Mit maschinellen Lernmodellen, die auf RNA-Seq-Daten angewendet wurden, konnte bei den 208 untersuchten Proben das klinische Ansprechen auf Etanercept, Tocilizumab und Rituximab im primären Endpunkt (DAS28-ESR) nach 16 Wochen mit einer Fläche unter der ROC-Kurve (AUC) von 0,763, 0,748 bzw. 0,754 (n=67-72) vorhergesagt werden, bestimmt durch ein genestetes, wiederholtes Kreuzvalidierungsverfahren. Präduktionsmodelle für Tocilizumab und Rituximab wurden in einer unabhängigen Kohorte (R4RA) validiert, die AUC betrug 0,713 bzw. 0,786 (n=65-68). Die prädiktiven Signaturen wurden für die Verwendung mit einem maßgeschneiderten, synoviumspezifischen 524-Gen-nCounter-Panel umgewandelt und erneut an Synovialbiopsie-RNA von STRAP-Patienten getestet, was eine relativ genaue Vorhersage des Therapieansprechens (AUC 0,82–0,87) ermöglichte.

Die umgewandelten Modelle des tiefen molekularen Profilings wurden zu einem einheitlichen klinischen Entscheidungsalgorithmus kombiniert, der das Potenzial hat (auch wenn dies derzeit noch Zukunftsmusik ist), die künftige klinische Praxis grundlegend zu verändern, indem er die Auswahl biologischer Therapien unterstützen könnte.

Quelle: Nat Commun 2025; 5374: 16