Un grupo interdisciplinario de expertos de la Universidad de Chile desarrolló el primer predictor de adherencia al tratamiento del VIH en nuestro país, que permite identificar a los pacientes que potencialmente podrían dejar de atenderse y, además, funciona como un modelo de intervención basado en consejería orientada a educarlos y motivarlos para que mantengan la toma de medicamentos.
El cierre del proyecto “Plataforma informática basada en inteligencia artificial para la caracterización e identificación del grado de adherencia al tratamiento para la población con VIH” se realizó el 17 de mayo de 2023 en dependencias del Departamento de Ingeniería Industrial de la Facultad de Medicina y Ciencias Físicas y Matemáticas (FCFM).
La investigadora principal del estudio, doctora Claudia Cortés, infectóloga y académica del Departamento de Medicina Interna Centro de la Facultad de Medicina, explicó que la pandemia de VIH ha infectado a cerca de 79,3 millones de personas.
Frente a ello, el programa ONU-SIDA estableció el llamado Plan 90-90-90; es decir, que al 2020 un 90% de la población contagiada tuviera conocimiento de su diagnóstico; que el 90% de ellos estuviera en tratamiento; y que el 90% de esas personas tratadas contaran con supresión viral; es decir, que el virus estuviera indetectable en su sangre.
Dado que esa meta no se ha cumplido, el equipo se abocó al desarrollo del primer predictor de adherencia al tratamiento del VIH, en un proyecto realizado en la Fundación Arriarán, policlínico de infectología del Hospital San Borja Arriarán y principal centro de pacientes con VIH en el país.
La herramienta fue elaborada por investigadores del Web Intelligence Centre (WIC), quienes estuvieron a cargo de la confección, desarrollo y puesta en marcha del sistema predictivo.
Factores de riesgo
La doctora Cortés dio a conocer que para construir este predictor utilizaron, en una primera etapa, la base de datos de más de 5 mil pacientes de la Fundación Arriarán -centro de referencia a nivel nacional- en forma retrospectiva, considerando desde el ingreso de cada uno hasta el 2019, y excluyendo todo cambio posible debido a la influencia del Covid-19.
“Analizamos retrospectivamente la información de estos pacientes, cuáles eran adherentes y cuáles no, y qué factores tenían unos u otros. Así, se determinaron en primer término 450 variables, que es una cifra inmanejable, por lo que la redujimos a 34, de las cuales la mayoría se obtienen a partir de las preguntas habituales que ya hacíamos en el ingreso de los pacientes. A ellas, agregamos otras preguntas para ahondar en los ámbitos de salud mental y de consumo de alcohol y drogas, y que añaden sólo dos o tres minutos a la entrevista de ingreso”, comentó.
Esta labor permitió agrupar los motivos por los cuales los pacientes pueden dejar de seguir su tratamiento, los cuales se categorizan en cinco ámbitos:
• Uso de alcohol y drogas
• Salud mental
• Consumo de distintos fármacos o medicamentos
• Ecología del paciente (datos personales, grado educacional, entorno familiar, trabajo y otros)
• La suma de todos ellos.
Cada una de estas variables, y la suma de ellas, otorga un puntaje que predice la posibilidad de que una persona adhiera o no al tratamiento antirretroviral, en base a su procesamiento por parte del algoritmo creado para ello mediante una super-vector machine (SVM), conjunto de algoritmos de aprendizaje supervisado que toma un conjunto de puntos y construye un modelo capaz de predecir si un punto nuevo pertenece a una categoría determinada o a otra.
Luego, aplicaron esta encuesta en los pacientes de nuevo ingreso entre el 2020 y 2021 y procesaron la información, clasificando a cada uno de ellos según el grado de adherencia por cada subpredictor, de 1 (total) a 5 (no adherente).
“Y a quienes aparecieron como posibles malos adherentes les aplicamos una intervención diseñada para evitar que dejaran los tratamientos”, indicó la doctora Cortés.
Salud mental
La investigadora principal del estudio explicó que el factor más importante que puede influir en que un paciente deje su tratamiento es la salud mental.
“Depresión, ansiedad, negación del diagnóstico, miedo a revelar este tema a la familia, gente que no venía a buscar los remedios para que no los descubran en la casa. Pero también encontramos factores sumamente fáciles de resolver: hay quienes tienen problemas para venir mensualmente a buscar sus medicamentos porque no pueden salir de su trabajo, y es cosa de ver cómo mandárselos o entregárselos para períodos más largos, como se hizo durante la pandemia”, narró.
La intervención a los pacientes fue creada por la psicóloga Stefanella Costa-Cordella, experta en el manejo de enfermedades crónicas y estudiante de postdoctorado integrada al proyecto, quien trabajó en ello junto a un equipo de investigadores de la Universidad Diego Portales, para luego capacitar al personal de la Fundación Arriarán en lo que serían tres sesiones de consejería que ofrecieron a los pacientes que potencialmente podrían dejar sus tratamientos.
“Esta capacitación no nos convierte en psicólogos, pero nos ayuda con herramientas probadas a apoyar al paciente para que siga sus tratamientos y, en caso contrario, junto con la información que arroja el predictor, orienta a su derivación con especialistas en salud mental o asistentes sociales, por ejemplo”, manifestó.
Segunda etapa del proyecto
“El modelo predictivo funcionó, nos capacitamos en modelos de intervención e intervenimos a un grupo de pacientes a los cuales estamos haciendo seguimiento y viendo si es necesario reforzarles en esta consejería”, valoró la Dra. Cortés.
El equipo postulará a un nuevo proyecto Fondef que liderará Flavia Guiñazú, ingeniera y médica, para desarrollar una nueva etapa en alianza con la Universidad de Magallanes, “porque en base a lo que hicimos con los datos de la Fundación Arriarán ya sabemos qué información sirve para establecer los predictores y cuál no”, señaló.
“En esta segunda parte los ingenieros tienen que ver si es que en otras poblaciones hay otros factores determinantes, porque la idea es crear un producto que se pueda adaptar y usar en diferentes realidades del país y eventualmente en otros países también. Además, porque las 34 variables a las que llegamos sirven para que si un centro de atención de pacientes no tiene bases de datos, utilizando estas variables puede construirla”, culminó la especialista.
Fuente: Universidad de Chile.
