आर्टिफिशियल इंटेलिजेंस वजन घटाने वाले पेन में अज्ञात दुष्प्रभावों का पता लगाता है

पेंसिल्वेनिया विश्वविद्यालय के शोधकर्ताओं ने 400,000 से अधिक रेडिट पोस्ट का विश्लेषण करने और वजन घटाने वाली दवाओं के उपयोगकर्ताओं में लक्षणों की पहचान करने के लिए कृत्रिम बुद्धिमत्ता भाषाओं का उपयोग किया जो आधिकारिक पैकेज प्रविष्टियों में सूचीबद्ध नहीं हैं। नेचर हेल्थ में प्रकाशित अध्ययन से पता चला है कि रोगियों द्वारा बताए गए कुछ प्रतिकूल प्रभावों का पारंपरिक नैदानिक ​​​​परीक्षणों में पता नहीं चला था।

शोध में 5 वर्षों से अधिक समय में लगभग 70 हजार उपयोगकर्ताओं के पोस्ट शामिल किए गए। विश्लेषण की गई दवाओं में सेमाग्लूटाइड और टिरजेपेटाइड शामिल हैं, जिनका व्यापक रूप से मधुमेह और वजन घटाने के लिए उपयोग किया जाता है। जीपीटी और जेमिनी जैसे बड़े भाषा मॉडल ने पोस्ट को संसाधित किया और वर्णित लक्षणों को वर्गीकृत किया।

एआई अप्रलेखित लक्षणों का खुलासा करता है

सोशल मीडिया पर उपयोगकर्ताओं द्वारा दर्ज किए गए लक्षणों में अनियमित मासिक चक्र, मासिक धर्म के दौरान रक्तस्राव, ठंड लगना, गर्म चमक, बुखार जैसी संवेदनाएं और थकान शामिल थे। ये दुष्प्रभाव निर्माताओं द्वारा प्रदान किए गए दस्तावेज़ों या पारंपरिक नैदानिक ​​​​परीक्षण रिपोर्टों में प्रकट नहीं होते हैं।

इस जानकारी का विश्लेषण करने में पिछली कठिनाई इस तथ्य में थी कि मरीज़ एक ही लक्षण का अलग-अलग तरीकों से वर्णन करते हैं। कृत्रिम बुद्धिमत्ता उन पैटर्न को मानकीकृत और पहचानने में कामयाब रही है जिन्हें पारंपरिक तरीके पकड़ नहीं पाते हैं।

सूचना प्रणाली के प्रोफेसर और अध्ययन के सह-लेखक लाइल उंगर के अनुसार, नैदानिक ​​​​परीक्षण आम तौर पर केवल सबसे खतरनाक दुष्प्रभावों की पहचान करते हैं। “लेकिन वे यह पहचानने में सक्षम नहीं हो सकते हैं कि कौन से लक्षण रोगियों को सबसे अधिक चिंतित करते हैं। हालांकि सोशल मीडिया आवश्यक रूप से प्रतिनिधि नहीं है, बड़ी संख्या में पोस्ट अतिरिक्त चिंताओं को प्रतिबिंबित कर सकते हैं,” उन्होंने एक प्रेस विज्ञप्ति में बताया।

पता लगाने में गति का लाभ

शोधकर्ताओं द्वारा प्रस्तावित विधि पारंपरिक नैदानिक ​​​​परीक्षणों के लिए एक तेज़ विकल्प प्रदान करती है। यह गति विशेष रूप से महत्वपूर्ण है जब कोई दवा लगभग रातों-रात मुख्य उपयोग से मुख्यधारा के बाजार में पहुंच जाती है, जैसा कि सेमाग्लूटाइड और टिरजेपेटाइड के साथ हुआ था।

पेन इंजीनियरिंग में कंप्यूटर और सूचना विज्ञान के अनुसंधान एसोसिएट प्रोफेसर और अध्ययन के वरिष्ठ लेखक शरथ चंद्र गुंतुकु ने प्रकाश डाला: “यह समाधान नैदानिक ​​​​परीक्षणों को प्रतिस्थापित नहीं करता है, लेकिन यह बहुत तेज़ हो सकता है।”

विश्लेषण ने शोधकर्ताओं को लंबी नौकरशाही प्रक्रियाओं की आवश्यकता के बिना ऑनलाइन समुदायों से बहुमूल्य जानकारी निकालने की अनुमति दी। Reddit उन रोगियों की वास्तविक रिपोर्टों के एक समृद्ध स्रोत के रूप में कार्य करता है जो अनुभवों को व्यवस्थित रूप से साझा करते हैं।

