Desarrollo de un modelo de clasificación del nivel de adherencia a terapia antirretroviral para pacientes de Vih/Sida de la Fundación Arriarán

Abstract

En los últimos años, el VIH/SIDA ha llegado a cifras alarmantes en nuestro país, con el mayor aumento del índice de contagios de la región. A nivel mundial, ONUSIDA ha propuesto una serie objetivos para acelerar el control de la pandemia. Uno de los grandes desafíos que presentan los gobiernos para cumplir estos objetivos es que los pacientes mantengan un alto nivel de adherencia durante su terapia antirretroviral (TAR), el principal tratamiento para pacientes de VIH/SIDA. Adherencia es un concepto médico que suele definirse como el grado en que los pacientes toman medicamentos según lo prescrito por sus médicos. En el caso de la TAR, se requieren niveles de adherencia extremadamente altos para su éxito. Un nivel subóptimo de adherencia, además de no frenar el desarrollo de la enfermedad, también es causa del desarrollo de resistencia a los fármacos recetados. El objetivo del presente trabajo consiste en investigar la factibilidad de la implementación de algoritmos de aprendizaje de máquina para clasificar el nivel de adherencia a TAR para pacientes de la Fundación Arriarán, uno de los principales centros de atención integral para personas que viven con VIH/SIDA en Chile. Debido a limitantes técnicas asociadas a la naturaleza de los datos utilizados, para robustecer el análisis se construyeron tres etiquetados: de cinco, cuatro y dos niveles de adherencia. Para cada etiquetado fueron entrenados cuatro modelos de clasificación distintos, de los cuales ninguno mostró un desempeño superior al resto en más de un etiquetado. Los mejores resultados según las métricas de weighted recall y recall, fueron obtenidos por Random Forest (38,4%/22,6%), Support Vector Machine (30,8%/29,9%) y Naive Bayes (54,4%/53,3%), respectivamente para los estiquetados de cinco, cuatro y dos niveles. Tras investigar del estado del arte respecto a herramientas de medición y variables que impactan la adherencia, a través del presente trabajo se sugiere modernizar el proceso de recolección de datos, ampliando el número y calidad de variables consideradas, como también la selección de un método de medición de adherencia coherente con los resultados esperados del proyecto. Para una próxima iteración de los modelos, se sugiere simplificar el problema a una clasificación binaria, considerando la temporalidad de las variables, y explorando modelos de caja negra. Por medio de un análisis de costos en los sistemas de salud público y privado del país, se demostró que el impacto económico de eliminar completamente la subadherencia de los pacientes es incierto, fluctuando entre un gasto de $5.500 millones, hasta un ahorro de $9.000 millones para todo el sistema. Pese a lo anterior, los beneficios sociales directos e indirectos, como la reducción de las tasas de contagio y mortalidad de la enfermedad, son más que suficientes para justificar la inversión en el desarrollo de modelos predictivos del comportamiento de adherencia a TAR de los pacientes, pues estos permitirían generar intervenciones de alto impacto focalizadas en aumentar la adherencia.