抗レトロウイルス療法（ART）の在庫切れは治療を中断し、ウイルス学的失敗や薬剤耐性のリスクを高め、集団レベルでのウイルス抑制の利益を損なう。インドのNational AIDS Control Organization（NACO）は、世界でも最大級の公的ARTプログラムの一つを管理している。ここではレジメン移行、進行する製剤の変化、治療ガイドラインの更新、そして薬剤消費に駆動される調達起因の変動によって、需要予測が複雑になる。本研究では、このような不安定な期間における調達計画を支援するため、レジメン固有のエンドツーエンド予測ワークフローを開発した。2013年1月から2024年12月までの月次の全国ART消費データを解析した。パイプライン開発にはプライバシーを保護する合成データセットを用い、その後、実際の全国消費時系列で最終評価を行った。モデルクラスとして3種類、計5モデルを比較した：（1）古典的モデル（Holt-WintersおよびARIMA）、（2）トランスフォーマーモデル（大規模事前学習時系列財団モデルであるTimesFMと、対数変換値を用いたその変種）、（3）ハイブリッドモデル（ハイブリッドARIMA-TimesFM残差モデルの変種）。予測ホライズンは18か月で一定としたが、学習・テスト期間は実データと合成データで異なった。実データは2024年2月までしか利用できなかったためである。合成データでは、モデルを2023年6月まで学習させた（テストウィンドウは2023年7月から2024年12月）。一方、実データでは、モデルを2022年8月まで学習させた（テストウィンドウは2022年9月から2024年2月）。過小予測・過大予測の傾向を保持するために符号付きのパーセンテージ偏差を報告し、絶対偏差が最小のモデルを選択した。次に、過小予測となったホールドアウトデータにのみ適用するレジメン固有のモデル誤差バッファを導出し、ノーコード・ダッシュボードを通じてワークフローを実運用に投入した。予測性能は、符号付きパーセンテージ偏差（SPD）によって評価した。ここで正の変化は過小予測を表し、負の変化は過大予測を表す。性能はレジメンごとに変動し、すべての製剤に対して単一の手法が最も良いわけではないことが示された。合成ベンチマークデータでは、絶対偏差が最小となる値は成人ABC+3TCで0.46%、成人AZT+3TCで11.92%であった。実際の消費データでは、古典的手法が一部の系列で競争力を維持したが、トランスフォーマーおよびハイブリッドモデルは他の系列でより良い予測結果をもたらした。例えば、成人AZT+3TCではハイブリッドの70パーセンタイルがSPD -2.02%を達成したのに対し、他のモデルの誤差範囲は[-15.7, 8.87]であった。成人リトナビルではARIMA-TimesFMハイブリッドの30パーセンタイルがSPD -5.2%を達成したのに対し、他のモデルの誤差範囲は[-14.94, 17.25]であった。それでも、特に低投与量や移行期レジメンでは、正確な予測が依然として困難であり、運用上の不確実性が残っていることが示された。これは特に小児の3つのレジメンにおいて顕著であり、全モデルが同じ方向に系統的にずれた。この傾向は、単に大きさが異なるだけのパターンよりも懸念される。小児ABC+3TCでは全モデルが、[-82.74, -67.43]という狭い帯域で過大予測した。小児AZT+3TCおよびLPV/r 125 mgでは全モデルが過小予測し、それぞれ[24.93, 63.73]および[18.32, 52.07]の範囲であった。これらの結果は、国家HIVプログラムにおける予測のポートフォリオ手法を支持する。確立された公衆衛生の調達システムを置き換えるのではなく、レジメン固有のモデル選択、方向性に基づく誤差の報告、そして慎重なモデル誤差バッファリングによって、レジメン移行や需要が不安定なその他の期間における意思決定支援を強化できる。
https://doi.org/10.64898/2026.08.25.26361170