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 FCFM y contó con la participación del investigador del Instituto Sistemas Complejos de Ingeniería (ISCI), director del Web Intelligence Centre, WIC, y académico de dicho departamento, profesor Juan Velásquez; de la directora alterna de la iniciativa y miembro del WIC, Flavia Guiñazú, y de la investigadora principal del estudio, doctora Claudia Cortés, infectóloga y académica del Departamento de Medicina Interna Centro de la Facultad de Medicina.
Según explicó la doctora Cortés, 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, un grupo interdisciplinario de expertos de la Universidad de Chile se abocó al desarrollo del primer predictor de adherencia al tratamiento del VIH en nuestro país, 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 WIC, quienes estuvieron a cargo de la confección, desarrollo y puesta en marcha del sistema predictivo.
Estableciendo 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, es decir, considerando desde el ingreso de cada uno hasta el 2019, excluyendo todo cambio posible debido a la influencia del COVID-19. “En ella junto a los ingenieros 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 –del tipo “¿Sientes que alguien te entiende?, ¿sientes que tienes a alguien que te muestre afecto? o ¿sientes que tienes ayuda si la necesitas?- y de consumo de alcohol y drogas, y que añaden sólo dos o tres minutos a la entrevista de ingreso”.
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- y, por último, 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, o 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 e ingresaron los datos en el software diseñado para el procesamiento de esta información, clasificando a cada uno de ellos según el grado de adherencia por cada subpredictor, de 1 –de adherencia total- a 5, es decir no adherente. “Y a quienes aparecieron como posibles malos adherentes les aplicamos una intervención diseñada para evitar que dejaran los tratamientos”, añadió la doctora Cortés.
¿Cuál fue el factor más importante que puede influir en que un paciente deje su tratamiento?
El que nos apareció como más importante por lejos fue el de 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.
La intervención a los pacientes, añadió la académica, 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”.
Por ello, finaliza la doctora Cortés, “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. Por eso, ahora estamos postulando a un nuevo proyecto Fondef que liderará Flavia Guiñazú, que es ingeniera y médica, para desarrollar una nueva etapa para la que nos aliaremos 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; 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”.