性的および性自認マイノリティの若年成人におけるPrEP使用状況予測のための機械学習の活用

科学分野:

• デジタルヘルス
• 公衆衛生における機械学習
• HIV予防

背景:

• 曝露前予防（PrEP）は重要なHIV予防ツールですが、特に性的および性自認マイノリティの若年層（SGM）の間で利用不足に直面しています。
• デートアプリやソーシャルメディアアプリは若年SGMの間で人気があり、ターゲットを絞った健康介入の機会を提供します。
• モバイルテクノロジーを活用することで、HIV予防方法へのアクセスと遵守のギャップを埋めることができます。

研究 の 目的:

• 若年SGMにおけるPrEP使用を予測するための機械学習（ML）モデルを開発および評価すること。
• 様々なモバイルアプリ使用データからトレーニングされたMLモデルの予測精度を評価すること。
• PrEPの使用と遵守を改善するためのデータ駆動型介入の開発に役立てること。

主な方法:

• 参加者（2021年から2024年）からモバイルアプリの使用状況、キーストロークパターン、GPS位置データをパッシブに収集するためにeWellness Androidアプリを適応させました。
• 収集されたデータを使用して自己申告されたPrEP使用状況を予測するMLモデルをトレーニングしました。
• 様々なデータ特徴量の組み合わせに基づいたモデルを比較し、F1スコアを使用してモデル精度を評価しました。

主要な成果:

• すべてのモバイルアプリ（メッセージング、デート、ソーシャルメディア）からのデータを含むMLモデルは、高い予測精度（PrEP使用でF1スコア0.84、非使用で0.82）を達成しました。
• ソーシャルメディアの使用状況、リスク行動の言語、または位置監視のみを使用したモデルは、予測精度が低かったです。
• 個々のデータ型または他の組み合わせと比較して、すべてのモバイルアプリの使用データを組み合わせたものが優れた予測パフォーマンスをもたらしました。

結論:

• 機械学習は、モバイルアプリのアクティビティに基づいて、若年SGM個人のPrEP使用状況を正確に予測できます。
• 本研究の結果は、ソーシャルメディアやデートアプリを利用する若年SGMをターゲットとしたパーソナライズされたPrEPプロモーション戦略の開発を支持します。
• 将来の研究では、介入戦略を改善するために、多様なSGMサブグループ全体でのモデルの適応性を探求する必要があります。