AI-model voorspelt therapietrouw bij HIV-positieve jongeren in Oeganda

april 2025 Preventie Willem van Altena

Onderzoekers van Washington University in St. Louis (Verenigde Staten) hebben een lerend algoritme ontwikkeld dat nauwkeurig kan voorspellen welke HIV-positieve adolescenten hun antiretrovirale therapie niet zullen volgen. Het model identificeert 80% van de risicogroep en vermindert valse alarmen met 14%, waardoor zorgverleners gerichtere interventies kunnen inzetten.

Bijna 85% van de 1,7 miljoen jongeren met HIV woont in Afrika ten zuiden van de Sahara. Hoewel de Oegandese overheid gratis antiretrovirale behandeling (ART) verstrekt, blijft de therapietrouw onder 10- tot 16-jarigen laag, wat de kans op verdere verspreiding van het virus vergroot.

Voorspellende factoren

Claire Najjuuko, promovendus aan Washington University in St. Louis, ontwikkelde een machine learning-model dat 12 voorspellende factoren identificeerde voor slechte therapietrouw. Economische factoren bleken sterk geassocieerd met toekomstige therapieontrouw. Andere voorspellende kenmerken waren eerdere therapieontrouw, kinderarmoede, biologische relatie met primaire verzorger, zelfbeeld, vertrouwen in geld sparen, het bespreken van gevoelige onderwerpen met verzorgers, gezinsgrootte en schoolinschrijving.

Spaarpotje

Een belangrijke bevinding was dat jongeren met HIV die een spaarrekening hadden, beter hun ART-therapie volgden. De onderzoekers theoretiseren dat het bezit van financiële middelen, vooral een spaarpotje, mensen anders laat denken en handelen. De toekomst krijgt meer betekenis, waardoor ze beter voor zichzelf zorgen om langer te kunnen leven. Zonder hoop en middelen hebben mensen het gevoel niets te verliezen, stelt Najjuuko.

De therapie volgen is soms ook moeilijk omdat de medicatie met voedsel moet worden ingenomen of misselijkheid veroorzaakt. Zonder toegang tot voedsel of vervoer om medicatie te halen, neemt de therapietrouw eveneens af.

Het onderzoek analyseerde gegevens van 647 patiënten uit een zes jaar durende cluster-gerandomiseerde gecontroleerde studie van 39 klinieken in Zuid-Oeganda, een regio die zwaar getroffen is door HIV. De dataset omvatte adolescenten tussen 10 en 16 jaar die medisch gediagnosticeerd waren met HIV, zich bewust waren van hun status, ingeschreven waren voor ART bij een van de klinieken en in een gezin woonden.

Het door Najjuuko ontwikkelde model zou volgens de onderzoekers kunnen worden aangepast voor gebruik in de praktijk om gepersonaliseerde interventiestrategieën te ondersteunen op basis van de geïdentificeerde risicofactoren.

Referentie
Najjuuko C, Brathwaite R, Xu Z, Kizito S, Lu C, Ssewamala FM. Using machine learning to predict poor adherence to antiretroviral therapy among adolescents living with HIV in low resource settings. AIDS. 2025. doi: 10.1097/QAD.0000000000004163