{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3446837"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3446837","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Biomarkers of therapy response in Rheumatoid Arthritis","abstract":"Η ρευματοειδής αρθρίτιδα (ΡΑ) είναι η πιο κοινή συστηματική αυτοάνοση διαταραχή, η οποία χαρακτηρίζεται από χρόνια αρθρίτιδα και προοδευτική αρθρική εκφύλιση. Αν αφεθεί χωρίς θεραπεία, μπορεί να οδηγήσει σε σημαντικό πόνο, παραμόρφωση και απώλεια λειτουργικότητας, αυξάνοντας τη νοσηρότητα και τη θνησιμότητα των ασθενών. Η έγκαιρη έναρξη αποτελεσματικής θεραπείας είναι θεμελιώδης για τον έλεγχο της φλεγμονής και την πρόληψη εξέλιξης της νόσου. Η μεθοτρεξάτη (MTX), ένας αντιφολικός παράγοντας, αποτελεί τον ακρογωνιαίο λίθο της θεραπείας της ΡΑ κατά τις τελευταίες δύο δεκαετίες. Εντούτοις, μόνο στο 50% περίπου των ασθενών επιτυγχάνεται ύφεση της νόσου, ενώ το 30% διακόπτει τη θεραπεία εντός των πρώτων 12 μηνών λόγω ανεπιθύμητων ενεργειών. Η μονοθεραπεία με νεότερα συμβατικά συνθετικά DMARDs όπως η λεφλουνομίδη και η σουλφασαλαζίνη απέτυχε να βελτιώσει τα ποσοστά ανταπόκρισης καθώς 50% των ασθενών επιτυγχάνουν μόνο 20% βελτίωση των συμπτωμάτων τους, σύμφωνα με τα κριτήρια του Αμερικανικού Κολλεγίου Ρευματολογίας. Η ένταξη βιολογικών θεραπειών στην κλινική πράξη καθιστά διαθέσιμους νέους θεραπευτικούς παράγοντες (αναστολείς του TNFα, αναστολείς της IL-6, ρυθμιστές διέγερσης CTLA-4, αναστολείς JAK, αντισώματα έναντι των CD20). Ωστόσο, παρά την πληθώρα θεραπευτικών επιλογών, περίπου 40% των ασθενών δεν επιτυγχάνει ύφεση. Στην καθημερινή κλινική πράξη δεν υπάρχουν καθιερωμένοι βιοδείκτες για τη διάκριση των ασθενών που θα ωφεληθούν από έναν συγκεκριμένο θεραπευτικό παράγοντα. Στην συγκεκριμένη μελέτη, εξετάζουμε την τρέχουσα βιβλιογραφία σχετικά με την προγνωστική αξία των -omics, καθώς και της ανάλυσης του γονιδιακού, του πρωτεϊνικού και του ανοσοποιητικού προφίλ των ασθενών για τη διάκριση των «ανταποκρινόμενων» από τους «μη ανταποκρινόμενους» στη θεραπεία. Τέλος, συζητάμε την εφαρμογή των τεχνολογιών «τεχνητής νοημοσύνης» και «μηχανικής μάθησης» στην ανάπτυξη μοντέλων πρόβλεψης της θεραπευτικής ανταπόκρισης, καθώς και τον ρόλο τους στην καθοδήγηση θεραπευτικών αποφάσεων σε ένα κλινικό περιβάλλον. Με αυτήν την πληθώρα των διαθέσιμων θεραπευτικών επιλογών, η επιλογή του καταλληλότερου σχήματος αποτελεί σημαντικό πρόβλημα για τους κλινικούς ιατρούς, καθώς δεν υπάρχει επί του παρόντος καθιερωμένος βιοδείκτης που να καθοδηγεί την κλινική πράξη.","abstract_html":"Η ρευματοειδής αρθρίτιδα (ΡΑ) είναι η πιο κοινή συστηματική αυτοάνοση διαταραχή, η οποία χαρακτηρίζεται από χρόνια αρθρίτιδα και προοδευτική αρθρική εκφύλιση. Αν αφεθεί χωρίς θεραπεία, μπορεί να οδηγήσει σε σημαντικό πόνο, παραμόρφωση και απώλεια λειτουργικότητας, αυξάνοντας τη νοσηρότητα και τη θνησιμότητα των ασθενών. Η έγκαιρη έναρξη αποτελεσματικής θεραπείας είναι θεμελιώδης για τον έλεγχο της φλεγμονής και την πρόληψη εξέλιξης της νόσου. Η μεθοτρεξάτη (MTX), ένας αντιφολικός παράγοντας, αποτελεί