马萨诸塞州波士顿 - 两项新的研究开发了一些算法，可以识别有感染艾滋病风险的患者，并可能从预防性护理中受益。两项研究都发表在“柳叶刀”杂志上。

Preexposure预防(PrEP)是一种抗逆转录病毒药物，按照规定服用可有效预防HIV的90%。PrEP最近获得了美国预防服务工作组的A级推荐，但却未得到充分利用。在美国，每年有近40,000例新的艾滋病毒感染，但疾病控制和预防中心估计，在110万具有艾滋病毒感染风险的个人中，只有7%在2016年使用抗逆转录病毒药物。

使用的一个障碍是提供者难以识别具有高HIV感染风险的患者。提供者通常时间有限，对PrEP的了解可能有限，并且可能缺乏如何与患者谈论性或物质使用的培训。风险预测工具是使用患者电子健康记录(EHR)中的数据的电子临床决策支持形式，通常用于其他医学领域。这两项研究的研究人员，一名使用加利福尼亚州的患者和另一名使用马萨诸塞州的患者，建立了可用于EHR的HIV风险预测模型，作为PrEP的自动筛查工具。

这两项研究回顾了数百万艾滋病毒未感染且尚未使用过PrEP的患者的医疗记录。研究人员从许多潜在的HIV风险预测因子中提取了这些患者EHR的人口统计学和临床​​数据。机器学习算法自动为最终模型选择重要的HIV风险相关变量。

在加利福尼亚州的研究中，该研究使用了北加州Kaiser Permanente的370万患者的医疗记录数据，最终的风险预测模型包括性别，种族，生活在艾滋病毒高发地区，使用药物治疗勃起功能障碍等变量。 ，性传播感染(STI)测试和积极性。该模型将2%的一般患者人群标记为潜在的PrEP候选人，并确定了46%的男性艾滋病病例，但在女性中没有。

“虽然风险预测工具不完善，无法取代技术提供者的临床判断，但我们的算法可以帮助推动与最有可能从中受益的患者讨论PrEP，”Julia Marcus博士，公共卫生硕士，MPH的主要作者加州的研究和哈佛朝圣者保健研究所和哈佛医学院的人口医学助理教授。

这项总部位于马萨诸塞州的研究使用了Atrius Health的110万名患者的患者人数以及波士顿独立社区健康中心Fenway Health的人口，该中心专门从事性健康保健，以在新的环境中测试新的性能HIV感染。最终的风险预测模型包括性别，种族，主要语言，以及性传播感染的诊断，测试或处方。该模型标志着Atrius Health的一般患者人群的1.8%和芬威健康的15.3%的人口作为潜在的PrEP候选人。该模型还确定了Atrius Health新发艾滋病病例的37.5%和芬威健康的46.3%。

马萨诸塞州研究的主要作者，Beth Israel Deaconess医学中心，哈佛朝圣者医疗保健研究所和哈佛医学院的助理教授道格拉斯·克拉沃尔医学博士说，“将这些预测模型与常规，全面的艾滋病毒整合到初级保健中临床医生的风险评估可以在增加PrEP处方和预防新的HIV感染方面发挥重要作用。“

加州研究的资深作者，Kaiser Permanente旧金山医疗中心的传染病医师Jonathan Volk补充说，“美国预防服务工作组最近在JAMA上发表的一篇文章指出缺乏有效的预测模型作为主要研究中的差距对于改善PrEP的交付至关重要。我们的模型有助于填补这一空白。“