ปัญญาประดิษฐ์พบผลข้างเคียงที่ไม่มีเอกสารในปากกาลดน้ำหนัก

นักวิจัยจากมหาวิทยาลัยเพนซิลเวเนียใช้ภาษาปัญญาประดิษฐ์เพื่อวิเคราะห์โพสต์ Reddit มากกว่า 400,000 โพสต์ และระบุอาการของผู้ใช้ยาลดน้ำหนักที่ไม่ได้ระบุไว้ในเอกสารแทรกของแพ็คเกจอย่างเป็นทางการ การศึกษาที่ตีพิมพ์ใน Nature Health เปิดเผยว่าผลข้างเคียงบางอย่างที่รายงานโดยผู้ป่วยไม่ได้รับการตรวจพบในการทดลองทางคลินิกทั่วไป

การวิจัยครอบคลุมโพสต์จากผู้ใช้ประมาณ 70,000 คนในระยะเวลามากกว่า 5 ปี ยาที่วิเคราะห์ ได้แก่ semaglutide และ tirzepatide ซึ่งใช้กันอย่างแพร่หลายสำหรับโรคเบาหวานและการลดน้ำหนัก โมเดลภาษาขนาดใหญ่ เช่น GPT และ Gemini ประมวลผลโพสต์และจำแนกอาการที่อธิบายไว้

AI เผยอาการที่ไม่มีการบันทึก

รอบประจำเดือนไม่สม่ำเสมอ เลือดออกระหว่างรอบเดือน หนาวสั่น ร้อนวูบวาบ รู้สึกคล้ายเป็นไข้ และเหนื่อยล้า ล้วนเป็นหนึ่งในอาการที่ผู้ใช้โซเชียลมีเดียบันทึกไว้ ผลข้างเคียงเหล่านี้ไม่ปรากฏในเอกสารที่จัดทำโดยผู้ผลิตหรือในรายงานการทดลองทางคลินิกแบบดั้งเดิม

ความยากก่อนหน้านี้ในการวิเคราะห์ข้อมูลนี้อยู่ที่การที่ผู้ป่วยบรรยายอาการเดียวกันในรูปแบบที่ต่างกัน ปัญญาประดิษฐ์ได้จัดการเพื่อสร้างมาตรฐานและระบุรูปแบบที่วิธีการทั่วไปไม่สามารถทำได้

Lyle Ungar ศาสตราจารย์ด้านระบบสารสนเทศและผู้เขียนร่วมของการศึกษานี้ กล่าวว่า การทดลองทางคลินิกโดยทั่วไปจะระบุเฉพาะผลข้างเคียงที่อันตรายที่สุดเท่านั้น “แต่พวกเขาอาจไม่สามารถระบุได้ว่าอาการใดที่ทำให้ผู้ป่วยกังวลมากที่สุด แม้ว่าโซเชียลมีเดียจะไม่จำเป็นต้องเป็นตัวแทน แต่การโพสต์จำนวนมากอาจสะท้อนถึงความกังวลเพิ่มเติม” เขาอธิบายในการแถลงข่าว

ข้อได้เปรียบด้านความเร็วในการตรวจจับ

วิธีการที่นำเสนอโดยนักวิจัยเสนอทางเลือกที่รวดเร็วกว่าการทดลองทางคลินิกแบบดั้งเดิม ความเร็วนี้มีความสำคัญอย่างยิ่ง โดยเฉพาะอย่างยิ่งเมื่อยาเปลี่ยนจากการใช้เฉพาะกลุ่มไปสู่ตลาดกระแสหลักเกือบข้ามคืน เช่นเดียวกับที่เกิดขึ้นกับเซมากลูไทด์และไทร์เซปาไทด์

Sharath Chandra Guntuku รองศาสตราจารย์วิจัยด้านวิทยาการคอมพิวเตอร์และสารสนเทศที่ Penn Engineering และผู้เขียนอาวุโสของการศึกษานี้ เน้นว่า “โซลูชันนี้ไม่ได้แทนที่การทดลองทางคลินิก แต่อาจเร็วกว่ามาก”

การวิเคราะห์ช่วยให้นักวิจัยดึงข้อมูลอันมีค่าจากชุมชนออนไลน์ได้โดยไม่ต้องใช้กระบวนการราชการที่ยืดเยื้อ Reddit เป็นแหล่งรายงานจริงมากมายจากผู้ป่วยที่แบ่งปันประสบการณ์แบบธรรมชาติ

