Το Pesquisadores από το Universidade από το Pensilvânia χρησιμοποίησε γλώσσες τεχνητής νοημοσύνης για να αναλύσει περισσότερες από 400 χιλιάδες δημοσιεύσεις από το Reddit και να εντοπίσει συμπτώματα σε χρήστες φαρμάκων απώλειας βάρους που δεν περιλαμβάνονται στα επίσημα φυλλάδια. Η μελέτη, που δημοσιεύτηκε στο Nature Health, αποκάλυψε ότι ορισμένες ανεπιθύμητες ενέργειες που αναφέρθηκαν από ασθενείς δεν εντοπίστηκαν σε συμβατικές κλινικές δοκιμές.
Η έρευνα κάλυψε δημοσιεύσεις από περίπου 70 χιλιάδες χρήστες για περισσότερα από 5 χρόνια. Τα φάρμακα που αναλύθηκαν περιλαμβάνουν τη σεμαγλουτίδη και την τιρζεπατίδη, τα οποία χρησιμοποιούνται ευρέως για τον διαβήτη και την απώλεια βάρους. Τα μοντέλα γλώσσας Grandes, όπως τα GPT και Gemini, επεξεργάστηκαν τις δημοσιεύσεις και ταξινόμησαν τα περιγραφόμενα συμπτώματα.
Η τεχνητή νοημοσύνη αποκαλύπτει μη τεκμηριωμένα συμπτώματα
Ciclos ακανόνιστες εμμηνορροϊκές περίοδοι, αιμορραγία μεταξύ της περιόδου, ρίγη, εξάψεις, αισθήσεις που θυμίζουν πυρετό και κόπωση ήταν μεταξύ των συμπτωμάτων που κατέγραψαν οι χρήστες στα μέσα κοινωνικής δικτύωσης. Οι ανεπιθύμητες ενέργειες του Esses δεν εμφανίζονται στην τεκμηρίωση που παρέχεται από τους κατασκευαστές ή στις παραδοσιακές αναφορές κλινικών δοκιμών.
Η προηγούμενη δυσκολία στην ανάλυση αυτών των πληροφοριών βρισκόταν στο γεγονός ότι οι ασθενείς περιγράφουν τα ίδια συμπτώματα με διαφορετικούς τρόπους. Η τεχνητή νοημοσύνη έχει καταφέρει να τυποποιήσει και να εντοπίσει μοτίβα που οι συμβατικές μέθοδοι δεν αποτυπώνουν.
Segundo Lyle Ungar, Sistemas Informação Καθηγητής και συν-συγγραφέας της μελέτης, οι κλινικές δοκιμές συχνά εντοπίζουν μόνο τις πιο επικίνδυνες παρενέργειες. “Αλλά μπορεί να μην είναι σε θέση να προσδιορίσουν ποια συμπτώματα ανησυχούν περισσότερο τους ασθενείς. Τα κοινωνικά δίκτυα Embora δεν είναι απαραίτητα αντιπροσωπευτικά, ένας μεγάλος αριθμός αναρτήσεων μπορεί να αντικατοπτρίζει πρόσθετες ανησυχίες”, εξήγησε σε δελτίο τύπου.
Ανίχνευση ταχύτητας Vantagem
Η μέθοδος που προτείνεται από τους ερευνητές προσφέρει μια ταχύτερη εναλλακτική λύση στις παραδοσιακές κλινικές δοκιμές. Η ταχύτητα Essa είναι ζωτικής σημασίας ειδικά όταν ένα φάρμακο μετακινείται από εξειδικευμένη χρήση στην κύρια αγορά σχεδόν εν μία νυκτί, όπως συνέβη με τη σεμαγλουτίδη και την τιρζεπατίδη.
Ο Sharath Chandra Guntuku, επιστημονικός αναπληρωτής καθηγητής στο Ciência στο Computação και στο Informação στο Penn Engineering και ανώτερος συγγραφέας της μελέτης, τόνισε: «Αυτή η λύση δεν αντικαθιστά τις κλινικές δοκιμές, αλλά μπορεί να είναι πολύ πιο γρήγορη».
Η ανάλυση επέτρεψε στους ερευνητές να εξάγουν πολύτιμες πληροφορίες από διαδικτυακές κοινότητες χωρίς την ανάγκη μακροχρόνιων γραφειοκρατικών διαδικασιών. Το Reddit χρησίμευσε ως μια πλούσια πηγή πραγματικών αναφορών από ασθενείς που μοιράζονται εμπειρίες με οργανικό τρόπο.
