综述：银屑病精准医学在影像学和治疗策略中的进展

这篇综述系统探讨了银屑病（PsO）和银屑关节炎（PsA）的分子机制与临床挑战，聚焦前沿影像技术（如HR-pQCT、68Ga-FAPI-04 PET/CT）和精准治疗策略（如CAR-Tregs、b/tsDMARDs），为早期诊断、个体化干预及改善患者预后提供了革新性视角。

　　

Abstract

银屑病（PsO）及其关节表现银屑关节炎（PsA）全球患病率约2%，皮肤病变通常先于关节症状出现。从皮肤到滑膜-附着点炎症的进展揭示了免疫驱动的系统性演变过程，但亚临床阶段症状的非特异性常导致诊断延迟。最新影像技术（如高分辨率外周定量CT）和人工智能（AI）模型正推动PsA的早期识别，而生物制剂（如IL-17抑制剂）和细胞疗法（CAR-Tregs）则重塑了治疗格局。

Introduction

PsO和PsA的疾病谱系中，肥胖、广泛皮肤/指甲受累是长期风险因素，而关节痛和亚临床炎症（通过影像学确认）预示短期进展。免疫激活始于皮肤和关节局部，逐步扩散至全身，但临床可见的滑膜炎或附着点炎出现前，非特异性症状（如疲劳）常掩盖病情。早期干预可避免不可逆结构损伤，但现有风险标志物特异性不足，亟需影像学分层（如超声、MRI）优化风险评估。

Biomechanical factors

机械应力与遗传易感性（如HLA-B^*27）共同驱动“机械炎症”（mechanoinflammation），促使PsO向PsA转化。附着点作为力学敏感区域，其微损伤可激活IL-23/Th17通路，加速炎症级联反应。

Novel imaging strategies

相比类风湿关节炎（RA）的ACPA标志物，PsA缺乏特异性生物标志物。欧洲抗风湿病联盟（EULAR）推荐采用动态增强MRI和光学荧光成像（FOI）捕捉早期滑膜血管增生，而⁶⁸Ga-FAPI-04 PET/CT能可视化成纤维细胞活化，精准定位亚临床病变。

Artificial intelligence in psoriatic disease

机器学习通过整合临床、基因组和影像数据，可预测PsO患者的PsA转化风险。例如，基于指甲fold毛细血管异常的AI模型已显示89%的预测准确率，为预防性干预提供窗口期。

Cutting-edge imaging in intervention trials

早期使用生物制剂（如TNF-α抑制剂）可能延缓PsA发生，但需影像学验证。高分辨率三维成像（如MSOT）可实时监测治疗响应，指导药物优化。

Precision medicine in difficult-to-treat PsA

难治性PsA常合并代谢异常或骨关节炎，需多靶点干预。JAK抑制剂和IL-23p19拮抗剂对附着点炎疗效显著，而针对Treg细胞功能失衡的CAR-Treg疗法有望实现长期无药缓解。

Conclusion

银屑病-关节炎连续体的管理已进入精准医学时代。影像组学和靶向治疗的协同发展，不仅提升诊断灵敏度，更推动个体化治疗决策，未来或实现“零损伤”临床缓解目标。

（注：全文严格基于原文缩编，未新增观点或数据）