系统性自身免疫病、炎症免疫、靶向治疗、队列研究与前沿方法。本页由 PubMed 召回、本地预筛和 DeepSeek 价值判断自动生成。
高度相关或方法价值很强，建议优先阅读。
方法创新：利用单细胞基础模型归因评分（SIGnature）量化基因功能重要性，已在血管炎（川崎病）中验证其发现跨病种共享机制的能力，可直接迁移至系统性自身免疫病等风湿领域。
SIGnature框架通过单细胞RNA-seq基础模型的归因评分，降低技术噪音、突出调控基因，支持跨数据集比较和基因集快速搜索。
可用于系统性自身免疫病（如SLE、硬皮病）的共享基因程序发现与机制比较，辅助识别潜在治疗靶点。
该方法尚未在风湿病学独立数据集上直接验证，需自行评估其对自身免疫病数据的泛化性和鲁棒性。
SLE、干燥综合征、系统性硬化、肌炎、APS 等系统性自身免疫病。
首次揭示核受体TR4在系统性硬化症成纤维细胞激活中的关键作用，机制清晰且为靶向治疗提供新思路。
结合RNA-seq、条件性基因敲除小鼠及患者皮肤切片，证实TR4通过Gα12/ROCK通路驱动肌成纤维细胞分化。
TR4抑制剂联合ROCK抑制剂可探索用于SSc及其他纤维化疾病（如肺纤维化）的治疗。
主要基于小鼠模型和体外实验，人类临床转化仍需验证。
该研究首次在狼疮性肾炎患者中验证肾脏缓解后持续达到低疾病活动或缓解状态对器官损伤、复发和慢性肾病的保护作用，且时间越长获益越大，为临床治疗目标提供直接证据。
多中心回顾性队列，采用改良LLDAS和DORIS定义，评估肾脏缓解后维持时间与长期预后关系，Cox回归分析风险比。
其‘达标-持续达标’分析框架可迁移至其他风湿病（如RA、血管炎），用于评估治疗目标与长期临床结局的关联。
样本量较小（155例），回顾性设计，可能存在混杂和选择偏倚。
RA、PsA、SpA、AS、骨关节炎、痛风等关节炎症和代谢性关节病。
直接比较ACPA阳性和阴性RA在症状前期的临床表现、时间线和炎症动态差异，揭示不同亚型可能需要差异化预防策略。
纵向队列设计，对比173例CSA患者（87例ACPA阴性、86例ACPA阳性）从症状出现到RA发病的时间、晨僵、疼痛、CRP及手足MRI炎症变化。
可借鉴该抗体亚型比较的纵向设计，应用于其他自身免疫病（如SLE、干燥综合征）的前驱期轨迹研究。
单中心、样本量有限，结果需多中心大样本队列验证。
该研究直接针对炎症性关节炎，通过数字健康app收集的日常数据结合无监督聚类识别出5个临床-心理社会原型，并证实其与12周结局显著相关，方法可迁移至其他风湿免疫病。
基于CE认证的风湿病学app回顾性数据，对PGADA、疼痛、睡眠、社会支持、心理困扰等特征进行winsorize、z缩放后使用k-means聚类（k=5），以12周缓解率为主要结局评估聚类预测价值。
可借鉴其利用app数据+无监督聚类进行患者分层的方法，用于系统性自身免疫病、血管炎等领域的预后预测和个体化干预策略制定。
回顾性设计，存在app用户选择偏倚，结局仅基于患者自报告且随访仅12周，长期稳定性和外部泛化性未验证。
该研究直接针对银屑病关节炎(PsA)，利用随机对照试验数据与机器学习方法探索循环免疫细胞生物标志物与临床表现及治疗反应的关系，虽预测增量价值不显著，但提供了病理机制见解。
采用稀疏偏最小二乘回归与梯度提升机从多参数免疫细胞数据中筛选关联生物标志物，并基于Ridge回归评估其相对于临床模型的预测增量。
可借鉴此分析框架用于其他风湿病的生物标志物发现与预测模型构建，尤其是在结合多变量特征选择与基线临床数据时。
样本量较小(n=80)，且生物标志物未改善个体治疗反应预测，提示需更大样本或更优特征进行验证。
ANCA 相关血管炎、巨细胞动脉炎、IgG4 相关疾病、自炎症病和罕见免疫病。
本文通过1例PAN患者成功经颞动脉活检确诊，并结合文献回顾21例案例，展示了一种将GCA常用诊断方法迁移至PAN的临床思路，对血管炎鉴别诊断具有直接参考意义。
采用颞动脉活检（TAB）获取组织病理学证据，系统总结了PAN患者TAB的中性粒细胞坏死性动脉炎伴纤维素样变等特征性表现。
当传统活检部位不可行或高风险时，可考虑将TAB作为PAN组织学确认的实用替代手段，尤其患者存在颅部缺血表现或颞动脉异常时。
目前TAB在PAN中的诊断阳性率缺乏系统性研究，证据仅来自病例报告和小样本队列，外推需谨慎。
注册队列、真实世界证据、风险预测、疾病活动度、结局研究和安全性监测。
基于设备测量的活动模式队列研究，首次明确久坐和轻度活动与不良妊娠结局的量化关联，对风湿病患者妊娠管理有直接借鉴意义。
