类风湿性关节炎个性化生物制剂/传统DMARD选择中的因果推断框架：ANSWER队列验证

《npj Digital Medicine》：Causal inference framework for personalised b/tsDMARD selection in rheumatoid arthritis: ANSWER cohort validation

　　

摘要

为类风湿性关节炎患者选择最合适的生物制剂或靶向合成疾病修饰抗风湿药仍然是一项挑战。我们开发了一种因果推断框架，该框架结合了基于双机器学习的因果森林与指南规定的安全性限制。利用来自日本8家风湿病机构的多中心登记数据（共4885个治疗疗程），该模型在6家机构中进行了训练（n?=?2425），并在另外2家机构中进行了外部验证（n?=?2460）。该框架能够估算个体化的治疗效果，并应用基于指南的安全规则，即对于具有多种心血管风险因素的患者，不使用Janus激酶抑制剂。接受与AI推荐治疗方案一致治疗的患者，其反应率高于那些未遵循推荐方案的患者：在初步分析中，前者为33.6%，后者为27.2%（绝对风险差异[ARD]?=?6.4%，P?=?0.002；需治疗人数[NNT]?=?16）；在经过倾向评分匹配后，这一差异依然存在（ARD?=?5.5%，P?=?0.037），而在逆概率处理加权分析中则为ARD?=?4.3%，P?=?0.044。该模型还发现了治疗效果的异质性（各组平均治疗效果Q4–Q1：Z?=?4.64，P?＜?0.001），并且有12种可通过两种分析方法验证的、具有临床意义的效应调节因子。对于二线治疗患者，该疗法的益处最为显著（ARD?=?16.0%，NNT?=?6.3，P?=?0.0002），这为个性化选择生物制剂/靶向合成疾病修饰抗风湿药提供了依据。