استخدم الباحثون في جامعة بنسلفانيا لغات الذكاء الاصطناعي لتحليل أكثر من 400 ألف منشور على موقع Reddit وتحديد الأعراض لدى مستخدمي أدوية إنقاص الوزن غير المدرجة في النشرات الرسمية للعبوة. وكشفت الدراسة، التي نشرت في مجلة Nature Health، أن بعض الآثار الضارة التي أبلغ عنها المرضى لم يتم اكتشافها في التجارب السريرية التقليدية.
غطى البحث مشاركات من حوالي 70 ألف مستخدم على مدار أكثر من 5 سنوات. وتشمل الأدوية التي تم تحليلها سيماجلوتيد وتيرزيباتيد، والتي تستخدم على نطاق واسع لعلاج مرض السكري وفقدان الوزن. قامت نماذج اللغات الكبيرة مثل GPT وGemini بمعالجة المنشورات وتصنيف الأعراض الموصوفة.
يكشف الذكاء الاصطناعي عن أعراض غير موثقة
وكانت الدورات الشهرية غير المنتظمة، والنزيف بين فترات الحيض، والقشعريرة، والهبات الساخنة، والأحاسيس الشبيهة بالحمى والتعب، من بين الأعراض التي سجلها المستخدمون على وسائل التواصل الاجتماعي. لا تظهر هذه الآثار الجانبية في الوثائق المقدمة من قبل الشركات المصنعة أو في تقارير التجارب السريرية التقليدية.
تكمن الصعوبة السابقة في تحليل هذه المعلومات في حقيقة أن المرضى يصفون نفس الأعراض بطرق مختلفة. لقد نجح الذكاء الاصطناعي في توحيد وتحديد الأنماط التي لا تستطيع الطرق التقليدية التقاطها.
ووفقا لايل أونجار، أستاذ نظم المعلومات والمؤلف المشارك للدراسة، فإن التجارب السريرية تحدد عموما الآثار الجانبية الأكثر خطورة فقط. وأوضح في بيان صحفي: “لكنهم قد لا يكونون قادرين على تحديد الأعراض التي تثير قلق المرضى أكثر. وعلى الرغم من أن وسائل التواصل الاجتماعي ليست بالضرورة ممثلة، إلا أن عددا كبيرا من المنشورات قد يعكس مخاوف إضافية”.
– ميزة السرعة في الكشف
تقدم الطريقة التي اقترحها الباحثون بديلاً أسرع للتجارب السريرية التقليدية. تعد هذه السرعة أمرًا بالغ الأهمية خاصة عندما ينتقل الدواء من الاستخدام المتخصص إلى السوق السائد بين عشية وضحاها تقريبًا، كما حدث مع سيماجلوتيد وتيرزباتيد.
وقال شاراث شاندرا جونتوكو، الأستاذ المشارك في علوم الكمبيوتر والمعلومات في جامعة بنسلفانيا للهندسة وكبير مؤلفي الدراسة: “هذا الحل لا يحل محل التجارب السريرية، لكنه قد يكون أسرع بكثير”.
سمح التحليل للباحثين باستخراج معلومات قيمة من مجتمعات الإنترنت دون الحاجة إلى عمليات بيروقراطية طويلة. كان Reddit بمثابة مصدر غني للتقارير الحقيقية من المرضى الذين يشاركون تجاربهم بشكل عضوي.
الخطوات التالية في البحث
ويخطط الباحثون لتوسيع نطاق التحليل ليشمل مجتمعات Reddit والمجتمعات الناطقة باللغة الإنجليزية. الهدف هو مقارنة النتائج عبر اللغات والمناطق المختلفة لمعرفة ما إذا كانت هناك أنماط مماثلة في الآثار الجانبية المبلغ عنها.
قد يكشف هذا التوسع الجغرافي واللغوي عن اختلافات في الأعراض المبلغ عنها بين المجموعات السكانية المختلفة. قد توفر البيانات التي تم جمعها من المجتمعات الناطقة بالبرتغالية والإسبانية والفرنسية وغيرها من اللغات معلومات إضافية حول سلامة هذه الأدوية.
سيتم مشاركة النتائج مع المتخصصين في الرعاية الصحية لتحذير المرضى من الآثار الجانبية التي لم يبلغ عنها العلم التقليدي. سيتمكن الأطباء من استخدام هذه المعلومات لتقديم المشورة لمرضاهم بشكل أفضل بشأن التجارب السلبية المحتملة.
التأثير على مراقبة الدواء
توضح الدراسة كيف يمكن للذكاء الاصطناعي أن يكمل أنظمة المراقبة الصيدلانية التقليدية. تقوم الهيئات التنظيمية في العديد من البلدان بمراقبة الأدوية بعد الموافقة عليها، ولكن المنهجية الحالية قد تكون بطيئة في التقاط جميع التفاعلات الضارة.
يمهد هذا النهج المبتكر الطريق لنظام إنذار مبكر يعتمد على بيانات وسائل التواصل الاجتماعي. عندما يقوم العديد من المستخدمين بالإبلاغ عن أعراض معينة، يمكن للخوارزميات الإبلاغ عن الآثار الجانبية المحتملة قبل أن تصبح مشكلة صحية عامة كبيرة.
تعمل نماذج اللغات الكبيرة أيضًا على تقليل التكاليف التشغيلية للتحليل. في السابق، كانت دراسة ملايين التقارير تتطلب قيام فرق كبيرة من الباحثين بقراءة كل مشاركة يدويًا. الآن، يمكن للآلات معالجة البيانات في جزء صغير من الوقت.
موثوقية شبكات التواصل الاجتماعي كمصدر علمي
على الرغم من أن بيانات وسائل التواصل الاجتماعي لا تمثل عامة السكان، إلا أن الكم الهائل من المشاركات يقدم رؤى قيمة. على سبيل المثال، غالبًا ما يشارك مستخدمو Reddit تجارب مفصلة وصادقة حول الأدوية.
يميل المرضى الذين يبلغون عن آثار جانبية إلى البحث عن مجتمعات عبر الإنترنت للتحقق من صحة تجاربهم والحصول على الدعم. تعمل هذه المساحات كمختبرات طبيعية حيث يصف الأشخاص الأعراض الحقيقية التي يعانون منها يوميًا.
قد تشجع الطبيعة الطوعية والمجهولة لوسائل التواصل الاجتماعي على تقديم تقارير أكثر صدقًا مقارنةً بالاستشارات الطبية الرسمية، حيث قد يحجب المرضى المعلومات لمجموعة متنوعة من الأسباب.
يمثل البحث تقدمًا كبيرًا في التيقظ الدوائي الحديث، حيث يوضح كيف يمكن للتكنولوجيا تحسين اكتشاف الآثار الجانبية في الوقت الفعلي تقريبًا للأدوية المستخدمة على نطاق واسع من قبل السكان.