τον ακρογωνιαίο λίθο της θεραπείας της ΡΑ κατά τις τελευταίες δύο δεκαετίες. Εντούτοις, μόνο στο 50% περίπου των ασθενών επιτυγχάνεται ύφεση της νόσου, ενώ το 30% διακόπτει τη θεραπεία εντός των πρώτων 12 μηνών λόγω ανεπιθύμητων ενεργειών. Η μονοθεραπεία με νεότερα συμβατικά συνθετικά DMARDs όπως η λεφλουνομίδη και η σουλφασαλαζίνη απέτυχε να βελτιώσει τα ποσοστά ανταπόκρισης καθώς 50% των ασθενών επιτυγχάνουν μόνο 20% βελτίωση των συμπτωμάτων τους, σύμφωνα με τα κριτήρια του Αμερικανικού Κολλεγίου Ρευματολογίας. Η ένταξη βιολογικών θεραπειών στην κλινική πράξη καθιστά διαθέσιμους νέους θεραπευτικούς παράγοντες (αναστολείς του TNFα, αναστολείς της IL-6, ρυθμιστές διέγερσης CTLA-4, αναστολείς JAK, αντισώματα έναντι των CD20). Ωστόσο, παρά την πληθώρα θεραπευτικών επιλογών, περίπου 40% των ασθενών δεν επιτυγχάνει ύφεση. Στην καθημερινή κλινική πράξη δεν υπάρχουν καθιερωμένοι βιοδείκτες για τη διάκριση των ασθενών που θα ωφεληθούν από έναν συγκεκριμένο θεραπευτικό παράγοντα. Στην συγκεκριμένη μελέτη, εξετάζουμε την τρέχουσα βιβλιογραφία σχετικά με την προγνωστική αξία των -omics, καθώς και της ανάλυσης του γονιδιακού, του πρωτεϊνικού και του ανοσοποιητικού προφίλ των ασθενών για τη διάκριση των «ανταποκρινόμενων» από τους «μη ανταποκρινόμενους» στη θεραπεία. Τέλος, συζητάμε την εφαρμογή των τεχνολογιών «τεχνητής νοημοσύνης» και «μηχανικής μάθησης» στην ανάπτυξη μοντέλων πρόβλεψης της θεραπευτικής ανταπόκρισης, καθώς και τον ρόλο τους στην καθοδήγηση θεραπευτικών αποφάσεων σε ένα κλινικό περιβάλλον. Με αυτήν την πληθώρα των διαθέσιμων θεραπευτικών επιλογών, η επιλογή του καταλληλότερου σχήματος αποτελεί σημαντικό πρόβλημα για τους κλινικούς ιατρούς, καθώς δεν υπάρχει επί του παρόντος καθιερωμένος βιοδείκτης που να καθοδηγεί την κλινική πράξη.","abstract_has_math":false,"creators":["Δάρα Αθανασία","Dara Athanasia"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2025,"date_issued":"2025","date_published":"2025","updated_at":"2026-11-19T06:31:23Z","subjects":["Επιστήμες Υγείας","Health Sciences"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3446837"],"render_values":[{"text":"uoadl:3446837","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3446837","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3446837","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A3446837","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Δάρα Αθανασία","Dara Athanasia"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2025"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Επιστήμες Υγείας","Health Sciences"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3446837","https://pergamos.lib.uoa.gr/uoa/dl/object/3446837"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η ρευματοειδής αρθρίτιδα (ΡΑ) είναι η πιο κοινή συστηματική αυτοάνοση διαταραχή, η οποία χαρακτηρίζεται από χρόνια αρθρίτιδα και προοδευτική αρθρική εκφύλιση. Αν αφεθεί χωρίς θεραπεία, μπορεί να οδηγήσει σε σημαντικό πόνο, παραμόρφωση και απώλεια λειτουργικότητας, αυξάνοντας τη νοσηρότητα και τη θνησιμότητα των ασθενών. Η