研究人员已经证明了使用分析电子健康记录(EHR)的算法的有效性，以帮助医生识别可能受益于暴露前预防(PrEP)的艾滋病风险患者，从而显着降低感染艾滋病毒的风险。

这项研究得到了国家精神卫生研究所(NIMH)和国家过敏与传染病研究所(NIAID)的支持，该研究所是美国国立卫生研究院的一部分，它推出了一种新方法，可以帮助临床医生识别最需要帮助的人。 PrEP。这两项研究今天发表在“柳叶刀艾滋病毒”杂志上。

NIMH艾滋病研究部主任Dianne Rausch博士说：“开发创新工具以增加PrEP在美国的使用和依从性对我们结束艾滋病流行的努力至关重要。”“识别可能受益于PrEP的个体对临床医生来说是一项重大挑战，这是一项重要的进步，可以帮助改善PrEP的分娩和使用。”

PrEP是一种健康人常规服用一种或多种抗逆转录病毒药物以降低感染艾滋病毒风险的策略。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。疾病控制和预防中心估计，多达110万美国人可能成为PrEP使用的候选人 - 但是，在2016年，估计只有78,360(约7%)的人使用PrEP药物。

由于缺乏足够的时间或技能来充分评估患者的艾滋病风险，医生可能会对PrEP产生不足的影响。在其他情况下，医生可能不熟悉PrEP或认为它超出了他们的职权范围。

“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可能更有效地从PrEP中获益的患者，并使他们能够更频繁地开出PrEP，”研究作者，Beth Israel Deaconess医学中心的Douglas Krakower博士说。哈佛医学院。

在两项大型研究中，研究人员使用来自马萨诸塞州和加利福尼亚大型医疗系统的EHR，研究人员创建并测试了分析丰富的健康数据和患者信息的算法，以帮助临床医生自动识别艾滋病毒感染风险最高的人，因此大多数可能从PrEP药物中受益。

在第一项研究中，Krakower及其同事使用机器学习来创建一个HIV预测算法，该算法使用来自马萨诸塞州大型医疗保健系统Atrius Health的100多万患者的2007-2015 EHR数据。该模型使用了EHR中的变量，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。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年至2016年间波士顿社区健康中心Fenway Health的33,404名患者进行了验证，该社区健康中心专门为性和性别少数群体提供医疗服务。这些验证研究，

研究人员发现许多可能错过开处方PrEP的机会。例如，2016年数据集中超过9,500人的预测算法具有特别高的风险评分，并且缺乏先前的PrEP处方。

根据Krakower的说法，“一个惊人的结果是，我们的分析表明，如果临床医生收到警告，可以避免将近40%的新艾滋病毒病例，以便向患者提供最高2%的风险评分。”

第二项研究由哈佛医学院和哈佛朝圣者医疗保健研究所的Julia Marcus博士领导，与Krakower及其同事合作，通过使用超过370万接受门诊服务的患者的EHR，扩大了这种预测方法。 Kaiser Permanente北加州。他们使用2007年至2014年期间进入Kaiser Permanente系统的患者数据开发了一个预测HIV发病率的模型，他们根据2015年至2017年期间进入Kaiser Permanente系统的患者的数据验证了该模型。该模型使用了变量。 EHR，如高危性行为指征，HIV和STI检测频率，以及STI诊断和治疗。

“我们的模型能够通过仅标记2%的一般患者人群来确定男性中几乎一半的艾滋病病例，”Marcus说。“将我们的算法嵌入Kaiser Permanente EHR可能会促使提供者与最有可能受益的患者讨论PrEP。”

这两项研究都是首批证明基于EHR的预测算法能够有效识别艾滋病高风险人群和PrEP潜在候选人的个体的研究。这些模型为临床医生提供了减少新的艾滋病毒感染的重要新工具。未来的研究将继续开发这些预测模型，并发现将它们与医疗保健系统相结合的最佳方法，以改善PrEP的使用并预防HIV感染。