I chatbot AI non riescono ad aumentare l'aderenza ai GLP-1, ma i pattern di coinvolgimento raccontano una storia diversa

I GLP-1 receptor agonist come semaglutide sono tra i trattamenti più efficaci disponibili per l'obesità, eppure i tassi di abbandono nel mondo reale nei servizi digitali commerciali per la perdita di peso rimangono elevati. Comprendere cosa mantiene effettivamente i pazienti in terapia abbastanza a lungo da ottenere risultati significativi è una questione clinica e di salute pubblica urgente.

Questa analisi retrospettiva ha esaminato 16.556 adulti a cui era stato prescritto semaglutide attraverso un servizio digitale australiano per la perdita di peso tra maggio 2024 e ottobre 2025. Lo studio ha valutato se l'aggiunta di un chatbot di supporto asincrono basato sull'intelligenza artificiale (Junebot) migliorasse l'aderenza al farmaco a sei mesi, definita come l'evasione di almeno sei ordini di prescrizione entro 183 giorni. Il propensity score matching e la regressione logistica multivariata sono stati utilizzati per isolare l'effetto dell'IA dalle altre variabili del programma.

In apparenza, l'aderenza è migliorata dopo l'introduzione di Junebot (53,2% vs. 47,3%). Tuttavia, dopo aver controllato per i fattori confondenti, l'era post-Junebot è risultata in realtà associata in modo indipendente a maggiori probabilità di abbandono. I fattori non legati all'IA hanno dominato la retention: il costo del programma era un forte predittore di abbandono, così come le pause nel programma e — in modo sorprendente — un'intensità di tracciamento iniziale molto elevata (più di 25 tracciamenti nel primo mese prediceva l'abbandono con un odds ratio di quasi 16, suggerendo ansia precoce o sovraccarico). Al contrario, un coinvolgimento moderato e costante che copriva il 50–75% delle settimane era associato a probabilità di aderenza significativamente più elevate in entrambe le coorti, sia quella con solo farmaco sia quella con coaching.

Per i clinici e i fornitori di salute digitale, le implicazioni sono chiare: l'accessibilità economica, lo screening del rischio comportamentale nel primo mese e un ritmo di coinvolgimento sostenibile contano molto di più rispetto all'adozione di strumenti di IA. I pazienti che mostrano segni di ansia da tracciamento o pause precoci nel programma potrebbero aver bisogno di un contatto proattivo.

I limiti includono il disegno retrospettivo e osservazionale, la presenza di fattori confondenti legati all'era temporale al di là del deployment dell'IA, e il fatto che questo riassunto si basa esclusivamente sull'abstract. La generalizzabilità al di fuori dei programmi commerciali australiani è incerta.