έγκαιρη έναρξη αποτελεσματικής θεραπείας είναι θεμελιώδης για τον έλεγχο της φλεγμονής και την πρόληψη εξέλιξης της νόσου. Η μεθοτρεξάτη (MTX), ένας αντιφολικός παράγοντας, αποτελεί τον ακρογωνιαίο λίθο της θεραπείας της ΡΑ κατά τις τελευταίες δύο δεκαετίες. Εντούτοις, μόνο στο 50% περίπου των ασθενών επιτυγχάνεται ύφεση της νόσου, ενώ το 30% διακόπτει τη θεραπεία εντός των πρώτων 12 μηνών λόγω ανεπιθύμητων ενεργειών. Η μονοθεραπεία με νεότερα συμβατικά συνθετικά DMARDs όπως η λεφλουνομίδη και η σουλφασαλαζίνη απέτυχε να βελτιώσει τα ποσοστά ανταπόκρισης καθώς 50% των ασθενών επιτυγχάνουν μόνο 20% βελτίωση των συμπτωμάτων τους, σύμφωνα με τα κριτήρια του Αμερικανικού Κολλεγίου Ρευματολογίας. Η ένταξη βιολογικών θεραπειών στην κλινική πράξη καθιστά διαθέσιμους νέους θεραπευτικούς παράγοντες (αναστολείς του TNFα, αναστολείς της IL-6, ρυθμιστές διέγερσης CTLA-4, αναστολείς JAK, αντισώματα έναντι των CD20). Ωστόσο, παρά την πληθώρα θεραπευτικών επιλογών, περίπου 40% των ασθενών δεν επιτυγχάνει ύφεση. Στην καθημερινή κλινική πράξη δεν υπάρχουν καθιερωμένοι βιοδείκτες για τη διάκριση των ασθενών που θα ωφεληθούν από έναν συγκεκριμένο θεραπευτικό παράγοντα. Στην συγκεκριμένη μελέτη, εξετάζουμε την τρέχουσα βιβλιογραφία σχετικά με την προγνωστική αξία των -omics, καθώς και της ανάλυσης του γονιδιακού, του πρωτεϊνικού και του ανοσοποιητικού προφίλ των ασθενών για τη διάκριση των «ανταποκρινόμενων» από τους «μη ανταποκρινόμενους» στη θεραπεία. Τέλος, συζητάμε την εφαρμογή των τεχνολογιών «τεχνητής νοημοσύνης» και «μηχανικής μάθησης» στην ανάπτυξη μοντέλων πρόβλεψης της θεραπευτικής ανταπόκρισης, καθώς και τον ρόλο τους στην καθοδήγηση θεραπευτικών αποφάσεων σε ένα κλινικό περιβάλλον. Με αυτήν την πληθώρα των διαθέσιμων θεραπευτικών επιλογών, η επιλογή του καταλληλότερου σχήματος αποτελεί σημαντικό πρόβλημα για τους κλινικούς ιατρούς, καθώς δεν υπάρχει επί του παρόντος καθιερωμένος βιοδείκτης που να καθοδηγεί την κλινική πράξη.","Rheumatoid arthritis (RA) is the most common systemic auto-immune disorder characterized by chronic synovitis and progressive joint erosion. Left untreated it may lead to significant pain, deformity and loss of function, increasing patient morbidity and mortality. Early initiation of effective treatment is key in controlling inflammation and stopping disease progression. Methotrexate (MTX), an anti-folate agent, has been the cornerstone of RA treatment for the past two decades, however, only approximately 50% of patients achieve remission, while 30% of patients discontinue treatment within the first 12 months due to adverse effects. Monotherapy with newer conventional synthetic DMARDs such as leflunomide and sulfasalazine has failed to improve response rates with 50% of patients achieving merely 20% improvement of symptoms, as those were assessed by the American College of Rheumatology’s RA disease score. On the other hand, the introduction of novel biologic therapies has opened up a plethora of treatment options, including tumor necrosis factor α (TNFα) inhibitors, interleukin-6 