机器学习方法有效预测 TNF 治疗后 RA 的缓解
园本幸四郎博士 图片来源：狼疮 KCR 2023 研究表明，一种低成本预测机器学习模型根据类风湿关节炎 (RA) 患者队列的临床疾病活动 (CDAI) 测量结果，在使用肿瘤坏死因子 (TNF) 抑制剂治疗 6 个月后成功预测了缓解情况出版于 风湿病学和治疗.1 由于研究人员仅在第 6 个月的基线时使用 CDAI 测量，他们认为这种方法证明了创建区域队列以创建针对特定机构或地理区域的低成本模型的可实现性。 目前，治疗指南建议开始使用甲氨蝶呤治疗，如果甲氨蝶呤无效，则随后使用生物疾病缓解抗风湿药 (bDMARD) 或 Janus 激酶 (JAK) 抑制剂。 然而，最近的研究显示 bDMARD 优于 JAK，因此，TNF 治疗正成为该患者群体越来越受欢迎的选择。 尽管有这些令人鼓舞的发现，但只有 70% 开始 TNF 治疗的患者表现出良好的反应。2 日本职业与环境健康大学的 Koshiro Sonomoto 博士领导的一个研究小组写道：“据报道，为了提前预测 TNF 的功效，人们做出了许多努力。” “然而，由于成本、劳动力要求和流程标准化的需要，获得这些先进技术可能仅限于某些国家和先进设施。 相反，基于常规临床数据的预测模型更容易获得。” 分析中包括在对甲氨蝶呤反应不足后开始使用 TNF 作为第一个靶向合成 (ts)/bDMARD 治疗的 RA 患者。 数据收集于 2003 年 8 […]