Machine learning onthult PsA-profielen met goede respons op risankizumab

Risankizumab blijkt langdurig effectief bij verschillende fenotypes van psoriatische artritis (PsA). Met behulp van machine learning (ML) analyseerden onderzoekers gegevens van twee fase 3-studies (KEEPSAKE 1 en 2) om klinisch herkenbare patiëntprofielen te identificeren en behandelrespons te evalueren tot vier jaar. De analyse omvatte 1119 bDMARD-naïeve patiënten met actieve PsA die tot maximaal 4 jaar werden behandeld met risankizumab. Voor de indeling werd gebruikgemaakt van een unsupervised machine learning-techniek: een zogeheten finite mixture model. Daarmee werden patiënten automatisch gegroepeerd op basis van hun klinische kenmerken bij baseline, zoals gewrichtsaantasting, dactylitis en enthesitis. Ziekteprofielen Deze ML aanpak onderscheidde vijf PsA-fenotypes: (1) Matige tot hoge ziekteactiviteit (40,3%), (2) Enthesitis- en grote-gewrichten-dominant (20,8%), (3) Zeer hoge ziekteactiviteit (14,0%), (4) Hand-dominant (13,8%) en (5) Dactylitis- en voeten-dominant (11,1%). De fenotypes verschilden vooral in gewrichtsbetrokkenheid, aanwezigheid van dactylitis en enthesitis en mate van ziekteactiviteit. Effectiviteit risankizumab De…