来自VIB和KU Leuven的一组科学家开发了一种机器学习算法，通过简单的血液检测，可以识别出患有青少年关节炎的儿童，准确度几乎达到90%。本周发表于“风湿病年报”的新研究结果为利用机器学习改善诊断和预测哪些幼年型关节炎患者对不同治疗方案的反应做出了最佳选择铺平了道路。这项工作由比利时鲁汶的VIB和KU Leuven以及英国剑桥的Babraham研究所的Adrian Liston教授领导。

青少年特发性关节炎是儿童中最常见的风湿性疾病，但它呈现出许多不同的形式，严重程度和结果。这种多样性使患者分类困难，特别是在疾病的早期阶段。

比利时研究组织VIB，KU Leuven和UZ Leuven的一组研究人员对数百名患有和未患有青少年关节炎的儿童的免疫系统进行了详细的生物学表征，以帮助确定该疾病的诊断或治疗决策。

“基本上，我们从100多名儿童身上采集了血液样本，其中三分之二患有儿童关节炎，”Erika Van Nieuwenhove(VIB-KU Leuven)解释说，这是该研究的第一作者。“我们比以前对这种疾病所做的细节更详细地分析了他们的免疫系统，然后只是使用这些数据我们就用机器学习来看看我们是否可以分辨哪些孩子患有关节炎。”

结果非常显着：该算法在识别患有该疾病的儿童时准确率约为90%。“只使用有关免疫系统的信息，根本没有临床数据，我们可以设计一种机器学习算法，在发现哪些孩子患有关节炎时准确率达到90%左右，”Adrian Liston教授(比利时VIB - KU Leuven和Babraham)说。研究所，英国剑桥)。“这一结果证明了免疫表型与机器学习相结合，可以在疾病早期诊断出不同形式的幼年关节炎。类似的方法可用于改善患者对治疗和临床试验的选择。“

研究人员对这项研究对改善患者预后的影响充满希望。“该工具需要进一步验证，但除此之外没有科学障碍将这种方法迅速转化为临床，”Carine Wouters教授(UZ Leuven)表示，他是本研究的临床负责人。“我们可以使用这种详细的分类信息和机器学习分析来确定哪些患者对特定治疗方案的反应最佳。”