Un nuevo sistema de inteligencia artificial permite predecir adherencia a tratamientos contra el VIH

Compartir

Investigadores de las facultades de Medicina y Ciencias Físicas y Matemáticas de la Universidad de Chile han identificado en un estudio que entre el 15 y el 20% de 5.000 pacientes monitoreados abandonó los controles médicos y su adherencia a tratamientos contra el VIH. En base a herramientas de Inteligencia Artificial y algoritmos de Lenguaje de las Máquinas, que analizan y combinan más de 250 tipos de datos, el trabajo permitió desarrollar un sistema que predice qué pacientes podrían no seguir sus terapias con regularidad.

Un grupo interdisciplinario de expertos en Inteligencia Artificial y Medicina de la Universidad de Chile desarrolló el primer predictor de adherencia al tratamiento del VIH en Hispanoamérica.

Declarada pandemia por la OMS (Organización Mundial de la Salud) en 1981, el VIH/Sida ha infectado a cerca de 79,3 millones de personas. ONU-SIDA, un programa de las Naciones Unidas dedicado específicamente a VIH/Sida, estableció el llamado Plan 90-90-90, cuya meta al 2020 era alcanzar un 90 por ciento de la población contagiada con conocimiento de su diagnóstico, que el 90 por ciento estuviese en tratamiento, y que el 90% de aquellos con terapia antiretroviral contaran con supresión viral. Esta meta, lamentablemente, no ha sido cumplida a la fecha.

Frente a este problema, un grupo interdisciplinario de expertos en Inteligencia Artificial y Medicina de la Universidad de Chile desarrolló el primer predictor de adherencia al tratamiento del VIH en Hispanoamérica. El proyecto, liderado por la infectóloga y académica, Claudia Cortés, fue realizado en la Fundación Arriarán, principal centro de pacientes con VIH en el país.

La herramienta fue elaborada junto a investigadores del Web Intelligence Center (WIC) del Departamento de Ingeniería Industrial del mismo plantel, quienes estuvieron a cargo de la confección, desarrollo y puesta en marcha del sistema predictivo.

Flavia Guiñazú, miembro del equipo del WIC parte de esta iniciativa, explica que “el sistema que generamos permite predecir y determinar cuáles de los pacientes que inician el tratamiento, abandonarán o no seguirán su tratamiento regularmente, utilizando herramientas de Inteligencia Artificial y algoritmos de Machine Learning para analizar y combinar más de 250 datos (variables), de diferentes naturaleza, que corresponden a cada paciente».

La investigadora destaca, por otra parte, que «este sistema puede ser utilizado en todo Chile por cualquier miembro que tenga acceso (remoto) al mismo».

El predictor fue construido con datos de los más de cinco mil pacientes de la Fundación Arriarán, principal centro de pacientes con VIH en el país. El sistema está compuesto por cuatro subpredictores, que analizan diferentes variables para clasificar el grado de adherencia por cada subpredictor (de 1 a 5).

Lo pionero de este trabajo, destaca la profesora Cortés, es que si bien existen muchos estudios sobre las consecuencias del abandono o la irregularidad en los tratamientos contra el VIH, «nunca se habían utilizado modelos predictivos con Inteligencia Artificial en la población para poder saber cuáles son los factores que hacen que un paciente individual tenga mala adherencia, y cómo poder intervenir y mejorar eso«. Releva, asimismo, la perspectiva transdisciplinaria frente a este problema, que también ha integrado la medicina clínica en psicología.

Enfatiza, por otra parte, la importancia de que las personas con VIH sigan sus tratamientos, ya que si no lo hacen o lo hacen de manera irregular «el virus tiene la posibilidad de mutar y hacerse resistente, y esos medicamentos que estaba tomando ya no servirán y va a necesitar nuevos medicamentos, y no hay infinitos medicamentos. Esta es una escalera con pocos peldaños, por lo tanto, tenemos que cuidar cada paso en los tratamientos, porque puede pasar que un paciente se vuelva resistente a todos los medicamentos y ya no tenga terapia«.

Además, indica que un paciente que siga su tratamiento de forma correcta va a mejorar su sistema inmunológico, «lo que tiene un beneficio individual, pero también colectivo, ya que disminuye las posibilidades de nuevos contagios». 

Ambas investigadoras recalcan lo fundamental que es adelantarse a los pacientes que dejarán el tratamiento. En esta línea, Flavia Guiñazú complementa que la implementación de este modelo predictor «permitiría destinar recursos específicos para tratar a dichos pacientes y llevar un tratamiento con mayor tutoría (monitoreo continuo) y personalización (tratamiento individual), para lograr disminuir el riesgo de baja adherencia y las consecuencias clínicas, sociales y económicas que esto conlleva”.

