Page 158 - 南京医科大学自然版

第45卷第12期
·1840 · 南 京 医 科 大 学 学 报 2025年12月

（续表2）
Algorithm Modeling indicator Reference
Ten⁃by⁃tenfold nested Rituximab⁃related 40 genes：SHC3，XCR1，TCN1，DLX4，PLEKHG，etc. ［60］
cross⁃validation Tocilizumab⁃related 39 genes：SHC3，XCR1，DLX4，MYH6，TCN1，etc.
Cross⁃validation Clinical baseline data for monitoring the efficacy of drug treatment ［61］
+
XGBoost，RF DNA methylation sequencing of peripheral blood CD4 T cells after drug treatment ［63］
SVM Clinical baseline data on the effectiveness of leflunomide treatment ［64］
The efficacy of leflunomide treatment on peripheral blood differential DNA methylation sites：
cg17330251，cg19814518，cg20124410，cg21109666，cg22572476，cg23403192，and
cg24432675
XGBoost Whether RA will undergo surgery：patient’s clinical baseline data ［66］
RF：random forest；CNN：convolutional neural network；DCNN：deep convolutional neural network；ANN：artificial neural network；Bi⁃LSTM：bidi⁃
rectional long short term memory；AM：additive model；SVM：support vector machine；SVM⁃RFE：support vector machine recursive feature elimination；
SVM⁃RBF：support vector machine radial basis function；LASSO：least absolute shrinkage and selection operator；LSTM：long short term memory；
MSResNet：multiscale residual network；GBT：gradient boosting decision tree；SSGB：stability selection gradient boosting；LGBM：light gradient boosting
machine；XGBoost：eXtreme gradient boosting；glmBoost：generalized linear model boost；GMM：gaussian mixture model；ANFIS：adaptive neuron fuzzy
inference system；RC：ridge regression；ENR：elastic net regression；KNN：K nearest neighbor；PLS：partial least squares regression；CC：consensus clus⁃
ter plus；DEC：deep embedded cluster；LR：logistic regression；MA：multivariate analysis；MLR：multiple linear regression；SFS：sequential forward
selection.

Clinical baseline
data

Imaging
Diagnosis and
diagnosis
treatment
RA
ML
Molecular
detection
Drug efficacy
monitoring

Cell markers
图1 ML辅助RA诊疗流程图（Office Plus绘制）
Figure 1 ML assisted RA diagnosis and treatment process diagram（drawn by Office Plus）

练过程中融入广泛且多样化的现实世界数据，如 开发，大幅提高了对不同数据的整合能力，并呈现
病历、特定领域知识和多轮对话咨询，通过医学 数据处理过程的详细解析。同时这种诊断模型是
知识问答、医疗检查、患者咨询和病历诊断分析 整个医院甚至整个社会公用的，这也就需要全社会
等进行多维度验证，其诊断能力均显著优于其他 建立公认算法，并加强对医护人员的持续培训。最
模型 ［71］ 。虽然前述模型并未特别针对 RA 诊疗， 后，加强多中心交互实践，汇集多家医院、诊疗中心
但模型构建机制对于开发 RA 诊疗模型有很高的 以及实验室的检测数据进行整合分析，建立可推
借鉴价值。 广、普适性的诊疗模型，同期构建诊疗模型监管网
现阶段还需突破ML对于不同维度数据的整合 络，杜绝人为篡改或擅用医疗数据，以便真正助力
分析能力，伴随 AI，例如 DeepSeek 等相关大模型的 诊疗，服务患者。