银屑病关节炎（PsA）是一种与银屑病相关的慢性炎症性肌肉骨骼疾病，其临床表现多样且病程复杂。尽管目前可用的生物制剂（bDMARDs）和靶向合成抗风湿药物（tsDMARDs）已显著改善了PsA的治疗效果，但仍有超过40%的患者治疗反应不佳或仅部分有效。治疗反应的不确定性不仅增加了疾病进展和器官损伤的风险，也使个体化治疗变得尤为重要。然而，目前尚缺乏可用于指导治疗选择的精准生物标志物。本研究旨在系统评估与PsA患者治疗反应相关的预测因素，并探索将这些预测因素应用于人工智能（AI）决策支持工具的潜力，从而优化个体化治疗方案。

本研究按照PRISMA指南进行系统综述和荟萃分析。检索了Ovid MEDLINE、Embase、Cochrane Library、Scopus和Web of Science五个数据库，纳入截至2023年10月25日发表的关于PsA患者接受bDMARDs或tsDMARDs治疗的反应预测因素的研究。纳入标准为研究中评估了PsA患者的治疗反应与基线人口学、生物学或临床数据之间的关联。对于至少被四项研究探讨的预测因素，采用随机效应模型进行荟萃分析，以评估其定量预测效力。最终，研究纳入的预测因素被整合进AI模型设计的框架中，用于支持日常临床实践中的个体化治疗选择。

最终纳入37项研究，共计17,042名PsA患者。荟萃分析发现，男性性别（OR=2.188，95% CI: 1.912-2.503）和较高的基线C反应蛋白（CRP）水平（OR=1.537，95% CI: 1.111-2.125）与治疗反应较强相关；而较高的基线健康评估问卷（HAQ）评分（OR=0.483，95% CI: 0.336-0.696）、疾病活动评分（DAPSA）（OR=0.789，95% CI: 0.663-0.938）及关节压痛数（TJC）（OR=0.97，95% CI: 0.945-0.996）与较差的治疗反应相关。其他因素如年龄（OR=0.982，95% CI: 0.975-0.99）虽未达显著性水平，但在复杂的AI模型中可能具有临床意义。本研究还提出了基于监督学习算法的AI决策支持工具框架，整合多种预测因素以提高治疗选择的精准性。

调整后的比值比（OR）

本研究系统评估了PsA患者治疗反应的预测因素，发现男性性别、高基线CRP水平与较好的治疗反应相关，而较高的HAQ评分、DAPSA评分和TJC则与较差的反应相关。这些预测因素为构建AI决策支持工具提供了坚实基础，有助于个体化治疗的实现。

原始出处：

Factors predicting treatment response to biological and targeted synthetic disease-modifying antirheumatic drugs in psoriatic arthritis - a systematic review and meta-analysis. Clin Rheumatol. 2024 Dec;43(12):3723-3746. doi: 10.1007/s10067-024-07193-y. Epub 2024 Oct 28. PMID: 39467905; PMCID: PMC11582271.

Tags： Clin Rheumatol：银屑病关节炎患者治疗反应相关的预测因素