La herramienta habría permitido establecer un subgrupo con riesgo alto de adquirir el VIH, que constituiría alrededor del 1% de la población
Una presentación realizada por investigadores estadounidenses en la conferencia IDWeek 2016, celebrada recientemente en Nueva Orleans (EE UU), ha mostrado que un algoritmo informático de análisis de registros médicos podría permitir identificar adecuadamente a aquellas personas que más se podrían beneficiar del uso de la profilaxis preexposición (PrEP).
La PrEP fue aprobada en EE UU en el año 2012 (véase La Noticia del Día 19/07/2012) y recientemente en Europa (véase La Noticia del Día 12/09/2016). A pesar de que varios ensayos clínicos dejaron constancia de unas buenas tasas de eficacia preventiva, su coste para el sistema sanitario y los posibles efectos secundarios relacionados con su uso hacen imprescindible una selección muy razonada de aquellas personas en quienes el balance entre los riesgos, los beneficios y el coste sea aceptable.
Con el objetivo de establecer un algoritmo informatizado que permita detectar de manera precisa y sencilla aquellas personas que más podrían beneficiarse de la PrEP, los autores del presente estudio realizaron un proceso de tres pasos:
- Extracción de todos los datos clínicamente relevantes de los registros electrónicos de Atrius Health, una mutua sanitaria privada del área de Boston (EE UU) que cuenta con más de 800.000 pacientes. Entre dichos datos se encontraban variables demográficas, diagnósticos recientes, prescripciones de medicamentos, intervenciones médicas y/o quirúrgicas y resultados de analíticas.
- Comparar las características los 138 participantes que se infectaron por el VIH entre 2006 y 2015 con las de 100 participantes de perfiles similares, pero sin el virus, que actuaron como controles. Dicha comparativa se realizó empleando técnicas estadísticas de regresión logística y de aprendizaje automático, con el objetivo de reconocer pautas en los datos que ayudaran a predecir nuevas infecciones.
- Definir, a partir de todo lo analizado, si dentro del grupo de participantes general podría definirse un subgrupo con personas candidatas al uso de la PrEP.
Al comparar las técnicas estadísticas de regresión logística –más convencionales- con las de aprendizaje automático, estas últimas son las que obtuvieron mejores resultados prediciendo las nuevas infecciones. De entre las técnicas de aprendizaje automático utilizadas, la regresión de Ridge es la que obtuvo mejores resultados.
Al observar de forma detallada las variables evaluadas, el 6,5% de las personas que se infectaron habían realizado pruebas de citología anal (mientras que en el grupo control dicho porcentaje era del 0,1%). Al 3,6% de las personas que adquirieron el VIH se les había prescrito penicilina G (un antibiótico frecuentemente utilizado para tratar la sífilis), mientras que el porcentaje en el grupo control de personas que recibieron dicha prescripción era inferior al 0,1%. El 5,8% de las personas que adquirieron el VIH tenía un historial de diagnóstico de gonorrea, algo que únicamente se observó en el 0,1% de las personas del grupo de control.
La gran mayoría de los participantes en el estudio fueron clasificados por el algoritmo informático como personas con riesgo bajo o muy bajo de adquirir el VIH. Finalmente, de los más de 800.000 participantes incluidos, un total de 8.414 (que supondrían el 1,1% del total) fueron considerados candidatos a recibir PrEP.
Dado el elevado coste de la PrEP, considerar que el 1% de la población total es candidato a recibirla sigue siendo un número probablemente demasiado elevado para considerar esta aproximación como coste-efectiva, pero probablemente pueda ser un buen punto de partida para continuar afinando el modelo. De hecho, dado que se trata de un algoritmo basado en el aprendizaje automatizado, a medida que se incorporen más datos provenientes de un mayor número de registros, la herramienta podrá establecer subgrupos de candidatos a la PrEP que supongan un porcentaje de la población más pequeño que el del presente modelo.
El siguiente paso, según los investigadores, será optimizar y validar el presente algoritmo en centros de salud sexual especializados, con el objetivo de verificar que es capaz de incrementar el papel preventivo de la PrEP en dichos entornos de manera coste-efectiva.
Fuente: Aidsmap / Elaboración propia (gTt).
Referencias: Krakower D et al. Automated identification of potential candidates for HIV pre-exposure prophylaxis using electronic health record data. IDWeek, abstract 860, 2016.