inhibitors, cytotoxic T-lymphocyte-associated protein 4 (CTLA-4) co-stimulation modulators, Janus kinase inhibitors and anti-CD20 antibodies. However, despite the many therapeutic options, approximately 40% of patients do not achieve remission and there is a complete lack of established biomarkers to identify those patients who will benefit from each therapeutic option. Herein, we review the current literature on the prognostic value of -omics (transcriptome, proteome, lipidome, metabolome), as well as targeted gene and protein expression profiling and immune profiling of patients in distinguishing therapy “responders” from “non-responders”. Finally, we discuss the implementation of “artificial intelligence” and “machine learning” approaches in the development of response prediction models, as well as their role in guiding therapeutic decisions in a clinical setting. In this plethora of treatment options, the selection of the most appropriate therapeutic regimen poses a significant problem for clinicians, as there is currently no established biomarker to guide the therapeutic choice."]},{"key":"dc:title","label":"Title","values":["Biomarkers of therapy response in Rheumatoid Arthritis"]}]}],"canonical_facts":{"dc:creator":["Δάρα Αθανασία","Dara Athanasia"],"dc:date":["2025"],"dc:description":["Η ρευματοειδής αρθρίτιδα (ΡΑ) είναι η πιο κοινή συστηματική αυτοάνοση διαταραχή, η οποία χαρακτηρίζεται από χρόνια αρθρίτιδα και προοδευτική αρθρική εκφύλιση. Αν αφεθεί χωρίς θεραπεία, μπορεί να οδηγήσει σε σημαντικό πόνο, παραμόρφωση και απώλεια λειτουργικότητας, αυξάνοντας τη νοσηρότητα και τη θνησιμότητα των ασθενών. Η έγκαιρη έναρξη αποτελεσματικής θεραπείας είναι θεμελιώδης για τον έλεγχο της φλεγμονής και την πρόληψη εξέλιξης της νόσου. Η μεθοτρεξάτη (MTX), ένας αντιφολικός παράγοντας, αποτελεί τον ακρογωνιαίο λίθο της θεραπείας της ΡΑ κατά τις τελευταίες δύο δεκαετίες. Εντούτοις, μόνο στο 50% περίπου των ασθενών επιτυγχάνεται ύφεση της νόσου, ενώ το 30% διακόπτει τη θεραπεία εντός των πρώτων 12 μηνών λόγω ανεπιθύμητων ενεργειών. Η μονοθεραπεία με νεότερα συμβατικά συνθετικά DMARDs όπως η λεφλουνομίδη και η σουλφασαλαζίνη απέτυχε να βελτιώσει τα ποσοστά ανταπόκρισης καθώς 50% των ασθενών επιτυγχάνουν μόνο 20% βελτίωση των συμπτωμάτων τους, σύμφωνα με τα κριτήρια του Αμερικανικού Κολλεγίου Ρευματολογίας. Η ένταξη βιολογικών θεραπειών στην κλινική πράξη καθιστά διαθέσιμους νέους θεραπευτικούς παράγοντες (αναστολείς του TNFα, αναστολείς της IL-6, ρυθμιστές διέγερσης CTLA-4, αναστολείς JAK, αντισώματα έναντι των CD20). Ωστόσο, παρά την πληθώρα θεραπευτικών επιλογών, περίπου 40% των ασθενών δεν επιτυγχάνει ύφεση. Στην καθημερινή κλινική πράξη δεν υπάρχουν καθιερωμένοι βιοδείκτες για τη διάκριση των ασθενών που θα ωφεληθούν από έναν συγκεκριμένο θεραπευτικό παράγοντα. Στην συγκεκριμένη μελέτη, εξετάζουμε την τρέχουσα βιβλιογραφία σχετικά με την προγνωστική αξία των -omics, καθώς και της ανάλυσης του γονιδιακού, του πρωτεϊνικού και του ανοσοποιητικού προφίλ των ασθενών για τη διάκριση των «ανταποκρινόμενων» από τους «μη ανταποκρινόμενους» στη θεραπεία. Τέλος, συζητάμε την εφαρμογή των τεχνολογιών «τεχνητής νοημοσύνης» και «μηχανικής μάθησης» στην ανάπτυξη μοντέλων πρόβλεψης της θεραπευτικής ανταπόκρισης, καθώς και τον ρόλο τους στην καθοδήγηση θεραπευτικών αποφάσεων σε ένα κλινικό περιβάλλον. Με αυτήν την πληθώρα των διαθέσιμων θεραπευτικών επιλογών, η επιλογή του καταλληλότερου σχήματος αποτελεί σημαντικό πρόβλημα για τους κλινικούς ιατρούς, καθώς δεν υπάρχει επί του παρόντος καθιερωμένος βιοδείκτης που να καθοδηγεί την κλινική πράξη.","Rheumatoid arthritis (RA) is the most common systemic auto-immune disorder characterized by chronic synovitis and progressive joint erosion. Left untreated it may lead to significant pain, deformity and loss of function, increasing patient morbidity and mortality. Early initiation of effective treatment is key in controlling inflammation and stopping disease progression. Methotrexate (MTX), an anti-folate agent, has been the cornerstone of RA treatment for the past two decades, however, only approximately 50% of patients achieve remission, while 30% of patients discontinue treatment within the first 12 months due to adverse effects. Monotherapy with newer conventional synthetic DMARDs such as leflunomide and sulfasalazine has failed to improve response rates with 50% of patients achieving merely 20% improvement of symptoms, as those were assessed by the American College of Rheumatology’s RA disease score. On the other hand, the introduction of novel biologic therapies has opened up a plethora of treatment options, including tumor necrosis factor α (TNFα) inhibitors, interleukin-6 inhibitors, cytotoxic T-lymphocyte-associated protein 4 (CTLA-4) co-stimulation modulators, Janus kinase inhibitors and anti-CD20 antibodies. However, despite the many therapeutic options, approximately 40% of patients do not achieve remission and there is a complete lack of established biomarkers to identify those patients who will benefit from each therapeutic option. Herein, we review the current literature on the prognostic value of -omics (transcriptome, proteome, lipidome, metabolome), as well as targeted gene and protein expression profiling and immune profiling of patients in distinguishing therapy “responders” from “non-responders”. Finally, we discuss the implementation of “artificial intelligence” and “machine learning” approaches in the development of response prediction models, as well as their role in guiding therapeutic decisions in a clinical setting. In this plethora of treatment options, the selection of the most appropriate therapeutic regimen poses a significant problem for clinicians, as there is currently no established biomarker to guide the therapeutic choice."],"dc:identifier":["uoadl:3446837","https://pergamos.lib.uoa.gr/uoa/dl/object/3446837"],"dc:language":["English"],"dc:subject":["Επιστήμες Υγείας","Health Sciences"],"dc:title":["Biomarkers of therapy response in Rheumatoid Arthritis"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:31:23Z"}