El predictor

El predictor fue construido a nivel anual con datos de los más de 5 mil pacientes de la Fundación Arriarán -centro de referencia a nivel nacional- en forma retrospectiva, es decir, considerando desde el ingreso de cada uno hasta el 2019, excluyendo todo cambio posible debido a la influencia del COVID-19. Como detalla la especialista, «esta cantidad de datos y de pacientes hace que este predictor sea confiable». El sistema, detalla, está compuesto por cuatro subpredictores, que analizan diferentes sets de variables, clasificando el grado de adherencia por cada subpredictor (de 1 a 5). «Esto es lo novedoso a nivel técnico, al igual que la intervención personalizada, que es lo novedoso a nivel médico-intervencional», indica.

«Nunca se habían utilizado modelos predictivos con Inteligencia Artificial en la población para poder saber cuáles son los factores que hacen que un paciente individual tenga mala adherencia, y cómo poder intervenir y mejorar eso», comenta sobre el estudio Claudia Cortés de la Universidad de Chile.

Esta labor permitió agrupar los motivos por los cuales los pacientes pueden dejar de seguir su tratamiento. «Los estamos viendo desde la mirada farmacológica, vale decir, si hay algún medicamento que hace que los pacientes adhieran más o menos; los estamos viendo desde el punto de vista clínico, si es que el paciente tiene malos resultados o viene demasiado enfermo; los estamos viendo desde lo que llamamos la ecología o el sistema del paciente, que tiene que ver con que si es cesante, su nivel de educación, si es que tiene apoyo; y también estamos mirando la relación que tienen con el consumo de drogas recreacionales, ilícitas o lícitas, alcohol y tabaquismo. Estos cuatro predictores arman un puntaje y nosotros podemos enfocar específicamente a cada uno de estos, si un paciente tiene problemas con el consumo de alcohol, vamos y manejamos eso», precisa Claudia Cortés.

Flavia Guiñazú agrega que, en la etapa actual, «el predictor funciona, por un lado, para predecir sobre los nuevos pacientes, quienes presentan baja adherencia, así se puede intervenir inmediatamente para que no abandonen el tratamiento.

Por el otro, para continuar con el monitoreo de los pacientes que ya están en la Fundación (de los que tenemos todos los datos y con los que hemos construido el predictor)». De esta manera, «este seguimiento continuo, en el día a día, permite detectar cualquier posible cambio y facilita al grupo terapéutico intervenir eficientemente».

En este ámbito, la infectóloga de la Facultad de Medicina de la U. de Chile plantea que el grupo de estudiantes de postdoctorado de Psicología y Enfermería que es parte del equipo actualmente trabaja en las intervenciones que se pueden ofrecer a los pacientes. «Una vez que empecemos a testear nuestras intervenciones, que es el paso que viene ahora, vamos a poder hacer una intervención personalizada, vale decir, podremos actuar de forma individual frente a los problemas de adherencia específicos de cada paciente. Una vez que demostremos que funciona, y nosotros estamos convencidos de que así es, podremos exportarlo a otros centros de atención, tanto en Chile como el resto de Latinoamérica«.

«El sistema que generamos permite predecir y determinar cuáles de los pacientes que inician el tratamiento, abandonarán o no seguirán su tratamiento regularmente, utilizando herramientas de Inteligencia Artificial y algoritmos de Machine Learning para analizar y combinar más de 250 datos (variables)», explica Flavia Guiñazú de la Universidad de Chile.

El modelo desarrollado por este equipo interdisciplinario trabaja con códigos, no identificando al paciente, al cual solo lo identifica el grupo terapéutico de la Fundación. Según el protocolo diseñado por el WIC, dicha información se recolectará durante un máximo de dos meses. Luego, los predictores indican grado de adherencia, identificando los problemas, permitiendo así al personal de salud actuar conforme a ello con un protocolo personalizado. 

Otra potencialidad del proyecto es que puede aplicarse en todo Chile, desde centros de salud hasta hospitales, es decir, en todas las áreas de salud donde exista un médico general o personal de salud autorizado que ingrese con los datos del paciente a este sistema a través de su celular o computadora.

La tecnología fue desarrollada también por los ingenieros Raúl Henríquez, Cristián Arroyo y Nathalie Echeverría y contó con la participación del investigador del Instituto Sistemas Complejos de Ingeniería (ISCI) director del WIC y académico del Departamento de Ingeniería Industrial de la Universidad de Chile, Juan Velásquez, y la directora ejecutiva del WIC, Rocío Ruiz.

En la actualidad, el sistema es usado por la Fundación Arriarán y para fines del año en curso y el siguiente se espera masificar el prototipo a distintos centros de salud. Con el predictor, además, se está finalizando un estudio que examina los efectos del COVID en la adherencia de grupos y a nivel individual.