賓州大學的研究人員使用人工智慧語言分析了超過 40 萬個 Reddit 帖子，並識別了官方包裝說明書中未列出的減肥藥物使用者的症狀。這項發表在《自然健康》雜誌上的研究表明，患者報告的一些不良反應在傳統的臨床試驗中並未被發現。
該研究涵蓋了 5 年多來約 7 萬名用戶的貼文。分析的藥物包括廣泛用於糖尿病和減肥的索馬魯肽和替澤帕肽。 GPT 和 Gemini 等大型語言模型處理貼文並對描述的症狀進行分類。
人工智慧揭示未記錄的症狀
使用者在社群媒體上記錄的症狀包括月經週期不規則、經間期出血、發冷、潮熱、發燒樣感覺和疲勞等。這些副作用不會出現在製造商提供的文件或傳統的臨床試驗報告中。
先前分析這些資訊的困難在於患者以不同的方式描述相同的症狀。人工智慧已成功標準化並識別傳統方法無法捕捉的模式。
研究的合著者、資訊系統教授 Lyle Ungar 表示，臨床試驗通常只識別最危險的副作用。 「但他們可能無法確定哪些症狀最讓患者擔心。儘管社交媒體不一定具有代表性，但大量貼文可能反映了額外的擔憂，」他在新聞稿中解釋道。
檢測速度優勢
研究人員提出的方法為傳統臨床試驗提供了更快的替代方案。這種速度至關重要，尤其是當一種藥物幾乎在一夜之間從利基用途進入主流市場時，就像索馬魯肽和替澤帕肽一樣。
賓州大學工程學院計算機和資訊科學研究副教授、該研究的高級作者 Sharath Chandra Guntuku 強調：“該解決方案不會取代臨床試驗，但速度可能會快得多。”
該分析使研究人員能夠從線上社群中提取有價值的信息，而無需冗長的官僚程序。 Reddit 是有機分享經驗的患者真實報告的豐富來源。
下一步研究
研究人員計劃將分析範圍擴大到 Reddit 和英語社群之外。目標是比較不同語言和地區的結果，看看報告的副作用是否有相似的模式。
這種地理和語言的擴展可能揭示不同人群報告的症狀的差異。從葡萄牙語、西班牙語、法語和其他語言社群收集的數據可能會提供有關這些藥物安全性的更多資訊。
研究結果將與醫療保健專業人士分享，以警告患者傳統科學未報告的副作用。醫生將能夠利用這些資訊來更好地為患者提供有關可能出現的不良經歷的建議。
對藥物監測的影響
該研究展示了人工智慧如何補充傳統的藥物監測系統。一些國家的監管機構在藥物批准後對其進行監測，但目前的方法可能很難捕捉到所有不良反應。
這種創新方法為基於社群媒體數據的預警系統鋪平了道路。當許多用戶報告特定症狀時，演算法可以在潛在的副作用成為重大公共衛生問題之前標記它們。
大型語言模型還可以降低分析營運成本。以前，研究數百萬份報告需要大型研究人員團隊手動閱讀每篇文章。現在，機器可以在很短的時間內處理資料。
社會網絡作為科學來源的可靠性
儘管社群媒體數據不能代表一般人群，但大量的貼文提供了有價值的見解。例如，Reddit 使用者經常分享有關藥物的詳細而誠實的經驗。
報告副作用的患者傾向於尋找線上社群來驗證他們的經歷並尋求支持。這些空間就像天然實驗室，人們在這裡描述他們每天經歷的真實症狀。
與正式醫療諮詢相比，社交媒體的自願和匿名性質可能會鼓勵更誠實的報告，在正式醫療諮詢中，患者可能會出於各種原因隱瞞資訊。
該研究代表了現代藥物警戒的重大進步，展示了技術如何近乎即時地改進人們廣泛使用的藥物的副作用檢測。