Desarrollan dos algoritmos que identifican a los pacientes con más riesgo de contraer VIH

Vih
Vih - NIAID, FLICKR CCBY2.0 - Archivo
Publicado: lunes, 8 julio 2019 17:08

MADRID, 8 Jul. (EUROPA PRESS) -

Investigadores del Harvard Pilgrim Health Care Institute (Estados Unidos) han desarrollado dos algoritmos que pueden identificar a los pacientes que están en riesgo de contraer el VIH y pueden beneficiarse de la atención preventiva.

Este hallazgo, publicado en la revista 'The Lancet HIV', podría ayudar a identificar a aquellos pacientes candidatos para obtener la profilaxis pre exposición (PrEP), una píldora antirretroviral que tiene una eficacia superior al 90 por ciento en la prevención de la adquisición del VIH cuando se toma según lo prescrito.

El trabajo analizó los registros médicos de millones de pacientes que no estaban infectados con VIH y que aún no habían usado la PrEP. Los investigadores extrajeron datos demográficos y clínicos de estos pacientes sobre numerosos predictores potenciales del riesgo de VIH. Un algoritmo de aprendizaje automático seleccionó automáticamente importantes variables relacionadas con el riesgo de VIH para los modelos finales.

El estudio que utilizó datos de registros médicos de 3,7 millones de pacientes, el modelo de predicción de riesgo final incluyó variables tales como sexo, raza, vivir en un vecindario con alta incidencia de VIH, uso de medicamentos para la disfunción eréctil y pruebas y positividad de infecciones de transmisión sexual (ITS). El modelo señalaba al 2 por ciento de la población general de pacientes como candidatos potenciales para la PrEP e identificaba al 46 por ciento de los casos de VIH entre los hombres, pero ninguno entre las mujeres.

"Aunque las herramientas de predicción de riesgos son imperfectas y no pueden reemplazar el juicio clínico de los médicos especialistas, nuestros algoritmos pueden ayudar a estimular las discusiones sobre la PrEP con los pacientes que tienen más probabilidades de beneficiarse", explica la autora principal del trabajo, Julia Marcus.