Długotrwałe stosowanie leków przeciwdepresyjnych może nieść ze sobą skutki uboczne, a ich odstawienie – ryzyko nawrotów i objawów odstawiennych. W odpowiedzi na to wyzwanie naukowcy z University of South Australia opracowali przełomowe modele uczenia maszynowego, które przewidują, u których pacjentów można bezpiecznie przerwać farmakoterapię. To istotny krok ku spersonalizowanej opiece psychiatrycznej, wspierany przez dane administracyjne i narzędzia sztucznej inteligencji.
Z tego artykułu dowiesz się…
- W jaki sposób sztuczna inteligencja pomaga przewidzieć bezpieczne odstawienie leków przeciwdepresyjnych.
- Jakie dane wykorzystano do opracowania modeli predykcyjnych UniSA i jaka jest ich skuteczność.
- Dlaczego długotrwałe stosowanie leków przeciwdepresyjnych może być problematyczne.
- Jakie są dalsze plany rozwoju narzędzi AI w praktyce klinicznej.
Dlaczego przewidywanie momentu odstawienia leków jest wyzwaniem?
Leki przeciwdepresyjne mogą znacząco poprawiać jakość życia, ale ich przewlekłe stosowanie wiąże się z ryzykiem powikłań, takich jak:
- przyrost masy ciała,
- zaburzenia seksualne,
- problemy kardiologiczne.
Z drugiej strony, u około 50% pacjentów po nagłym przerwaniu terapii występują objawy odstawienne. Jak zauważa dr Lasantha Ranwala z UniSA:
Pracownicy służby zdrowia często niechętnie odstawiają leki przeciwdepresyjne z obawy przed objawami odstawiennymi, co utrudnia lekarzom określenie, kto może bezpiecznie przerwać leczenie.
Jak działa model AI do przewidywania bezpiecznego odstawienia?
Naukowcy z UniSA przeanalizowali dane z programu Pharmaceutical Benefits Scheme (PBS), obejmujące ponad 100 000 pacjentów leczonych antydepresantami w ciągu dekady. Stworzono dwa modele uczenia maszynowego:
- Model retrospektywny – oceniał końcową dokumentację recept (dokładność: 81%),
- Model śledzący – analizował historię od pierwszej recepty, monitorując redukcję dawek i efekty leczenia (dokładność: 90%).
Za skuteczne odstawienie uznawano sytuację, gdy pacjent nie przyjmował leków przez minimum 12 miesięcy i nie zwiększał dawki w ciągu 6 miesięcy od próby jej zmniejszenia.
Jak podkreśla dr Andre Andrade, współautor badania:
Najdokładniejszym modelem okazał się ten, który przedstawiał bardziej zniuansowany obraz prób odstawienia leków i lepiej odzwierciedlał doświadczenia pacjentów.
Korzyści i zastosowania praktyczne
Nowe narzędzie może mieć szerokie zastosowanie w praktyce klinicznej. Dzięki wykorzystaniu pasywnie gromadzonych danych administracyjnych lekarze będą mogli:
- szybciej identyfikować pacjentów, którzy mogą zakończyć leczenie,
- unikać niepotrzebnego narażania pacjentów na działania niepożądane,
- podejmować decyzje terapeutyczne oparte na dowodach.
Według naukowców:
Dane te są gromadzone pasywnie, niedostatecznie wykorzystywane przez personel medyczny i stanowią dobry materiał do wykorzystania w sztucznej inteligencji.
Kierunki rozwoju technologii
Twórcy narzędzia planują:
- dalsze zwiększenie dokładności modeli predykcyjnych,
- testy kliniczne w rzeczywistych warunkach,
- adaptację systemu do innych obszarów terapii farmakologicznej.
Jak wskazują, podobne podejście może znaleźć zastosowanie nie tylko w psychiatrii, ale także w zarządzaniu innymi długoterminowymi terapiami farmakologicznymi.
👉 Wyniki oraz opis badań znajdziesz pod TYM LINKIEM
Główne wnioski
- Naukowcy z UniSA opracowali dwa modele AI, które przewidują możliwość bezpiecznego odstawienia leków przeciwdepresyjnych – z dokładnością do 90% w najlepszym modelu.
- Analizowano dane ponad 100 000 pacjentów w ciągu 10 lat, wykorzystując bazę PBS do zidentyfikowania skutecznych przypadków zakończenia terapii.
- Najskuteczniejsze modele śledziły historię leczenia pacjenta od pierwszej recepty, uwzględniając redukcje dawek i brak nawrotów w ciągu roku.
- AI może wspierać lekarzy w podejmowaniu decyzji o zakończeniu leczenia, minimalizując ryzyko objawów odstawiennych i działań niepożądanych.
Źródło:
- University of South Australia
- Studies in Health Technology and Informatics
