迄今为止最全面的类风湿关节炎数据分析揭示了人口变化和医疗基础设施不均加剧了自1980年以来的疾病负担，并在细粒度上展示了全球差异。这项发表在《风湿病年鉴》上的AI驱动研究利用了深度学习技术和政策模拟，揭示了以前国家级研究未能发现的地方性干预措施的可操作见解。其设计产生了到2040年的高度精确、动态的进一步疾病负担预测。
主要研究人员Queran Lin（MPH），伦敦帝国学院医学院世界卫生组织公共卫生教育和培训合作中心；广州中山纪念医院临床研究中心临床研究设计部解释说：“虽然之前的全球疾病负担（GBD）研究提供了重要的见解，但它们主要集中在全球和国家级别的高层次描述和可视化上，未能捕捉到地方差异或社会经济发展与疾病趋势之间的动态互动。通过获得足够的计算资源和先进的分析能力，我们的全球到地方疾病负担合作旨在充分发挥GBD数据集（由华盛顿大学健康指标与评估研究所开创）的潜力。通过采用基于变压器的深度学习模型等尖端方法，我们生成了迄今为止最细粒度的疾病负担估计，为指导不同人群的精准公共卫生提供了一个新的框架。”
该研究使用GBD数据，整合了从1980年到2021年跨越953个全球和地区位置的最大时空类风湿关节炎数据集，并结合一个新的深度学习框架，揭示了人口老龄化、人口增长和医疗基础设施不均如何在不同地区加剧类风湿关节炎负担。它还使研究人员能够分析类风湿关节炎的患病率、发病率、死亡率、伤残调整生命年（DALYs）、因早死而损失的生命年（YLLs）和因残疾而损失的生命年（YLDs），以及它们的社会经济不平等和基于社会经济发展水平（前沿）的可实现疾病控制，并通过情景模拟预测到2040年的长期负担。
(全文结束)
