以色列的研究人员表明，一种新的机器学习工具可以将银屑病关节炎 (PsA) 的诊断速度加快长达四年，从而有可能防止患者出现不可逆转的关节损伤和功能恶化。
PsA 是一种进行性炎症性疾病，主要影响患有银屑病(一种慢性皮肤病)的患者的关节和结缔皮肤。最常见的症状是关节疼痛和肿胀，从轻微到严重不等，但许多患者还会出现更具破坏性的侵蚀性关节疾病和畸形。
研究人员的研究结果正在卢布尔雅那举行的欧洲皮肤病学和性病学会 (EADV) 春季研讨会上公布。
该研究回顾性地研究和分析了以色列第二大健康医疗组织的医疗数据库，该组织拥有超过 250 万会员。PredictAI 分析了2,000 多名确诊 PsA 患者的医疗记录，以训练算法，然后在另一组确诊的 PsA 患者中进行测试，并在临床医生诊断前一到四年准确识别出其中 32-51% 的患者。
研究人员开发了这种算法，目的是缩短诊断时间，目前平均需要 2.5 年从出现症状开始。研究中 32% 的患者在诊断前 4 年被识别，43% 在临床医生记录的 PsA 诊断前一年被识别。仅分析银屑病患者的医疗记录时，51% 的未确诊 PsA 患者在首次诊断前一年就被确定
该研究的作者认为，在初级保健环境中使用它会产生最大的影响，因为与类风湿性关节炎相比，PsA 的症状可能不具特异性，并且社区医疗实践中可能缺乏对 PsA 的认识。
“治疗银屑病患者的主要是皮肤科医生，由于这些患者中有 10% 可能患有 PsA 但没有意识到这一点，我们有机会询问关节疼痛，”皮肤科医生、Predicta Med 医学顾问 Jonathan Shapiro 博士说分析有限公司和以色列马卡比医疗保健服务远程皮肤病学服务经理。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！