איידס 22.07.2019

אלגוריתם חיזוי אוטומטי לסיכון מוגבר להידבק ב-HIV

אלגוריתם למידת מכונה מזהה בדיוק גבוה מועמדים לטיפול ב-PREP ומונע הדבקה ב-HIV

טיפול תרופתי באיידס (צילום: אילוסטרציה)
טיפול תרופתי באיידס (צילום: אילוסטרציה)

PREP, טיפול מניעה טרום חשיפה ל-HIV, הוא טיפול יעיל אך האפשרות לשימוש בו לא מובאת לכלל אוכלוסיות החולים בסיכון, בין השאר משום שלרופאים אין כלים מיטביים לזהות מועמדים לטיפול ב-PREP. קבוצת מחקר מאוניברסיטת הרווארד פיתחה אלגוריתם חיזוי אוטומטי המשתמש בנתוני בריאות אלקטרוניים (EHR) כדי לזהות אנשים בסיכון מוגבר להידבקות ב-HIV. האלגוריתם ומחקר המאמת את יעילותו פורסמו החודש בכתב העת Lancet.

החוקרים השתמשו באלגוריתם למידת מכונה כדי לחזות זיהומים ב-HIV עם 180 מנבאים פוטנציאליים לסיכון HIV שנלקחו מנתוני EHR בין השנים 2007-2005 ב-Atrius Health, מרפאת אשפוז אמבולטורי במסצ'וסטס, ארה"ב.

החוקרים כללו נתוני EHR של כל החולים בגילאי 15 ומעלה עם לפחות מפגש קליני אחד במהלך 2007-15. הם השתמשו בתיקוף x10 עם תוקף צולב ועקומת ROC עם 95% CI על מנת להעריך את הביצועים של המודל בזיהוי אנשים עם  HIV וזיהוי חולים שהופנו באופן עצמאי לטיפול ב-PREP על ידי רופאים.

מודל הביצועים הטובים ביותר אומת באופן פרוספקטיבי עם נתוני שנת 2016 של Atrius Health וחיצוניים עם נתוני 2011-2016 של Fenway Health, מרכז בריאות קהילתי המתמחה בטיפול בבריאות מינית בבוסטון (MA, USA).

החוקרים חישבו את ציוני הסיכון ל-HIV (כלומר, ההסתברות לאיבחון מקרה ה-HIV) עבור כל חולה שאינו נגוע בוירוס ואינו מטופל PrEP במהלך 2007-15 ב-Atrius Health והעריך את התפלגות ציוני הסף כדי לקבוע מועמדים אפשריים ל-PREP בשלושה קבוצות שונות של מטופלים.

בקבוצת פיתוח האלגוריתם הראשונית נכללו 1,115,196 מטופלים מ-2007-2015  מהמרפאה (150 עם HIV פחות מ-0.01%), 537,257 מטופלים בקבוצת התיקוף הפרוספקטיבית ב-2016 ו-33,404 מקבוצת התיקוף החיצונית ממרפאה נוספת.

האלגוריתם בעל הביצועים הטובים ביותר היה least absolute shrinkage and selection operator - LASSO והיה בעל cv-AUC של 0.86 לזיהוי HIV בקבוצת הפיתוח הראשונית 0.91 בקבוצת התיקוף הפרוספקטיבי ו-0.77 בתיקוף החיצוני.

מודל LASSO זיהה בהצלחה את אותם מטופלים שקיבלו PREP על ידי רופאים. הן בקבוצת מטופלי Atrius Health בשנת 2016 (cv-AUC 0.93,י95% CIי0.90-0.96) והן בשאר הקבוצות.

אלגוריתמים אוטומטיים יכולים לזהות ביעילות חולים בסיכון מוגבר לרכישת HIV. שילוב המודלים הללו לתוך EHRs כדי להתריע על חולים אשר עשויים להפיק תועלת מ-PrEP יכול לשפר הטיפול הרפואי ולמנוע זיהומים חדשים ב-HIV.

מקור:

Krakower, Douglas S., Susan Gruber, Katherine Hsu, John T. Menchaca, Judith C. Maro, Benjamin A. Kruskal, Ira B. Wilson, Kenneth H. Mayer, and Michael Klompas. "Development and validation of an automated HIV prediction algorithm to identify candidates for pre-exposure prophylaxis: a modelling study." The Lancet HIV (2019).

נושאים קשורים:  HIV,  איידס,  PrEP,  מחקרים
תגובות