El chatbot de IA no logra mejorar la adherencia al GLP-1, pero los patrones de interacción cuentan una historia diferente

Los agonistas del receptor GLP-1 como semaglutide se encuentran entre los tratamientos más eficaces disponibles para la obesidad; sin embargo, las tasas de abandono en el mundo real dentro de los servicios digitales comerciales de pérdida de peso siguen siendo elevadas. Comprender qué es lo que realmente mantiene a los pacientes tomando estos medicamentos el tiempo suficiente para obtener resultados significativos es una pregunta clínica y de salud pública de máxima urgencia.

Este análisis retrospectivo examinó a 16.556 adultos a quienes se prescribió semaglutide a través de un servicio digital australiano de pérdida de peso entre mayo de 2024 y octubre de 2025. El estudio evaluó si la incorporación de un chatbot de soporte asíncrono impulsado por inteligencia artificial (Junebot) mejoraba la adherencia al medicamento a los seis meses, definida como el cumplimiento de al menos seis pedidos de receta en 183 días. Se utilizaron emparejamiento por puntaje de propensión y regresión logística multivariante para aislar el efecto de la IA de otras variables del programa.

En apariencia, la adherencia mejoró tras la introducción de Junebot (53,2% frente a 47,3%). Sin embargo, al controlar los factores de confusión, la era posterior a Junebot se asoció de manera independiente con mayores probabilidades de abandono. Los factores no relacionados con la IA dominaron la retención: el costo del programa fue un predictor importante del abandono, al igual que las pausas en el programa y —de forma llamativa— una intensidad de seguimiento muy elevada al inicio (más de 25 registros en el primer mes predijo el abandono con una razón de momios de casi 16, lo que sugiere ansiedad o saturación temprana). Por el contrario, un compromiso moderado y constante que abarcara entre el 50% y el 75% de las semanas se asoció con probabilidades de adherencia considerablemente más altas, tanto en la cohorte de solo medicación como en la cohorte con acompañamiento.

Para los médicos y los proveedores de salud digital, las implicaciones son claras: la accesibilidad económica, la detección temprana de riesgos conductuales durante el primer mes y un ritmo de participación sostenible importan mucho más que la implementación de herramientas de IA. Los pacientes que muestren signos de ansiedad relacionada con el seguimiento o pausas tempranas en el programa podrían necesitar una comunicación proactiva.

Las limitaciones incluyen el diseño retrospectivo y observacional, la confusión por factores propios de la época más allá del despliegue de la IA, y el hecho de que este resumen se basa únicamente en el abstract. La generalizabilidad fuera de los programas comerciales australianos es incierta.