编辑推荐：
为解决银屑病治疗中生物制剂选择难题，研究人员开展了关于评估机器学习工具 Mind.Px 临床效用的研究。结果显示 Mind.Px 可改变医生处方行为，提升患者治疗效果。这为银屑病治疗提供新方向，优化治疗决策，节省医疗成本。
在皮肤病的治疗领域，银屑病是一种令人头疼的免疫介导炎症性皮肤疾病，全球有超过 3% 的人受其困扰。它不仅影响患者的外貌，还对患者的身心健康造成严重打击。目前，治疗银屑病的方法众多，其中生物制剂的出现给患者带来了新希望。然而，生物制剂种类繁多，不同患者对不同生物制剂的反应差异很大，这就导致在选择合适的生物制剂时困难重重。而且，生物制剂治疗费用高昂，在美国，患者一生用于治疗银屑病的费用估计高达 11498 美元，全国每年的治疗费用更是高达 1120 亿美元。在这样的背景下，如何精准地为患者选择最有效的生物制剂，成为了亟待解决的问题。
为了攻克这一难题，来自耶鲁大学医学院（Yale University School of Medicine）等多家机构的研究人员开展了一项名为 MATCH 的随机前瞻性研究。他们致力于评估一种基于机器学习的工具 Mind.Px 的临床效用，该工具旨在预测患者对治疗银屑病的生物制剂的反应。
这项研究成果意义重大，它发表在《Dermatology and Therapy》杂志上。研究表明，Mind.Px 能够显著改变医生的处方行为。当医生获取 Mind.Px 的检测结果后，他们的处方选择与检测结果的一致性明显提高。而且，依据 Mind.Px 检测结果接受治疗的患者，达到临床终点（PASI75）的比例更高，且达到终点的时间也更早。这不仅改善了患者的治疗效果，还有望为医疗系统节省成本。Mind.Px 的应用，让银屑病的治疗从传统的 “试错法” 迈向精准医疗时代，为医生、患者和支付方提供了强有力的治疗管理工具。
研究人员在开展这项研究时，运用了多种关键技术方法。首先，通过使用真皮生物标志物贴片（Dermal Biomarker Patch，DBP）采集患者皮损处的转录组。其次，利用下一代测序技术（Next?Generation Sequencing）对提取的 mRNA 进行分析，构建文库并测序。最后，运用机器学习衍生的算法评估患者对不同生物制剂的潜在反应。研究中的样本来自符合特定标准的银屑病患者，他们被随机分配到不同的研究组。
下面详细介绍研究结果：
- 研究对象特征：共有 210 名银屑病患者参与研究，310 名最初入选者中 210 名完成研究，记录了基线和第 12 周的 PASI 评分。所有入选者均成功采集真皮生物标志物贴片样本，且样本测序质量均达标。
- 医生处方行为分析：对 206 名患者的处方数据进行分析，其中 101 名在知情组，104 名在不知情组。知情组中 93.1% 的患者医生处方与 Mind.Px 检测结果一致，不知情组这一比例为 65.4%，两组差异具有统计学意义（p=8.08×10?7）。知情组中医生不遵循检测结果的原因主要是支付方处方集限制和患者偏好。
- 患者治疗结果分析：210 名患者完成研究，143 名数据完整。知情组中 81.6% 的患者达到 PASI75，不知情组为 53.7%，差异显著（p=5.4×10?4）。在达到 PASI75 的患者中，知情组第 4 周达到的比例为 77.4%，不知情组为 53.3%，差异有统计学意义（p=0.01）。与其他数据集对比，也显示出使用 Mind.Px 检测结果的优势。
在研究结论和讨论部分，研究证实了 Mind.Px 在银屑病生物制剂治疗决策中的临床效用。医生愿意使用 Mind.Px 检测结果，且依据检测结果治疗的患者临床结局更好。不过，研究也存在一定局限性，如随访期仅 12 周，无法评估长期疗效。未来可采用其他终点指标，在更多独立患者队列中进行验证。总体而言，这项研究为银屑病的精准治疗开辟了新道路，Mind.Px 有望成为优化银屑病治疗管理的重要工具，推动该领域向精准医疗大步迈进。
