目前，类风湿关节炎的治疗目标是实现并维持疾病缓解，但缓解状态通常并不稳定，约50%的患者在减药或停药后会出现疾病复发，这对患者和临床医生而言都是一种负担。尽管已发现一些复发的预测因素，但这些因素并不能对大多数处于缓解期的类风湿关节炎患者的复发情况做出可靠预测。近期研究表明，对患者滑膜组织的细胞和分子特征进行解析，可能得到更准确的预测模型。

FLARE-RA临床试验旨在通过滑膜活检分析优化临床决策，以维持疾病缓解状态并预防复发。

目标一：构建缓解期患者的细胞与分子图谱

研究纳入不同免疫抑制治疗后达到缓解的类风湿关节炎患者，构建全面的滑膜组织和血液免疫细胞的细胞与分子图谱。患者纳入标准为在活检和停药时处于持续临床缓解状态（类风湿关节炎疾病活动度评分＜1.6）且至少12个月超声检查无能量多普勒信号的患者。

上述患者一直接受以下任一药物的稳定剂量治疗：

将这些患者的滑膜空间转录组学数据与治疗减停时血液单细胞RNA测序数据整合，为后续筛选复发或持续缓解的分子生物标志物提供基线数据。这些分子数据结合临床和影像学信息，将为开发基于可解释人工智能（AI）技术的机器学习工具奠定证据基础，该工具用于建议处于缓解期的患者是否应当减停治疗。(可解释人工智能是指设计技术以提取知识，并解释机器学习模型所做的决策。)

目标二：验证机器学习工具的临床价值

在一项独立的、由机器学习引导的活检驱动临床试验中，对上述机器学习工具进行前瞻性地测试、验证并完善。该试验纳入经cDMARDs、TNFi、IL-6Ri、JAKi或CTLA4-Ig治疗后，处于持续临床缓解和超声缓解且符合治疗减停条件的类风湿关节炎患者。

患者将在治疗减停时接受微创滑膜组织活检和外周血采集，为机器学习工具提供分子数据。受试者将被随机分为两组：

机器学习工具指导组：治疗调整策略由机器学习工具基于患者滑膜活检和血液样本中的特定分子及临床特征得出的预测结果为指导。

标准治疗组：接受常规标准治疗。

在12个月的研究期间，每3个月对患者进行一次随访，以监测缓解的维持情况或复发情况。并验证了以下假设：标准治疗组中仅50%的患者维持持续缓解状态，而机器学习引导组中的大多数患者均维持持续缓解状态。