Próximos βήματα στην έρευνα
Οι ερευνητές σχεδιάζουν να επεκτείνουν την ανάλυση πέρα από το Reddit και τις αγγλόφωνες κοινότητες. Ο στόχος είναι να συγκριθούν τα αποτελέσματα σε διαφορετικές γλώσσες και περιοχές για να δούμε αν υπάρχουν παρόμοια μοτίβα στις αναφερόμενες ανεπιθύμητες ενέργειες.
Η γεωγραφική και γλωσσική επέκταση του Essa μπορεί να αποκαλύψει παραλλαγές στα αναφερόμενα συμπτώματα μεταξύ διαφορετικών πληθυσμών. Το Dados που συλλέγεται στα πορτογαλικά, ισπανικά, γαλλικά και άλλες γλωσσόφωνες κοινότητες μπορεί να παρέχει πρόσθετες πληροφορίες σχετικά με την ασφάλεια αυτών των φαρμάκων.
Τα ευρήματα θα κοινοποιηθούν σε επαγγελματίες υγείας για να προειδοποιήσουν τους ασθενείς σχετικά με παρενέργειες που δεν αναφέρονται από την παραδοσιακή επιστήμη. Το Médicos θα μπορεί να χρησιμοποιήσει αυτές τις πληροφορίες για να καθοδηγήσει καλύτερα τους ασθενείς του σχετικά με πιθανές ανεπιθύμητες εμπειρίες.
Impacto στην παρακολούθηση φαρμάκων
Η μελέτη δείχνει πώς η τεχνητή νοημοσύνη μπορεί να συμπληρώσει τα παραδοσιακά φαρμακευτικά συστήματα επιτήρησης. Οι ρυθμιστικές αρχές Agências σε αρκετές χώρες παρακολουθούν τα φάρμακα μετά την έγκρισή τους, αλλά η τρέχουσα μεθοδολογία μπορεί να καθυστερήσει να καταγράψει όλες τις ανεπιθύμητες ενέργειες.
Η καινοτόμος προσέγγιση ανοίγει το δρόμο για ένα σύστημα έγκαιρης προειδοποίησης που βασίζεται στα δεδομένα των μέσων κοινωνικής δικτύωσης. Quando πολλοί χρήστες αναφέρουν ένα συγκεκριμένο σύμπτωμα, οι αλγόριθμοι μπορούν να επισημάνουν πιθανές παρενέργειες προτού γίνουν σημαντικό πρόβλημα δημόσιας υγείας.
Τα μεγάλα γλωσσικά μοντέλα μειώνουν επίσης το λειτουργικό κόστος της ανάλυσης. Anteriormente, η μελέτη εκατομμυρίων αναφορών θα απαιτούσε μεγάλες ομάδες ερευνητών να διαβάζουν χειροκίνητα κάθε ανάρτηση. Agora, οι μηχανές μπορούν να επεξεργάζονται δεδομένα σε ένα κλάσμα του χρόνου.
Confiabilidade από τα μέσα κοινωνικής δικτύωσης ως επιστημονική πηγή
Τα δεδομένα κοινωνικών μέσων Embora δεν είναι αντιπροσωπευτικά του γενικού πληθυσμού, ο τεράστιος αριθμός αναρτήσεων προσφέρει πολύτιμες πληροφορίες. Το Usuários του Reddit, για παράδειγμα, συχνά μοιράζεται λεπτομερείς και ειλικρινείς εμπειρίες σχετικά με τα φάρμακα.
Οι Pacientes που αναφέρουν παρενέργειες τείνουν να αναζητούν διαδικτυακές κοινότητες για να επικυρώσουν τις εμπειρίες τους και να βρουν υποστήριξη. Οι χώροι Esses λειτουργούν ως φυσικά εργαστήρια όπου οι άνθρωποι περιγράφουν πραγματικά συμπτώματα που βιώνονται σε καθημερινή βάση.
Η εθελοντική και ανώνυμη φύση των μέσων κοινωνικής δικτύωσης μπορεί να ενθαρρύνει την πιο ειλικρινή αναφορά σε σύγκριση με τις επίσημες ιατρικές επισκέψεις, όπου οι ασθενείς ενδέχεται να αποκρύπτουν πληροφορίες για διάφορους λόγους.
Η έρευνα αντιπροσωπεύει μια σημαντική πρόοδο στη σύγχρονη φαρμακοεπαγρύπνηση, δείχνοντας πώς η τεχνολογία μπορεί να βελτιώσει τον εντοπισμό παρενεργειών σε περίπου πραγματικό χρόνο για φάρμακα που χρησιμοποιούνται ευρέως από τον πληθυσμό.