अनुसंधान में अगले चरण

शोधकर्ता रेडिट और अंग्रेजी-भाषी समुदायों से परे विश्लेषण का विस्तार करने की योजना बना रहे हैं। लक्ष्य यह देखने के लिए विभिन्न भाषाओं और क्षेत्रों के परिणामों की तुलना करना है कि क्या रिपोर्ट किए गए दुष्प्रभावों में समान पैटर्न हैं।

यह भौगोलिक और भाषाई विस्तार विभिन्न आबादी के बीच रिपोर्ट किए गए लक्षणों में भिन्नता प्रकट कर सकता है। पुर्तगाली, स्पैनिश, फ़्रेंच और अन्य भाषा-भाषी समुदायों से एकत्र किया गया डेटा इन दवाओं की सुरक्षा के बारे में अतिरिक्त जानकारी प्रदान कर सकता है।

पारंपरिक विज्ञान द्वारा रिपोर्ट नहीं किए गए दुष्प्रभावों के बारे में रोगियों को चेतावनी देने के लिए निष्कर्षों को स्वास्थ्य देखभाल पेशेवरों के साथ साझा किया जाएगा। डॉक्टर इस जानकारी का उपयोग अपने मरीजों को संभावित प्रतिकूल अनुभवों के बारे में बेहतर सलाह देने में कर सकेंगे।

दवा की निगरानी पर प्रभाव

अध्ययन दर्शाता है कि कैसे कृत्रिम बुद्धिमत्ता पारंपरिक फार्मास्युटिकल निगरानी प्रणालियों को पूरक बना सकती है। कई देशों में नियामक एजेंसियां ​​अनुमोदन के बाद दवाओं की निगरानी करती हैं, लेकिन मौजूदा पद्धति सभी प्रतिकूल प्रतिक्रियाओं को पकड़ने में धीमी हो सकती है।

नवोन्मेषी दृष्टिकोण सोशल मीडिया डेटा पर आधारित प्रारंभिक चेतावनी प्रणाली का मार्ग प्रशस्त करता है। जब कई उपयोगकर्ता किसी विशिष्ट लक्षण की रिपोर्ट करते हैं, तो एल्गोरिदम एक महत्वपूर्ण सार्वजनिक स्वास्थ्य समस्या बनने से पहले संभावित दुष्प्रभावों को चिह्नित कर सकता है।

बड़े भाषा मॉडल विश्लेषण परिचालन लागत को भी कम करते हैं। पहले, लाखों रिपोर्टों का अध्ययन करने के लिए शोधकर्ताओं की बड़ी टीमों को प्रत्येक पोस्ट को मैन्युअल रूप से पढ़ने की आवश्यकता होती थी। अब, मशीनें कम समय में डेटा प्रोसेस कर सकती हैं।

एक वैज्ञानिक स्रोत के रूप में सामाजिक नेटवर्क की विश्वसनीयता

हालाँकि सोशल मीडिया डेटा सामान्य आबादी का प्रतिनिधि नहीं है, लेकिन भारी मात्रा में पोस्ट मूल्यवान अंतर्दृष्टि प्रदान करते हैं। उदाहरण के लिए, Reddit उपयोगकर्ता अक्सर दवाओं के बारे में विस्तृत और ईमानदार अनुभव साझा करते हैं।

जो मरीज साइड इफेक्ट की रिपोर्ट करते हैं, वे अपने अनुभवों की पुष्टि करने और सहायता पाने के लिए ऑनलाइन समुदायों की तलाश करते हैं। ये स्थान प्राकृतिक प्रयोगशालाओं के रूप में कार्य करते हैं जहां लोग दैनिक आधार पर अनुभव होने वाले वास्तविक लक्षणों का वर्णन करते हैं।

सोशल मीडिया की स्वैच्छिक और गुमनाम प्रकृति औपचारिक चिकित्सा परामर्श की तुलना में अधिक ईमानदार रिपोर्टिंग को प्रोत्साहित कर सकती है, जहां मरीज़ कई कारणों से जानकारी छिपा सकते हैं।

यह शोध आधुनिक फार्माकोविजिलेंस में एक महत्वपूर्ण प्रगति का प्रतिनिधित्व करता है, जिसमें दिखाया गया है कि कैसे प्रौद्योगिकी आबादी द्वारा व्यापक रूप से उपयोग की जाने वाली दवाओं के लिए लगभग वास्तविक समय में दुष्प्रभावों का पता लगाने में सुधार कर सकती है।