Intelligenza artificiale

Intelligenza artificiale

14 Novembre 2025

---

Un nuovo studio, pubblicato sulla rivista Studies in Health Technology and Informatics. dimostra come l’intelligenza artificiale possa diventare un alleato dei professionisti della salute nella gestione delle terapie antidepressive. 

Uso crescente degli antidepressivi e le difficoltà di sospensione

L’uso degli antidepressivi è in costante aumento in tutto il mondo, con milioni di persone che continuano il trattamento per anni, spesso oltre le raccomandazioni cliniche. Sebbene questi farmaci possano migliorare la qualità della vita, l’assunzione prolungata è associata a effetti collaterali come aumento di peso, disfunzioni sessuali e problemi cardiaci. Sospendere la terapia resta però una sfida, in quanto circa la metà dei pazienti manifesta sintomi da astinenza, e questo rende difficile per i medici decidere chi la può interrompere in sicurezza. Applicando modelli di machine learning ai dati di prescrizione, i ricercatori hanno però individuato schemi che permettono di prevedere con buona affidabilità quali pazienti hanno maggiori probabilità di successo.

L’analisi dei dati di prescrizione

Lo studio ha analizzato i dati del Pharmaceutical Benefits Scheme (PBS), un grande archivio nazionale che raccoglie tutte le prescrizioni farmaceutiche in Australia. Sono stati esaminati più di 100.000 pazienti che avevano assunto antidepressivi per almeno un anno consecutivo. I ricercatori hanno ricostruito la storia delle prescrizioni per ogni paziente, individuando i periodi di trattamento continuo, i tentativi di riduzione della dose e l’esito finale, cioè se la sospensione si fosse mantenuta nel tempo o meno. Hanno poi sviluppato due approcci diversi: uno retrospettivo, che guardava solo alla situazione finale del paziente (se avesse smesso per almeno dodici mesi o no), e uno prospettico, che seguiva passo dopo passo i tentativi di riduzione per capire se portassero a un’interruzione stabile o a una ricaduta. Attraverso queste informazioni, gli algoritmi di intelligenza artificiale hanno imparato a riconoscere i modelli di prescrizione associati a un esito positivo, distinguendoli da quelli che indicavano un probabile fallimento della sospensione.

L’accuratezza dei modelli di machine learning

Per valutare le performance, i ricercatori hanno utilizzato diversi algoritmi, tra cui Random Forest e XGBoost. Nel percorso retrospettivo, il modello XGBoost ha raggiunto un’accuratezza dell’81%, dimostrando una buona capacità di distinguere tra chi riusciva a interrompere e chi continuava la terapia, mentre nel percorso prospettico, il modello Random Forest ha ottenuto un’accuratezza del 90%. Secondo gli autori, tutto ciò dimostra l’importanza di osservare l’intero processo di riduzione, e non solo il risultato finale, permettendo al modello di avvicinarsi di più alla realtà clinica e di fornire previsioni più precise.

Lo studio presenta limiti legati all’uso di dati amministrativi, che non sempre riflettono l’assunzione reale dei farmaci né forniscono informazioni cliniche rilevanti, come la gravità della malattia o le preferenze dei pazienti. Inoltre, la generalizzabilità  dei dati è ridotta, poiché i risultati riguardano esclusivamente il contesto australiano. Ciononostante, i ricercatori considerano i dati di prescrizione una risorsa preziosa per orientare le decisioni mediche, e il prossimo passo sarà testare i modelli in contesti clinici reali, in modo da bilanciare efficacia predittiva e applicabilità pratica.

Fonte

https://ebooks.iospress.nl/doi/10.3233/SHTI250959

TAG: ANTIDEPRESSIVI, RICERCA, PSICHIATRIA