Pesquisadores da Universidade da Pensilvânia usaram linguagens de inteligência artificial para analisar mais de 400 mil postagens do Reddit e identificar sintomas em usuários de medicamentos para perda de peso que não constam nas bulas oficiais. O estudo, publicado na Nature Health, revelou que alguns efeitos adversos relatados por pacientes não foram detectados em ensaios clínicos convencionais.
A pesquisa abrangeu postagens de aproximadamente 70 mil usuários durante mais de 5 anos. Os medicamentos analisados incluem semaglutida e tirzepatida, amplamente utilizados para diabetes e emagrecimento. Grandes modelos de linguagem, como GPT e Gemini, processaram as publicações e classificaram os sintomas descritos.
IA revela sintomas não documentados
Ciclos menstruais irregulares, sangramento intermenstrual, calafrios, ondas de calor, sensação semelhante à febre e fadiga foram entre os sintomas registrados pelos usuários nas redes sociais. Esses efeitos colaterais não aparecem nas documentações fornecidas pelos fabricantes ou nos relatórios dos ensaios clínicos tradicionais.
A dificuldade anterior em analisar essas informações residia no fato de que os pacientes descrevem os mesmos sintomas de formas diferentes. A inteligência artificial conseguiu padronizar e identificar padrões que métodos convencionais não capturam.
Segundo Lyle Ungar, professor de Sistemas de Informação e coautor do estudo, os ensaios clínicos geralmente identificam apenas os efeitos colaterais mais perigosos. “Mas eles podem não conseguir identificar quais sintomas mais preocupam os pacientes. Embora as redes sociais não sejam necessariamente representativas, uma grande quantidade de publicações pode refletir preocupações adicionais”, explicou em comunicado à imprensa.
Vantagem de velocidade na detecção
O método proposto pelos pesquisadores oferece uma alternativa mais rápida aos ensaios clínicos tradicionais. Essa velocidade é crucial especialmente quando um medicamento passa de uso nicho para o mercado convencional quase da noite para o dia, como ocorreu com semaglutida e tirzepatida.
Sharath Chandra Guntuku, professor associado de pesquisa em Ciência da Computação e Informação na Penn Engineering e autor sênior do estudo, ressaltou: “Esta solução não substitui os ensaios clínicos, mas pode ser muito mais rápida”.
A análise permitiu que os pesquisadores extraíssem informações valiosas de comunidades online sem necessidade de processos burocráticos longos. O Reddit funcionou como fonte rica de relatos reais de pacientes que compartilham experiências de forma orgânica.
Próximos passos na pesquisa
Os pesquisadores planejam expandir a análise para além do Reddit e das comunidades de língua inglesa. O objetivo é comparar resultados em diferentes idiomas e regiões para verificar se existem padrões semelhantes nos efeitos colaterais relatados.
Essa expansão geográfica e linguística pode revelar variações nos sintomas reportados entre populações diferentes. Dados coletados em comunidades de língua portuguesa, espanhola, francesa e outras línguas podem fornecer informações adicionais sobre a segurança desses medicamentos.
Os achados serão compartilhados com profissionais de saúde para que alertem pacientes sobre efeitos colaterais não relatados pela ciência tradicional. Médicos poderão utilizar essas informações para orientar melhor seus pacientes sobre possíveis experiências adversas.
Impacto na monitorização de medicamentos
O estudo demonstra como a inteligência artificial pode complementar os sistemas tradicionais de vigilância farmacêutica. Agências reguladoras em diversos países monitoram medicamentos após sua aprovação, mas a metodologia atual pode ser lenta para captar todas as reações adversas.
A abordagem inovadora abre caminho para um sistema de alerta precoce baseado em dados de redes sociais. Quando muitos usuários relatam um sintoma específico, algoritmos podem sinalizar potenciais efeitos colaterais antes que se tornem problema de saúde pública significativo.
Os grandes modelos de linguagem também reduzem custos operacionais de análise. Anteriormente, estudar milhões de relatos exigiria equipes numerosas de pesquisadores lendo manualmente cada postagem. Agora, máquinas conseguem processar dados em fração do tempo.
Confiabilidade das redes sociais como fonte científica
Embora dados de redes sociais não sejam representativos da população geral, a quantidade massiva de postagens oferece insights valiosos. Usuários do Reddit, por exemplo, frequentemente compartilham experiências detalhadas e honestas sobre medicamentos.
Pacientes que relatam efeitos colaterais tendem a buscar comunidades online para validar suas experiências e encontrar apoio. Esses espaços funcionam como laboratórios naturais onde pessoas descrevem sintomas reais vivenciados no dia a dia.
A natureza voluntária e anônima das redes sociais pode incentivar relatos mais honestos comparado a consultas médicas formais, onde pacientes podem omitir informações por diversos motivos.
A pesquisa representa avanço significativo na farmacovigilância moderna, mostrando como tecnologia pode melhorar a detecção de efeitos colaterais em tempo aproximadamente real para medicamentos largamente utilizados pela população.