Patient groups in Rheumatoid arthritis identified by deep learning respond differently to biologic or targeted synthetic DMARDs.

Kalweit, Maria; Burden, Andrea M; Boedecker, Joschka; Hügle, Thomas; Burkard, Theresa

Kalweit, Maria; Burden, Andrea M; Boedecker, Joschka; Hügle, Thomas; Burkard, Theresa.

Afiliação

Kalweit M; Department of Computer Science, University of Freiburg, Freiburg, Germany.
Burden AM; ETH Zurich, Department of Chemistry and Applied Biosciences, Zurich, Switzerland.
Boedecker J; Department of Computer Science, University of Freiburg, Freiburg, Germany.
Hügle T; Department of Rheumatology, Lausanne University Hospital, and University of Lausanne, Lausanne, Switzerland.
Burkard T; ETH Zurich, Department of Chemistry and Applied Biosciences, Zurich, Switzerland.

PLoS Comput Biol ; 19(6): e1011073, 2023 06.

Article em En | MEDLINE | ID: mdl-37267387

Assuntos

Antirreumáticos; Artrite Reumatoide; Produtos Biológicos; Aprendizado Profundo; Humanos; Masculino; Feminino; Adalimumab/uso terapêutico; Prednisona/uso terapêutico; Antirreumáticos/uso terapêutico; Artrite Reumatoide/tratamento farmacológico; Produtos Biológicos/uso terapêutico

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google

Texto completo: 1 Coleções: 01-internacional Base de dados: MEDLINE Assunto principal: Artrite Reumatoide / Produtos Biológicos / Antirreumáticos / Aprendizado Profundo Tipo de estudo: Prognostic_studies Limite: Female / Humans / Male Idioma: En Revista: PLoS Comput Biol Assunto da revista: BIOLOGIA / INFORMATICA MEDICA Ano de publicação: 2023 Tipo de documento: Article País de afiliação: Alemanha

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google