学习机器预测儿童关节炎药物治疗反应
曼彻斯特大学的科学家应用机器学习技术，可能有一天可以帮助医生准确定位哪些儿童和年轻人最有可能从其首选药物治疗中受益。尽管甲氨蝶呤是少年特发性关节炎（JIA）的首选药物，但其只对一半接受治疗的儿童和年轻人有效或耐受。对于不受该药物帮助的患者而言，他们不得不等待更长时间才能接受第二线治疗，潜在延长了常常对儿童及家庭产生破坏性影响的严重关节疼痛等症状。这项发表在《eBioMedicine》杂志上的研究有望更精确地研究关于甲氨蝶呤反应预测因子的识别，如生物标记，并有助于更好地预测药物开始后可能的结果。主要作者斯蒂芬妮·席普-沃尔尔博士表示：“给于对药物没用的儿童使用甲氨蝶呤浪费了医疗体系的时间、金钱和精力，同时也不必要地让他们暴露在潜在的副作用下。现在机器学习打开了这扇大门，可以预测哪些方面的疾病会受到药物帮助，并确定哪些儿童应立即开始其他疗法以及是否应立即停止使用甲氨蝶呤。”这些研究得到了医学研究委员会、英国关节炎协会、大卫·奥蒙德街儿童医院慈善机构、奥利维亚视觉和国家卫生研究院资助。他们从在2018年1月前开始治疗的四个全国儿童和年轻人队列中获取了数据。开始治疗时记录了少年关节炎疾病活动评分的组成部分（包括多少关节肿胀、医生对疾病的看法、病人/家长对健康状况的报告、炎症血液检测结果），并在接下来的一年内对其进行记录。他们利用机器学习技术识别甲氨蝶呤治疗后具有不同疾病模式的患者群，预测患者群，以及将患者群与现有治疗反应措施进行比较。在657名儿童和年轻人中验证了1241名患者，他们确定了快速改善者（11％）、缓慢改善者（16％）、改善-复发（7％）、持续病情（44％）等几个群体。席普-沃尔尔博士补充道：“这种较慢疾病控制的长期影响需要进一步调查。我们的研究还展示了机器学习方法揭示儿童群体群的可能，作为分层治疗决策的基础。这项研究基于现有的甲氨蝶呤治疗反应研究，确认反应并不是双变量的，而是在个体不同疾病特征上高度变化的。”
