Pesquisadores от Universidade от Pensilvânia използва езици с изкуствен интелект, за да анализира повече от 400 хиляди публикации от Reddit и да идентифицира симптоми при потребители на лекарства за отслабване, които не са включени в официалните листовки. Проучването, публикувано в Nature Health, разкри, че някои неблагоприятни ефекти, докладвани от пациенти, не са открити в конвенционалните клинични изпитвания.
Изследването обхваща публикации от около 70 хиляди потребители за повече от 5 години. Анализираните лекарства включват семаглутид и тирзепатид, които се използват широко за диабет и загуба на тегло. Езиковите модели Grandes, като GPT и Gemini, обработиха публикациите и класифицираха описаните симптоми.
AI разкрива недокументирани симптоми
Ciclos нередовен менструален цикъл, междуменструално кървене, втрисане, горещи вълни, усещания, подобни на треска, и умора са сред симптомите, записани от потребителите в социалните медии. Страничните ефекти на Esses не се появяват в документацията, предоставена от производителите, или в традиционните доклади от клинични изпитвания.
Предишната трудност при анализирането на тази информация се състоеше във факта, че пациентите описват едни и същи симптоми по различни начини. Изкуственият интелект успя да стандартизира и идентифицира модели, които конвенционалните методи не улавят.
Segundo Lyle Ungar, Sistemas Informação професор и съавтор на изследването, клиничните изпитвания често идентифицират само най-опасните странични ефекти. „Но те може да не са в състояние да идентифицират кои симптоми тревожат пациентите най-много. Социалните мрежи Embora не са непременно представителни, голям брой публикации може да отразяват допълнителни опасения“, обясни той в прессъобщение.
Vantagem откриване на скорост
Методът, предложен от изследователите, предлага по-бърза алтернатива на традиционните клинични изпитвания. Скоростта на Essa е от решаващо значение, особено когато едно лекарство преминава от нишова употреба към основния пазар почти за една нощ, както се случи със семаглутид и тирзепатид.
Sharath Chandra Guntuku, научен сътрудник в Ciência в Computação и Informação в Penn Engineering и старши автор на изследването, подчерта: „Това решение не замества клиничните изпитвания, но може да бъде много по-бързо.“
Анализът позволи на изследователите да извлекат ценна информация от онлайн общности без необходимост от дълги бюрократични процеси. Reddit служи като богат източник на реални доклади от пациенти, които споделят опит по органичен начин.
Próximos стъпки в проучването
Изследователите планират да разширят анализа отвъд Reddit и англоговорящите общности. Целта е да се сравнят резултатите на различни езици и региони, за да се види дали има подобни модели в докладваните странични ефекти.
Географската и езикова експанзия на Essa може да разкрие вариации в докладваните симптоми между различните популации. Dados, събран в португалски, испански, френски и други говорещи езици общности, може да предостави допълнителна информация за безопасността на тези лекарства.
Констатациите ще бъдат споделени със здравни специалисти, за да предупредят пациентите за странични ефекти, които не са докладвани от традиционната наука. Médicos ще може да използва тази информация, за да насочва по-добре пациентите си относно възможни неблагоприятни преживявания.
Impacto в наблюдението на лекарствата
Проучването демонстрира как изкуственият интелект може да допълни традиционните системи за фармацевтично наблюдение. Agências Регулаторите в няколко държави наблюдават лекарствата след тяхното одобрение, но настоящата методология може да е бавна за улавяне на всички нежелани реакции.
Иновативният подход проправя пътя за система за ранно предупреждение, базирана на данни от социалните медии. Quando много потребители съобщават за специфичен симптом, алгоритмите могат да маркират потенциални странични ефекти, преди те да се превърнат в значителен проблем за общественото здраве.
Големите езикови модели също намаляват оперативните разходи за анализ. Anteriormente, изучаването на милиони доклади би изисквало големи екипи от изследователи да четат ръчно всяка публикация. Agora, машините могат да обработват данни за част от времето.
Confiabilidade от социалните медии като научен източник
Embora данните за социалните медии не са представителни за общото население, огромното количество публикации предлага ценна информация. Usuários от Reddit, например, често споделят подробен и честен опит относно лекарствата.
Pacientes, които съобщават за странични ефекти, са склонни да търсят онлайн общности, за да потвърдят своя опит и да намерят подкрепа. Esses пространствата функционират като естествени лаборатории, където хората описват реални симптоми, изпитвани ежедневно.
Доброволният и анонимен характер на социалните медии може да насърчи по-честното докладване в сравнение с официалните медицински консултации, при които пациентите могат да задържат информация по различни причини.
Изследването представлява значителен напредък в съвременната фармакологична бдителност, показвайки как технологията може да подобри откриването на странични ефекти в приблизително реално време за лекарства, широко използвани от населението.