来自VIB和KU Leuven的科学家团队开发了一种机器学习算法，可通过简单的血液测试以近90%的准确度识别出患有青少年关节炎的儿童。这项新发现发表在本周的《风湿病年鉴》上，为机器学习的应用铺平了道路，以改善诊断并预测哪些青少年关节炎患者可能对不同的治疗方案产生最佳反应。这项工作由来自VIB和比利时鲁汶的KU Leuven以及英国剑桥的Babraham研究所的Adrian Liston教授领导。

幼年特发性关节炎是儿童中最常见的风湿病，但它表现为多种不同的形式，严重程度和预后。这种多样性使患者难以分类，尤其是在疾病早期。

比利时VIB，KU Leuven和UZ Leuven研究组织的一组研究人员对数百名患有或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，以帮助诊断或治疗该病。

“从本质上讲，我们从100多名儿童中抽取了血液样本，其中三分之二患有儿童关节炎，”该研究的第一作者埃里卡·范·纽温霍夫(VIB-KU Leuven)解释说。“我们对该疾病的免疫系统进行了前所未有的详细分析，然后简单地使用此数据，我们使用机器学习来了解我们是否能够分辨出哪些儿童患有关节炎。”

结果非常显着：该算法在识别患有该疾病的儿童方面的准确率约为90%。“仅使用有关免疫系统的信息，而根本没有临床数据，我们可以设计一种机器学习算法，该算法可以准确地识别出哪些孩子患有关节炎，准确率高达90%，”阿德里安·利斯顿(VIB –比利时鲁汶大学，比利时和巴伯拉罕)研究所，英国剑桥)。“这一结果是原理证明，证明免疫表型与机器学习相结合在疾病过程的早期诊断各种形式的青少年关节炎具有巨大的潜力。类似的方法可以用于改善治疗和临床试验的患者选择。”

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，但是将这种方法迅速应用于临床并不存在任何科学障碍，”这项研究的临床负责人Carine Wouters教授(UZ Leuven)说。“在线下，我们可以使用这种详细的分类信息以及机器学习分析来确定哪些患者将对特定的治疗方案做出最佳反应。”