Konstruktion af en diagnostisk model for psoriasis og psoriasisgigt baseret på multidimensionel negleinformation

Psoriasis er en globalt udbredt kronisk, tilbagefaldende hudsygdom, karakteriseret ved dens lange varighed og tendens til tilbagefald. Ud over hudsymptomer kan det også påvirke negle og led, hvilket fører til patologiske træk såsom pitting, leukonychia, rød lunula eller alvorlig negledystrofi. Nogle patienter med psoriasis kan udvikle psoriasisgigt. Psoriasisgigt (PsA) er en kronisk recidiverende muskel- og skeletsygdom, karakteriseret ved psoriatiske hudlæsioner ledsaget af aksiale og perifere ledskader og ofte forbundet med karakteristiske manifestationer af psoriasisnegle. Disse negleforandringer indikerer typisk mere alvorlig sygdom og dårligere prognose. De nuværende diagnostiske metoder afhænger dog i høj grad af klinikernes erfaring og faglige viden, som er subjektive og usikre. Desuden er histopatologisk undersøgelse invasiv og kan forårsage yderligere smerte og gener for patienter.

For at udvikle et effektivt, praktisk og ikke-invasivt tidligt diagnostisk værktøj til psoriasis har vores forskerteam foretaget dybdegående studier inden for psoriasis-relateret diagnose og forudsigelige modeller. Vi har med succes udviklet en forudsigelig model til psoriasis arthritis, herunder seks vigtige forudsigelsesfaktorer: historie om hævelse i led, historie med arthritis, hævelse og smerter i fingre eller tæer, negleinddragelse, kønsorganer og en historie om langvarig lokal lokal lokal Brug af kortikosteroider. Klinikere kan effektivt vurdere risikoen for psoriasis arthritis ved at opnå information om disse seks faktorer fra patienter. Papiret "tidlig påvisning af psoriasisartrit hos patienter med psoriasis: konstruktion af en multifaktoriel forudsigelsesmodel" blev offentliggjort foran. Immunol (doi: 10.3389/fimmu.2024.1426127).

Raman-spektroskopi er en hurtig, ikke-invasiv molekylær vibrationsdetektionsmetode, der har vist et stort potentiale inden for medicinsk diagnostik. Undersøgelser har vist, at Raman-spektroskopi kan skelne mellem normalt og unormalt væv på molekylært niveau og har vist sig at være mulig i negletestning. For psoriasis, en sygdom, der forårsager betydelige negleforandringer, tilbyder Raman-spektroskopi unikke fordele.

Baseret på denne baggrund vil vores projekt udføre et prospektivt observationsstudie om psoriasis og psoriasisgigt ved hjælp af multidimensionelle negledata. Vi vil integrere Raman-spektroskopidata af negle og multidimensionel klinisk information og anvende kunstig intelligens-algoritmer til at udvikle et nyt diagnostisk værktøj til psoriasis og psoriasisgigt. Dette værktøj har til formål at forbedre nøjagtigheden og effektiviteten af ​​diagnosen og yde stærk støtte til tidlig påvisning og præcis behandling af psoriasis og psoriasisgigt.