Artrite reumatoide, l’IA individua le articolazioni più legate a disabilità e attività di malattia
Ginocchio, polso, spalla e piccole articolazioni della mano emergono come i distretti maggiormente associati alla disabilità funzionale nell’artrite reumatoide, mentre l’attività di malattia sembra riflettersi soprattutto nel coinvolgimento del ginocchio e delle articolazioni delle mani. È quanto mostra uno studio apparso sulla rivista “Clinical Rheumatology” che ha applicato algoritmi di apprendimento automatico per identificare pattern articolari associati a maggiore severità clinica e compromissione funzionale nei pazienti con artrite reumatoide.
L’analisi, di tipo trasversale, ha coinvolto 936 pazienti con artrite reumatoide valutati attraverso dati demografici, parametri clinici ed esame articolare dettagliato, comprendente dolorabilità, tumefazione e limitazione del movimento. Gli autori hanno testato diversi modelli di apprendimento automatico per prevedere attività di malattia e disabilità.
La severità clinica è stata misurata mediante DAS28, mentre la disabilità funzionale è stata valutata con l’Health Assessment Questionnaire Disability Index (HAQ-DI).
Per la previsione della disabilità, il modello XGB ha ottenuto le migliori performance, con un F1 score di 0,60 e un’area sotto la curva (AUC) pari a 0,85. Nella classificazione dell’attività di malattia, invece, il modello CatBoost è risultato il più accurato, con un F1 score di 0,63 e una AUC di 0,81.
Dal punto di vista clinico, i risultati mostrano che il coinvolgimento del ginocchio, del polso, dell’articolazione acromion-clavicolare e di diverse articolazioni della mano si associa maggiormente alla disabilità funzionale. Al contrario, livelli elevati di attività di malattia risultano soprattutto correlati alla presenza di dolorabilità e tumefazione del ginocchio e delle piccole articolazioni delle mani.
Secondo gli autori, questi pattern articolari potrebbero aiutare a migliorare la valutazione clinica dell’artrite reumatoide e contribuire a orientare strategie terapeutiche più mirate. Lo studio conferma inoltre il crescente potenziale degli strumenti di machine learning nell’identificazione di fenotipi clinici complessi e nella stratificazione del rischio nei pazienti reumatologici.
