Forskning fra University of South Australia (UniSA) viser, at nye maskinlæringsmodeller kan hjælpe læger med at afgøre, hvornår patienter sikkert kan stoppe med langvarig brug af antidepressiva. Med kunstig intelligens (AI) til at analysere dispensationsdata fra det australske Pharmaceuticals Benefits Scheme (PBS) har forskerne identificeret de mest vellykkede tilfælde af nedtrapning af antidepressiva blandt 100.000 patienter over en periode på ti år. Resultaterne blev præsenteret ved MedInfo 2025, en international konference om digital sundhed og informatik, og er også offentliggjort i tidsskriftet Studies in Health Technology and Informatics.
Antidepressiv anvendelse er steget markant verden over, med Australien, Island, Portugal, Canada og Storbritannien på toppen af forbrugslisterne. AI-fremskridtet kan hjælpe praktiserende læger med sikkert at nedtrappe medicin, som ikke længere er klinisk anbefalet. Selvom disse lægemidler kan være livsforandrende, er langvarig brug forbundet med en række bivirkninger, herunder vægtøgning, seksuel dysfunktion og hjerteproblemer.
Derudover oplever 50% af patienterne også abstinenseffekter, når de stopper med at tage antidepressiva, hvilket gør det til en vanskelig balance at styre de terapeutiske fordele og risici, som Dr. Lasantha Ranwala, medicinsk praktiserende, AI-forsker og ph.d.-studerende ved UniSA, forklarer. Han understreger, at sundhedsudbydere ofte nøler med at afslutte antidepressiv ordination på grund af bekymringer om abstinenseffekter, hvilket gør det svært for lægerne at vide, hvem der kan stoppe behandlingen sikkert.
Forskerne har defineret vellykket nedtrapning som fravær af antidepressiv medicin i mindst et år efter langvarig brug, og de har identificeret mønstre, der er knyttet til succesfuld nedtrapning ved hjælp af AI. To maskinlæringsalgoritmer blev trænet og testet; den ene vurderede slutreceptdata med en nøjagtighed på 81%, mens den anden fulgte patienter fra deres første recept og overvågede dosisreduktioner med en nøjagtighed på 90%.
Ifølge medforfatteren Associate Professor Andre Andrade viser resultaterne stor lovende fremtid for brugen af administrativ sundhedsdata til at forudsige kliniske resultater og forbedre medicinsk beslutningstagning. Forskerne planlægger nu at forbedre deres AI-værktøj til at forudsige sikker nedtrapning af antidepressiva og håber at gøre teknologien mere præcis og nemmere at anvende. De sigter mod at teste effektiviteten i klinikker og udforske, hvordan lignende metoder kan hjælpe patienter med at forbedre deres brug af medicin.