风湿性多肌痛（PMR）和巨细胞动脉炎（GCA）通常被认为是同一相关疾病谱中的不同表现。整合式协同管理和早期分层转诊是降低高复发率、优化合理用药的重要策略。然而，目前尚缺乏在统一框架下开展的临床研究，这在一定程度上限制了研究结果向临床实践的转化。本研究旨在通过建立一种新的临床分层方法来填补这一空白。

本研究回顾性纳入了来自中国4家医学中心的865例确诊为PMR或GCA的患者，收集其共同的临床表现和实验室参数。采用无监督机器学习聚类方法识别不同的临床亚型，并进一步比较各亚型之间的临床特征及复发结局差异。

一致性聚类分析识别出3种临床亚型：系统炎症亚型（27%），其特征为炎症指标升高及肝酶异常；常见亚型（37%），以典型的孤立性风湿性多肌痛症状为主要表现；关节主导亚型（36%），其特征为外周关节炎发生率更高。三组之间的复发率存在显著差异。在随访第一年内，Cluster 1 的复发风险显著高于 Cluster 2 和 Cluster 3。具体而言，Cluster 1 在3个月时的复发率为19.1%，显著高于其他亚型。值得注意的是，尽管 Cluster 1 预后较差，但该组患者接受的泼尼松初始剂量也显著高于另外两组。

本研究采用无监督机器学习方法，识别出巨细胞动脉炎–风湿性多肌痛谱系疾病（GPSD）的3种临床亚群，每一亚群均具有不同的临床特征和结局。这些发现有助于促进早期转诊、指导个体化治疗策略，并提高临床实践中的复发风险预测能力。