新的研究利用数据科学来预测疾病，以对抗类风湿性关节炎。
Fan Zhang博士认为，人工智能是找到有效方法对抗顽固敌人——类风湿性关节炎的途径。Zhang是科罗拉多大学医学院风湿病学分部的助理教授，同时隶属于科罗拉多大学安舒茨医学园区生物医学信息学系。她正在进一步利用人工智能更好地预测特定患者类风湿性关节炎（RA）的发生，一篇新论文记录了她工作的最新进展。
该论文发表在《临床研究杂志》上。
Zhang的研究重点是开发涉及计算机器学习的方法——使用算法从数据中学习并做出预测——来研究RA和其他自身免疫性疾病，利用大规模临床和临床前单细胞数据集。她说，这项工作可能会推动有针对性的干预措施，从而阻止疾病的进展。
“已经有大量的研究探讨如何治疗确诊后的患者，”她说。“但关于开发预防策略和识别哪些健康人在未来几年内有发展成RA的风险的研究较少。这更具挑战性。因此，我们专注于提高疾病预测能力，最终实现早期疾病预防。”
桥接数据科学与转化医学
类风湿性关节炎是一种慢性自身免疫性疾病，意味着它是身体免疫系统错误地攻击自身健康组织导致炎症的一种疾病。尽管RA通常与关节肿胀、疼痛和僵硬有关，但它还可能影响身体的其他部分，包括心脏和肺部。
据估计，全球约有1800万人患有RA，其中150万在美国。女性患此病的人数几乎是男性的三倍。
现有的治疗方法可以减少炎症并提供一些缓解，但没有有效的预防性治疗方法和治愈方法。病因尚不明确，尽管RA与某些基因有关，这些基因可能由一系列外部因素触发。
研究表明，许多最终出现RA症状的人在症状出现前几年就通过血液检查检测到了免疫异常。然而，这种无症状的“临床前期”阶段的长度差异很大，有些具有这些异常的人从未发展成完整的疾病。
Zhang表示，需要更精确的方法来预测哪些具有临床前异常或有RA家族史的人会发展成完整疾病以及何时会发展。
Zhang将其工作描述为数据科学与转化医学之间的“桥梁”。
“我们的研究非常跨学科，”Zhang说。“我们有来自自身免疫性疾病患者的大量数据，这为我们提供了将AI工具应用于各种患者群体的机会。”
Zhang的团队分析了来自不同时间点的单个细胞的遗传学、基因组学、表观遗传学、蛋白质等多模态测序数据。
“将所有这些结合起来，我们可以希望更稳健地识别新的、更准确的预测标志物，并结合临床特征，”她说。
精确定位关键免疫变化
Zhang的新论文题为“深度免疫表型分析揭示了类风湿性关节炎风险个体中的循环活化淋巴细胞”，为她的下一阶段研究奠定了基础。
Zhang的实验室将应用其先进的计算工具来分析来自大型临床前试验StopRA的复杂数据集。Zhang说，这将加强她与科罗拉多大学风湿病学家Kevin Deane博士的合作，他们将比较那些进展到疾病的人和那些没有进展的人。目标是确定从临床前RA到症状出现过程中免疫系统的改变。
在这篇论文中，Zhang及其同事分析了细胞中的RNA和蛋白质表达，比较了有RA风险的人、有症状的人以及健康人。他们发现，在风险组中，某些类型的免疫细胞，特别是特定T细胞亚型的扩增存在“显著”差异。
Zhang说，这些细胞“可能是RA发病的有希望的标志物”，并可能导致改进的预防策略。但她表示，要提出可靠的标志物“还有很长的路要走”，需要更大和更多样化的数据集来验证她看到的结果。
Zhang是这篇论文的通讯作者；她的实验室博士后研究员Jun Inamo是第一作者；Deane和另一位风湿病学同事V. Michael Holers博士是共同资深作者。
(全文结束)
