基于多维指甲信息的牛皮癣和银屑病关节炎诊断模型

牛皮癣是一种全球流行的慢性复发性皮肤病，其特点是病程长且容易复发。 除了皮肤症状外，它还会影响指甲和关节，导致病理特征，如凹陷、白甲、红色月牙或严重的指甲营养不良。 一些牛皮癣患者可能会出现牛皮癣关节炎。 银屑病关节炎（PsA）是一种慢性复发性肌肉骨骼疾病，其特征是银屑病皮肤病变伴有中轴和周围关节损伤，并且通常与银屑病指甲的特征性表现相关。 这些指甲变化通常表明疾病更严重，预后更差。 然而，目前的诊断方法很大程度上依赖于临床医生的经验和专业知识，具有主观性和不确定性。 此外，组织病理学检查是侵入性的，会给患者带来额外的疼痛和不便。

为了开发一种有效、便捷、无创的银屑病早期诊断工具，我们的研究团队在银屑病相关诊断和预测模型领域进行了深入的研究。 我们成功开发了银屑病关节炎的预测模型，包括六个关键预测因素：关节肿胀史、关节炎史、手指或脚趾肿胀和疼痛史、指甲受累、生殖器受累以及长期局部病史。使用皮质类固醇。 临床医生可以通过从患者那里获取这六个因素的信息来有效评估银屑病关节炎的风险。 论文《银屑病患者银屑病关节炎的早期检测：构建多因素预测模型》发表在《Front》上。 免疫学（DOI：10.3389/fimmu.2024.1426127）。

拉曼光谱法是一种快速，非侵入性的分子振动检测方法，在医学诊断中显示出巨大的潜力。 研究表明，拉曼光谱可以区分分子水平的正常组织和异常组织，并在指甲测试中被证明是可行的。 对于牛皮癣，这种疾病会引起大幅变化，拉曼光谱学提供了独特的优势。

基于此背景，我们的项目将使用多维指甲数据进行有关牛皮癣和银屑病关节炎的前瞻性观察研究。 我们将整合指甲和多维临床信息的拉曼光谱数据，并应用人工智能算法来开发用于牛皮癣和牛皮癣关节炎的新诊断工具。 该工具旨在提高诊断的准确性和效率，为牛皮癣和银屑病关节炎的早期检测和精确治疗提供强有力的支持。