药明康德AI/报道
研究人员已经证明了一种算法的有效性，使用分析电子健康记录（electronic health records, EHRs）的算法，不仅可以帮助医生识别可能从暴露前预防（PrEP）中获益的艾滋病毒风险感染者，还可增加暴露前预防药物的处方量，从而显著降低感染艾滋病毒的风险。这对预防艾滋病感染有重要作用。PrEP是一种健康人常规服用一种或多种抗逆转录病毒药物的策略，以降低感染艾滋病毒风险。当人们按规定服用时，其预防艾滋病感染的效果超过90%。它对于降低艾滋病毒感染风险非常有效，但仍未得到充分利用。美国每年有近4万人感染艾滋病毒，但美国疾病控制和预防中心(Centers for Disease Control and Prevention)估计，2016年在110万有感染艾滋病毒风险的人中，只有7%的人使用了PrEP药物。使用PrEP的一个障碍是：因缺乏足够的时间或技能来充分评估患者的艾滋病毒感染风险，医生可能会对需要PrEP的情况产生不到位的判断。
医生工作繁忙，每日时间有限，他们对PrEP了解有限，并且在日常的诊疗中可能缺乏“如何与患者谈论性或药物使用”的相关培训。而风险预测工具(Risk prediction tools)，可利用患者电子健康记录(EHR)中的数据进行电子临床决策支持。来自加利福尼亚和马萨诸塞州的两个研究团队，分别针对其所在州的患者群体，建立了一个可以在EHR中、作为PrEP的自动化筛查工具的HIV风险预测模型。“将自动筛查算法纳入EHR可以帮助繁忙的临床医生识别和评估哪些患者可能更有效地获益于PrEP，并使这些医生能够更频繁地开出PrEP药物，”研究人员说道。
在两项大型研究中，来自两个团队的研究人员分别使用来自马萨诸塞州和加利福尼亚大型医疗系统的EHR，研究人员从未感染艾滋病毒且尚未使用PrEP的患者中提取了大量有潜在艾滋病毒风险预测因子的统计学数据以及临床数据，分析了丰富的健康数据和患者信息，从而创建并测试了一套算法，以帮助临床医生自动识别艾滋病毒感染风险较高的人，以及这些人能否从PrEP药物中受益。
在哈佛医学院主导的针对加州患者群体的研究中，研究团队通过使用超过370万接受北加州凯萨医疗中心(Kaiser Permanente NorthernCalifornia)门诊服务的患者EHR，从而扩大算法的预测方法。这支来自加州的研究团队根据2007-2014年间，进入Kaiser Permanente医疗系统的患者医疗数据开发了一个预测HIV发病率的模型，并用2015-2017年间Kaiser Permanente医疗系统的患者数据对上述模型加以验证。模型中使用了EHR中的变量，比如，性别、种族、高危性行为适应症、HIV和STI检测频率以及STI诊断和治疗等。
“该模型能够通过仅标记2％的一般患者人群来识别几乎一半的男性艾滋病病例，” Julia Marcus博士（该研究项目主导人，来自哈佛医学院和哈佛朝圣者医疗保健研究所）说道。另一项针对马萨诸塞州患者群体的研究，Douglas Krakower博士及其同事使用机器学习创建了一个HIV预测模型。该模型使用来自马萨诸塞州大型医疗保健系统Atrius Health的110万患者于2007-2015 年间累积的EHR数据。该模型使用了，例如艾滋病咨询或性传播感染（STI）的诊断代码、HIV或性传播感染的实验室检测、以及与治疗性传播感染相关的药物处方等EHR中的变量。该模型随后使用2016年Atrius Health观察到的537,257名患者的数据以及2011-2016年间波士顿社区健康中心Fenway Health（该社区健康中心专门为性和性别少数群体提供医疗服务）的33,404名患者进行了验证。在这些验证研究中，HIV预测模型能够成功区分出有或没有感染艾滋病毒的患者，以及有或没有接受PrEP处方的患者，具有很高的精确度。
Krakower博士说道：“通过这个新的HIV预测模型，如果临床医生收到预测告知，给予患者建议并为风险评分最高的2%患者提供PrEP处方，那么近40%的新艾滋病毒病例可能会得到避免。”
将HIV预测模型与常规医疗初级诊断结合起来，再由临床医生进行全面的艾滋病毒风险评估，这可大大增加医生开出PrEP处方的数量并有效预防艾滋病毒感染。过去30多年里，人类在“防艾抗艾”方面取得了许多突破性的成就，不管是预防方案还是治疗方案，未来随着人工智能以及生物技术的不断发展，艾滋病流行被终结完也不无可能。
[1] Twonew algorithms can identify patients at risk of HIV Jul 8, 2019 from https://neurosciencenews.com/hiv-algorithms-14441/[2] Developmentand validation of an automated HIV prediction algorithm to identify candidatesfor pre-exposure prophylaxis: a modelling study, Jul 5, 2019 fromhttps://www.thelancet.com/journals/lanhiv/article/PIIS2352-3018(19)30139-0/fulltect [3] Use of electronic health record data andmachine learning to identify candidates for HIV pre-exposure prophylaxis: amodelling study, Jul 5, 2019 from https://www.thelancet.com/journals/lanhiv/article/PIIS2352-3018(19)30137-7/fulltext
本文来自药明康德微信团队，欢迎转发到朋友圈，谢绝转载到其它平台。如有开设白名单需求，请在文章底部留言；如有其它合作需求，请联系wuxi_media@wuxiapptec.com。
更多文章精选
点击图片阅读：进展不断！生物界"AlphaGo"们挑战蛋白质折叠问题
点击图片阅读：里程碑！首个临床级病理学AI问世
点击图片阅读：走出迷雾，6个AI系统获得FDA批准，将应用于医疗健康领域