ขั้นตอนต่อไปในการวิจัย

นักวิจัยวางแผนที่จะขยายการวิเคราะห์ให้นอกเหนือไปจากชุมชน Reddit และชุมชนที่พูดภาษาอังกฤษ เป้าหมายคือการเปรียบเทียบผลลัพธ์ในภาษาและภูมิภาคต่างๆ เพื่อดูว่ามีรูปแบบที่คล้ายกันในผลข้างเคียงที่รายงานหรือไม่

การขยายตัวทางภูมิศาสตร์และภาษานี้อาจเผยให้เห็นความแปรผันของอาการที่รายงานในประชากรที่แตกต่างกัน ข้อมูลที่รวบรวมจากชุมชนที่พูดภาษาโปรตุเกส สเปน ฝรั่งเศส และภาษาอื่นๆ อาจให้ข้อมูลเพิ่มเติมเกี่ยวกับความปลอดภัยของยาเหล่านี้

การค้นพบนี้จะถูกแบ่งปันกับผู้เชี่ยวชาญด้านสุขภาพเพื่อเตือนผู้ป่วยเกี่ยวกับผลข้างเคียงที่ไม่ได้รายงานโดยวิทยาศาสตร์แบบดั้งเดิม แพทย์จะสามารถใช้ข้อมูลนี้เพื่อให้คำแนะนำผู้ป่วยเกี่ยวกับประสบการณ์ที่ไม่พึงประสงค์ที่อาจเกิดขึ้นได้ดียิ่งขึ้น

ผลกระทบต่อการติดตามการใช้ยา

การศึกษานี้แสดงให้เห็นว่าปัญญาประดิษฐ์สามารถเสริมระบบเฝ้าระวังด้านเภสัชกรรมแบบดั้งเดิมได้อย่างไร หน่วยงานกำกับดูแลในหลายประเทศติดตามยาหลังจากได้รับอนุมัติแล้ว แต่วิธีการในปัจจุบันอาจช้าในการระบุอาการไม่พึงประสงค์ทั้งหมด

แนวทางที่เป็นนวัตกรรมนี้ปูทางไปสู่ระบบเตือนภัยล่วงหน้าโดยอาศัยข้อมูลโซเชียลมีเดีย เมื่อผู้ใช้จำนวนมากรายงานอาการเฉพาะเจาะจง อัลกอริทึมสามารถระบุผลข้างเคียงที่อาจเกิดขึ้นก่อนที่จะกลายเป็นปัญหาด้านสาธารณสุขที่สำคัญ

โมเดลภาษาขนาดใหญ่ยังช่วยลดต้นทุนการดำเนินการวิเคราะห์อีกด้วย ก่อนหน้านี้ การศึกษารายงานหลายล้านฉบับจะต้องมีทีมนักวิจัยจำนวนมากอ่านแต่ละโพสต์ด้วยตนเอง ปัจจุบัน เครื่องจักรสามารถประมวลผลข้อมูลได้ในเวลาเพียงเสี้ยววินาที

ความน่าเชื่อถือของเครือข่ายโซเชียลในฐานะแหล่งข้อมูลทางวิทยาศาสตร์

แม้ว่าข้อมูลโซเชียลมีเดียไม่ได้เป็นตัวแทนของประชากรทั่วไป แต่โพสต์จำนวนมากก็ให้ข้อมูลเชิงลึกที่มีคุณค่า ตัวอย่างเช่น ผู้ใช้ Reddit มักจะแบ่งปันประสบการณ์โดยละเอียดและตรงไปตรงมาเกี่ยวกับยา

ผู้ป่วยที่รายงานผลข้างเคียงมักจะค้นหาชุมชนออนไลน์เพื่อตรวจสอบประสบการณ์ของตนเองและค้นหาการสนับสนุน พื้นที่เหล่านี้ทำหน้าที่เป็นห้องปฏิบัติการตามธรรมชาติที่ผู้คนบรรยายถึงอาการจริงที่พวกเขาพบในแต่ละวัน

โซเชียลมีเดียโดยสมัครใจและไม่เปิดเผยตัวตนอาจส่งเสริมการรายงานที่ตรงไปตรงมามากกว่าเมื่อเปรียบเทียบกับการให้คำปรึกษาทางการแพทย์อย่างเป็นทางการ ซึ่งผู้ป่วยอาจระงับข้อมูลด้วยเหตุผลหลายประการ

การวิจัยแสดงให้เห็นถึงความก้าวหน้าที่สำคัญในการเฝ้าระวังด้านเภสัชกรรมสมัยใหม่ โดยแสดงให้เห็นว่าเทคโนโลยีสามารถปรับปรุงการตรวจหาผลข้างเคียงแบบเรียลไทม์สำหรับยาที่ประชากรใช้กันอย่างแพร่หลายได้อย่างไร