基于自动化量化背侧手指褶皱模式的炎症性关节炎关节肿胀数字生物标志物的临床研究

《Scientific Reports》：Clinical investigation of a digital biomarker for joint swelling in inflammatory arthritis based on automated quantification of dorsal finger fold patterns

　　

摘要

本研究旨在临床评估一种数字生物标志物——手指折叠指数（FFI），该指数通过手部照片中关节直径与手指折叠表面积的比值来评估炎症性关节炎患者的关节肿胀情况。研究人员使用机器学习算法分析了类风湿性关节炎（RA）和银屑病关节炎（PsA）患者的智能手机手部照片，自动检测并处理近端指间（PIP）关节的关节直径和手指折叠情况。通过将FFI与关节肿胀评分（0–3分）及DAS28-CRP指标进行相关性分析，对其临床效果进行了评估。同时，以健康人群作为对照组来确定FFI的临界值，并将其与关节炎患者组进行比较。研究共纳入了124名关节炎患者和53名健康个体的1275张PIP关节图像。结果显示，FFI值与关节炎患者的肿胀评分呈正相关（相关系数r = 0.443，95%置信区间为0.384–0.498）；而FFI平均值与DAS28-CRP评分（分界值为3.2）之间的相关性较弱（相关系数r = 0.310，95%置信区间为0.123–0.475）。ROC分析表明，该预测模型在区分PIP关节肿胀程度（2–4级）方面具有中等区分能力，AUC值介于0.664至0.786之间（95%置信区间为0.615–0.868）。然而，该模型的诊断特异性较低。FFI值超过健康人群临界值时与关节肿胀存在显著关联（Cramer’s V = 0.400–0.631，p < 0.001），尤其是在肿胀程度较重的情况下（3级）。需要开展纵向研究以评估该生物标志物的变化敏感性，并确定其是否可用于远程患者监测。目前该算法的诊断准确性尚不足以满足临床应用需求，因此有必要对其进行进一步优化。不过，结合患者报告的病情等信息可能有助于提升其诊断性能，从而促进其在临床实践中的广泛应用。