Pesquisadores fra Universidade fra Pensilvânia brugte kunstig intelligens-sprog til at analysere mere end 400 tusinde indlæg fra Reddit og identificere symptomer hos brugere af vægttabsmedicin, der ikke er inkluderet i officielle foldere. Studiet, offentliggjort i Nature Health, afslørede, at nogle bivirkninger rapporteret af patienter ikke blev opdaget i konventionelle kliniske forsøg.
Undersøgelsen dækkede indlæg fra cirka 70 tusinde brugere over mere end 5 år. De analyserede lægemidler omfatter semaglutid og tirzepatid, som er meget brugt til diabetes og vægttab. Grandes sprogmodeller, såsom GPT og Gemini, behandlede indlæggene og klassificerede de beskrevne symptomer.
AI afslører udokumenterede symptomer
Ciclos uregelmæssige menstruationer, intermenstruelle blødninger, kulderystelser, hedeture, feberlignende fornemmelser og træthed var blandt de symptomer, der blev registreret af brugere på sociale medier. Esses-bivirkninger optræder ikke i dokumentation leveret af producenter eller i traditionelle kliniske forsøgsrapporter.
Den tidligere vanskelighed med at analysere denne information lå i, at patienter beskriver de samme symptomer på forskellige måder. Kunstig intelligens har formået at standardisere og identificere mønstre, som konventionelle metoder ikke fanger.
Segundo Lyle Ungar, Sistemas Informação professor og studie medforfatter, kliniske forsøg identificerer ofte kun de farligste bivirkninger. “Men de er muligvis ikke i stand til at identificere, hvilke symptomer der bekymrer patienterne mest. Embora sociale netværk er ikke nødvendigvis repræsentative, et stort antal indlæg kan afspejle yderligere bekymringer,” forklarede han i en pressemeddelelse.
Vantagem hastighedsdetektion
Metoden foreslået af forskerne tilbyder et hurtigere alternativ til traditionelle kliniske forsøg. Essa hastighed er afgørende, især når et lægemiddel bevæger sig fra nichebrug til mainstream-markedet næsten fra den ene dag til den anden, som det skete med semaglutid og tirzepatid.
Sharath Chandra Guntuku, forskningslektor ved Ciência ved Computação og Informação ved Penn Engineering og seniorforfatter af undersøgelsen, fremhævede: “Denne løsning erstatter ikke kliniske forsøg, men den kan være meget hurtigere.”
Analysen gjorde det muligt for forskere at udtrække værdifuld information fra online-fællesskaber uden behov for lange bureaukratiske processer. Reddit fungerede som en rig kilde til reelle rapporter fra patienter, der deler erfaringer på en organisk måde.
Próximos trin i forskning
Forskerne planlægger at udvide analysen ud over Reddit og engelsktalende samfund. Målet er at sammenligne resultater på tværs af forskellige sprog og regioner for at se, om der er lignende mønstre i rapporterede bivirkninger.
Essa geografisk og sproglig ekspansion kan afsløre variationer i rapporterede symptomer mellem forskellige populationer. Dados indsamlet i portugisisk, spansk, fransk og andre sprogtalende samfund kan give yderligere oplysninger om sikkerheden ved disse medikamenter.
Resultaterne vil blive delt med sundhedspersonale for at advare patienter om bivirkninger, der ikke er rapporteret af traditionel videnskab. Médicos vil være i stand til at bruge denne information til bedre at vejlede deres patienter om mulige uønskede oplevelser.
Impacto i medicinovervågning
Undersøgelsen viser, hvordan kunstig intelligens kan supplere traditionelle farmaceutiske overvågningssystemer. Agências Regulatorer i flere lande overvåger lægemidler efter deres godkendelse, men den nuværende metode kan være langsom til at fange alle bivirkninger.
Den innovative tilgang baner vejen for et tidligt varslingssystem baseret på sociale mediedata. Quando mange brugere rapporterer et specifikt symptom, algoritmer kan markere potentielle bivirkninger, før de bliver et betydeligt folkesundhedsproblem.
Store sprogmodeller reducerer også analysedriftsomkostningerne. Anteriormente, at studere millioner af rapporter ville kræve store teams af forskere til manuelt at læse hvert indlæg. Agora, maskiner kan behandle data på en brøkdel af tiden.
Confiabilidade fra sociale medier som en videnskabelig kilde
Embora sociale medier data er ikke repræsentative for den generelle befolkning, den enorme mængde af indlæg giver værdifuld indsigt. Usuários af Reddit, for eksempel, deler ofte detaljerede og ærlige erfaringer om medicin.
Pacientes, der rapporterer bivirkninger, har en tendens til at opsøge online-fællesskaber for at validere deres erfaringer og finde støtte. Esses rum fungerer som naturlige laboratorier, hvor mennesker beskriver virkelige symptomer, der opleves på daglig basis.
De sociale mediers frivillige og anonyme karakter kan tilskynde til mere ærlig rapportering sammenlignet med formelle lægekonsultationer, hvor patienter kan tilbageholde oplysninger af forskellige årsager.
Forskningen repræsenterer et betydeligt fremskridt inden for moderne lægemiddelovervågning, og viser, hvordan teknologi kan forbedre opdagelsen af bivirkninger i omtrent realtid for lægemidler, der er meget udbredt af befolkningen.