采用大腿佩戴加速度计纵向评估三个孕期的久坐、轻度体力活动和步数，结合多变量Logistic回归估计绝对风险和相对风险。
可在SLE/APS等风湿病妊娠队列中复制该设计，探索活动模式对疾病活动及母胎预后的影响。
样本量较小（470人）、社会经济地位偏高，且未纳入风湿免疫病特定人群。
揭示队列研究中结局选择性报告的普遍性，对风湿病真实世界研究的方法学质量有重要警示。
采用纵向meta-流行病学设计，比对注册记录与发表论文结局，量化转换类型及偏向显著性结果的特征。
风湿病队列研究应严格预先指定主要结局，并在注册与发表中保持一致，避免选择性报告偏倚。
研究样本限于2014-2016年注册、2024年前发表的干预性队列，结论外推需谨慎。
单细胞、空间组学、多组学、影像、机器学习和预测模型。
本文提出图增强迁移学习框架Spatial-DC，从空间蛋白质组数据推断单细胞类型分辨率图谱，优于现有方法，为风湿病组织微环境异质性分析提供新工具。
Spatial-DC结合图神经网络与迁移学习，整合空间邻近信息与参考单细胞数据，准确估计细胞类型组成并重建空间-细胞类型特异性蛋白质谱。
可应用于风湿病活检组织（如类风湿关节炎滑膜、干燥综合征唾液腺）的空间蛋白质组数据，解析细胞类型级免疫微环境与疾病机制。
方法在抗体及质谱空间蛋白质组数据上验证，迁移至风湿病需注意组织特异性参考图谱及抗体panel的兼容性。
不一定是风湿病学领域，但方法、模型或研究设计可迁移借鉴。
该研究整合超万例转录组构建衰老与死亡率时钟，发现炎症、干扰素模块与死亡率强相关，风湿病中衰老加速可被同类模块捕获。
利用模块特异性转录组时钟，量化不同干预对炎症、线粒体等亚系统衰老的影响，可构建风湿病炎症模块衰老时钟预测预后。
在风湿病队列中套用其模块化时钟框架，评估疾病对炎症模块衰老的加速作用，并预测并发症或治疗反应。
数据以健康或部分慢性病为主，风湿病特异性验证尚未开展。
提出将图神经网络与脂质化学结构整合的方法，突破了传统脂质组学线性丰度分析的局限，并通过因果推断揭示免疫代谢轴，对风湿病中脂质介导的炎症机制研究极具启发。
采用知识引导图神经网络（DeepLipiDecipher）融合脂质化学结构与代谢拓扑，结合因果推断识别致病性脂质特征及免疫代谢靶点（SMPD3-Ceramide-PTGS2轴）。
可迁移至SLE、RA等风湿病的脂质组学分析，通过图网络刻画脂质结构-功能关系，并利用因果推断验证免疫代谢通路中的关键脂质介质。
该研究基于胰腺炎队列，需在风湿病独立队列中验证模型泛化性及因果假设的跨疾病适用性。
该研究首次在人体造血干细胞中发现炎症记忆亚群，其单细胞多组学与异种移植炎症恢复模型为自身免疫病中免疫前体细胞慢性炎症适应研究提供了可迁移的实验框架。
构建异种移植炎症-恢复模型，结合单细胞多组学（转录组+表观组）鉴定出具有炎症记忆的HSC亚群（HSC-iM），并验证其在多种病理状态下的存在。
风湿病领域可借鉴该模型与分析方法，研究自身免疫病患者骨髓或外周血中免疫前体细胞（如B/T细胞前体）是否保留慢性炎症的分子记忆，并影响疾病活动或治疗反应。
摘要未说明HSC-iM在自身免疫病中的直接证据，该发现主要基于感染/血液病/衰老模型，需在风湿病队列中验证。
该研究系统评估了LLM在HIV药物安全场景中的因果推理一致性，方法可直接迁移至风湿病学药物安全性及治疗决策的LLM验证。
利用因果阶梯（关联、干预、反事实）设计临床场景，评估LLM推理一致性、专家对齐及幻觉，为LLM辅助决策可靠性提供量化框架。
可用此评估框架验证LLM在系统性自身免疫病或关节炎靶向治疗中的药物相互作用和不良反应推理。
LLM在反事实推理中表现不足，且专家对齐度低，迁移至风湿病学需重新校准场景与专家标准。
该平台展示了深度学习自动化病变分割与结合大语言模型生成个性化预后报告的能力，为风湿病影像分析提供了可借鉴框架。
采用深度学习从原始DICOM MRI数据自动分割病变，提取位置/网络特征，并用大语言模型生成易读的个体化预后报告。
可借鉴该架构开发风湿病关节MRI或超声的自动化病变检测与预后预测模型，并整合LLM生成临床报告。
该研究针对中风，模型可能需要对风湿病影像进行重新训练和验证，且临床部署需考虑数据隐私。
系统阐述外部验证对预测模型泛化性和可重复性的关键作用，其方法论适用于风湿病学影像预测模型开发。
强调在独立数据集上进行外部验证是评估模型泛化性的最严格测试，并讨论统计功效、数据集偏移及模型训练建议。
可将外部验证框架应用于风湿病学的关节影像、疾病活动度预测等模型，以评估其推广至其他队列或中心的可靠性。
原文未提及风湿病学具体应用，需研究者自行评估领域差异。