
|November 29, 2025
概括
机器学习确定了五种牛皮关节炎 (PsA) 表型. 瑞桑基祖马布在所有患者群体中都显示出有效性,中度至高疾病活性表型的反应最高,为个性化PsA治疗铺平了道路.
科学领域:
- 类风湿病学 类风湿病学
- 医疗信息学 医疗信息学
- 生物统计学 生物统计学
背景情况:
- 牛皮关节炎 (PsA) 的个性化治疗受到不明确的患者表型和疾病轨迹的阻碍.
- 机器学习 (ML) 提供了一个潜在的解决方案,用于识别PSA内的同质患者子组.
- 这项研究旨在使用ML将PsA患者分为不同的表型.
研究的目的:
- 使用机器学习 (ML) 将患有牛皮关节炎 (PsA) 的患者分为不同的表型.
- 为了评估Risankizumab在已识别的PsA表型中的疗效.
主要方法:
- 从KEEPsAKE 1和KEEPsAKE 2试验中对1119名PsA患者进行后期分析,他们接受了risankizumab治疗长达4年的时间.
- 无监督的ML (有限混合模型) 用于根据基线人口统计和临床特征来定义表型.
- 治疗反应在4年后使用最小疾病活性 (MDA) 和PSA (DAPSA) 中的疾病活性低疾病活性 (LDA) 标准进行评估.
主要成果:
- 确定了五种不同的PsA表型:中度至高的疾病活动 (40.3%),Enthesitis和大关节主导 (20.8%),非常高的疾病活动 (14.0%),手主导 (13.8%),以及手指炎和脚主导 (11.1%).
- 在4年内,risankizumab在所有已识别的表型中表现出显著的疗效,MDA的响应率从42.9%到58.8%不等,DAPSA的LDA从66.0%到82.0%.
- 中度至高的疾病活动和牙炎和足部主导的表型对risankizumab表现出最高的响应率.
结论:
- 该研究成功地使用ML识别了五种不同的PsA表型.
- 瑞桑基祖马布在所有已识别的表型中显示出一致的疗效,这表明它在PsA管理中的广泛适用性.
- 这些发现代表了针对PsA患者开发个性化治疗策略的重大进展.
