Pesquisadores fra Universidade fra Pensilvânia brukte kunstig intelligens-språk for å analysere mer enn 400 tusen innlegg fra Reddit og identifisere symptomer hos brukere av vekttapsmedisiner som ikke er inkludert i offisielle brosjyrer. Studien, publisert i Nature Health, viste at noen bivirkninger rapportert av pasienter ikke ble oppdaget i konvensjonelle kliniske studier.
Forskningen dekket innlegg fra omtrent 70 tusen brukere over mer enn 5 år. Legemidlene som er analysert inkluderer semaglutid og tirzepatid, som er mye brukt for diabetes og vekttap. Grandes språkmodeller, som GPT og Gemini, behandlet innleggene og klassifiserte de beskrevne symptomene.
AI avslører udokumenterte symptomer
Ciclos uregelmessige menstruasjoner, intermenstruelle blødninger, frysninger, hetetokter, feberlignende opplevelser og tretthet var blant symptomene registrert av brukere på sosiale medier. Esses-bivirkninger vises ikke i dokumentasjon levert av produsenter eller i tradisjonelle kliniske utprøvingsrapporter.
Den tidligere vanskeligheten med å analysere denne informasjonen lå i det faktum at pasienter beskriver de samme symptomene på forskjellige måter. Kunstig intelligens har klart å standardisere og identifisere mønstre som konvensjonelle metoder ikke fanger opp.
Segundo Lyle Ungar, Sistemas Informação professor og studie medforfatter, kliniske studier identifiserer ofte bare de farligste bivirkningene. “Men de er kanskje ikke i stand til å identifisere hvilke symptomer som bekymrer pasientene mest. Embora sosiale nettverk er ikke nødvendigvis representative, et stort antall innlegg kan reflektere ytterligere bekymringer,” forklarte han i en pressemelding.
Vantagem hastighetsdeteksjon
Metoden foreslått av forskerne tilbyr et raskere alternativ til tradisjonelle kliniske studier. Essa-hastighet er avgjørende, spesielt når et medikament går fra nisjebruk til mainstream-markedet nesten over natten, slik det skjedde med semaglutid og tirzepatid.
Sharath Chandra Guntuku, forskningslektor ved Ciência ved Computação og Informação ved Penn Engineering og seniorforfatter av studien, fremhevet: “Denne løsningen erstatter ikke kliniske studier, men den kan være mye raskere.”
Analysen gjorde det mulig for forskere å trekke ut verdifull informasjon fra nettsamfunn uten behov for lange byråkratiske prosesser. Reddit fungerte som en rik kilde til reelle rapporter fra pasienter som deler erfaringer på en organisk måte.
Próximos trinn i forskning
Forskerne planlegger å utvide analysen utover Reddit og engelsktalende samfunn. Målet er å sammenligne resultater på tvers av forskjellige språk og regioner for å se om det er lignende mønstre i rapporterte bivirkninger.
Essa geografisk og språklig ekspansjon kan avsløre variasjoner i rapporterte symptomer mellom ulike populasjoner. Dados samlet i portugisisk, spansk, fransk og andre språkspråklige samfunn kan gi tilleggsinformasjon om sikkerheten til disse medisinene.
Funnene vil bli delt med helsepersonell for å advare pasienter om bivirkninger som ikke er rapportert av tradisjonell vitenskap. Médicos vil kunne bruke denne informasjonen til å bedre veilede sine pasienter om mulige uønskede opplevelser.
Impacto i medikamentovervåking
Studien viser hvordan kunstig intelligens kan utfylle tradisjonelle farmasøytiske overvåkingssystemer. Agências Regulatorer i flere land overvåker legemidler etter at de er godkjent, men dagens metodikk kan være treg til å fange opp alle bivirkninger.
Den innovative tilnærmingen baner vei for et tidlig varslingssystem basert på sosiale mediedata. Quando mange brukere rapporterer et spesifikt symptom, algoritmer kan flagge potensielle bivirkninger før de blir et betydelig folkehelseproblem.
Store språkmodeller reduserer også driftskostnadene for analyse. Anteriormente, å studere millioner av rapporter ville kreve store team av forskere for å manuelt lese hvert innlegg. Agora, maskiner kan behandle data på en brøkdel av tiden.
Confiabilidade fra sosiale medier som en vitenskapelig kilde
Embora sosiale medier-data er ikke representative for den generelle befolkningen, den enorme mengden innlegg gir verdifull innsikt. Usuários av Reddit, for eksempel, deler ofte detaljerte og ærlige erfaringer om medisiner.
Pacientes som rapporterer bivirkninger har en tendens til å oppsøke nettsamfunn for å validere sine erfaringer og finne støtte. Esses-rom fungerer som naturlige laboratorier der folk beskriver virkelige symptomer som oppleves på daglig basis.
Den frivillige og anonyme karakteren til sosiale medier kan oppmuntre til mer ærlig rapportering sammenlignet med formelle medisinske konsultasjoner, der pasienter kan holde tilbake informasjon av en rekke årsaker.
Forskningen representerer et betydelig fremskritt innen moderne legemiddelovervåking, og viser hvordan teknologi kan forbedre oppdagelsen av bivirkninger i omtrent sanntid for medisiner som er mye brukt av befolkningen.