小编发现不少朋友对于 机器学习预测模型有助于防止HIV传播 这方面的信息都比较感兴趣,小编就针对 机器学习预测模型有助于防止HIV传播 整理了一些相关方面的信息 在这里分享给大家。

机器学习预测模型有助于防止HIV传播

Kaiser Permanente的研究人员开发了一种机器学习算法,可以通过发现高危患者并让他们使用预防药物来帮助预防HIV病毒的传播。研究人员在《柳叶刀艾滋病》上发表了他们的预测模型的发现。

自从可以减少HIV病毒引起的永久性感染的药丸暴露前预防(PrEP)的引入以来,对HIV的预防有所改善,但是当前HIV风险预防工具的局限性阻碍了其有效性。该药对预防艾滋病毒有效率为99%。

研究人员开发了一种预测机器学习模型,可以在北加州Kaiser Permanente卫生系统中找到PrEP候选人。

他们研究了未使用PrEP的未感染HIV的卫生系统成年成员。该模型使用81个电子健康记录变量来预测三年内的艾滋病毒事件诊断,其中44个与预测HIV风险最相关。

“我们确定有感染艾滋病毒风险的患者非常重要,”资深作者乔纳森·沃尔克(Jonathan Volk)医师,MPH博士说,他是旧金山凯撒永久医疗中心治疗艾滋病毒患者的传染病医生。“我们使用电子病历开发了可以在繁忙的临床实践中实施的工具,以帮助提供者识别出可能从PrEP中受益最大的患者。”

在该研究队列中,包括超过370万患者,有784例HIV感染病例。总体而言,机器学习模型预测有2.2%的人群处于感染HIV的高风险或非常高的风险中。在那一组中,大约一半以后被感染了。

该预测模型可以帮助将来改善PrEP的使用。根据疾病预防控制中心(CDC)的说法,只有大约7%的可以从预防药物中受益的人使用它。研究人员称,其他预测技术忽略了包括种族在内的多种风险因素。研究人员发现,与其他模型相比,他们的工具可以识别出更多有风险的患者。

Volk说:“我们的预测模型直接解决了这一差距,并且可能比目前的努力更有效地确定那些可能是PrEP候选人的人。”

但是,Kaiser Permanente的综合病历以及高质量的个人数据辅助了该工具的开发。该工具可用于基层医疗医生的EHR系统中,然后他们可以与患者讨论服用PrEP可能带来的好处。

“将我们的算法嵌入电子健康记录中可以支持提供者与患者讨论性健康和HIV风险,最终增加PrEP的吸收并预防新的HIV感染,”主要作者,现任哈佛大学MPH博士的Julia L. Marcus博士医学院和哈佛朝圣者健康护理研究所在一份声明中说,但该研究所的前身是凯撒永久研究部。