摘要：类风湿性关节炎（rheumatoid arthritis,RA）作为一种慢性系统性自身免疫性疾病，以滑膜炎和进行性关节破坏为特征，具有高致残率与复杂并发症风险，严重威胁患者生活质量。尽管传统诊疗方案可以显著改善患者症状，但其早期诊断困难、治疗反应个体差异大及心血管疾病、间质性肺病等并发症的发生率高，仍是临床实践中的焦点问题。近年来人工智能与机器学习技术的快速发展，为突破RA诊疗瓶颈提供了全新机遇。通过深度挖掘RA多模态医学数据，如影像学、基因组学和电子健康记录等，机器学习模型在早期诊断、治疗反应分层管理及并发症风险建模，如心血管事件预警中均展现出潜在优势。但数据异质性、模型可解释性不足及临床转化障碍等问题仍制约其广泛应用。文章旨在系统梳理机器学习在RA诊疗中的最新研究进展，为RA依据机器学习技术实现精准诊疗提供理论依据与实践参考。
