Xu表示：“为HIV患者个性化cART治疗有可能产生更有效的健康结果，增强整体的幸福感和生活质量。例如，与抑郁症斗争的个体，如果遵循我们模型得出的药物建议，他们的抑郁症评分可能会显著提高22%，这超过了他们最初分配的药物的益处。”
Xu的团队面临了一个巨大的挑战：评估大量潜在的药物组合，以找到每个患者的最佳方案。
他们提出了一个两阶段策略，利用患者信息来个性化计划。首先，他们采用了一种称为多元高斯过程（MGP）的贝叶斯统计方法，以了解患者健康状况随时间的变化。然后，他们将MGP集成到一个离线强化学习框架中，根据他们对患者健康状况演变的了解，找出最佳的治疗方案序列（cART方案）。
研究人员随后使用一个名为妇女跨机构HIV研究（WIHS）的大型HIV数据库测试了他们的方法。当他们的方法被用来为一组29名经历严重抑郁症的HIV患者选择治疗方案时，结果显示他们的抑郁症评分提高了22%。
Xu说，这29人中有14人在接下来的两年里没有出现抑郁症状。该团队认为，他们的新方法对于改善HIV患者的福祉显示出巨大的潜力。
Jin强调了这项研究的更广泛影响，指出HIV护理提供者的短缺构成了重大挑战，尤其是在美国，大约有100万人生活在HIV中，每年有近40,000新诊断。通常负责超过一半HIV护理的初级护理临床医生，可能缺乏关于HIV预防、筛查和诊断的最新知识。
Jin说：“提出的方法作为一个宝贵的资源，支持医生在治疗决策中，并可能增强治疗管理，以获得更好的患者结果。”
研究人员计划开发一个用户友好的在线软件，使用这种方法为医生推荐最佳的cART分配。
Xu说：“我们相信，这个软件有潜力在革命性地改变HIV的临床管理中发挥重要作用。与传统的HIV治疗指南不同，我们的方法是唯一关注病毒抑制的，我们的方法考虑了由HIV疾病及其药物引起的潜在并发症，旨在为HIV患者最小化额外的健康挑战。”
参考来源：Wei Jin et al, A Bayesian decision framework for optimizing sequential combination antiretroviral therapy in people with HIV, The Annals of Applied Statistics (2023). DOI: 10.1214/23-AOAS1750