Pesquisadores de Universidade de Pensilvânia utilizó lenguajes de inteligencia artificial para analizar más de 400 mil publicaciones de Reddit e identificar síntomas en usuarios de medicamentos para bajar de peso que no están incluidos en los folletos oficiales. El estudio, publicado en Nature Health, reveló que algunos efectos adversos informados por los pacientes no fueron detectados en los ensayos clínicos convencionales.
La investigación cubrió publicaciones de aproximadamente 70 mil usuarios durante más de 5 años. Los fármacos analizados incluyen semaglutida y tirzepatida, muy utilizados para la diabetes y la pérdida de peso. Los modelos de lenguaje Grandes, como GPT y Gemini, procesaron las publicaciones y clasificaron los síntomas descritos.
La IA revela síntomas indocumentados
Ciclos períodos menstruales irregulares, sangrado intermenstrual, escalofríos, sofocos, sensaciones febriles y fatiga fueron algunos de los síntomas registrados por los usuarios en las redes sociales. Los efectos secundarios de Esses no aparecen en la documentación proporcionada por los fabricantes ni en los informes de ensayos clínicos tradicionales.
La dificultad anterior para analizar esta información residía en que los pacientes describen los mismos síntomas de diferentes maneras. La inteligencia artificial ha logrado estandarizar e identificar patrones que los métodos convencionales no captan.
Segundo Lyle Ungar, Sistemas Informação Profesor y coautor del estudio, los ensayos clínicos a menudo identifican solo los efectos secundarios más peligrosos. “Pero es posible que no puedan identificar qué síntomas preocupan más a los pacientes. Las redes sociales de Embora no son necesariamente representativas, una gran cantidad de publicaciones pueden reflejar preocupaciones adicionales”, explicó en un comunicado de prensa.
Detección de velocidad Vantagem
El método propuesto por los investigadores ofrece una alternativa más rápida a los ensayos clínicos tradicionales. La velocidad de Essa es crucial, especialmente cuando un fármaco pasa del uso de un nicho al mercado principal casi de la noche a la mañana, como ocurrió con la semaglutida y la tirzepatida.
Sharath Chandra Guntuku, profesor asociado de investigación en Ciência en Computação y Informação en Penn Engineering y autor principal del estudio, destacó: “Esta solución no reemplaza los ensayos clínicos, pero puede ser mucho más rápida”.
El análisis permitió a los investigadores extraer información valiosa de comunidades en línea sin la necesidad de largos procesos burocráticos. Reddit sirvió como una rica fuente de informes reales de pacientes que comparten experiencias de forma orgánica.
Próximos pasos en la investigación
Los investigadores planean ampliar el análisis más allá de Reddit y las comunidades de habla inglesa. El objetivo es comparar resultados en diferentes idiomas y regiones para ver si existen patrones similares en los efectos secundarios informados.
La expansión geográfica y lingüística de Essa puede revelar variaciones en los síntomas informados entre diferentes poblaciones. Dados recopilado en portugués, español, francés y otras comunidades de habla lingüística puede proporcionar información adicional sobre la seguridad de estos medicamentos.
Los hallazgos se compartirán con los profesionales de la salud para advertir a los pacientes sobre los efectos secundarios que la ciencia tradicional no informa. Médicos podrá utilizar esta información para guiar mejor a sus pacientes sobre posibles experiencias adversas.
Impacto en monitorización de medicación
El estudio demuestra cómo la inteligencia artificial puede complementar los sistemas tradicionales de vigilancia farmacéutica. Agências Los reguladores de varios países monitorean los medicamentos después de su aprobación, pero la metodología actual puede tardar en capturar todas las reacciones adversas.
Este enfoque innovador allana el camino para un sistema de alerta temprana basado en datos de las redes sociales. Quando Muchos usuarios informan un síntoma específico, los algoritmos pueden señalar posibles efectos secundarios antes de que se conviertan en un problema de salud pública importante.
Los modelos de lenguaje grandes también reducen los costos operativos del análisis. Anteriormente, estudiar millones de informes requeriría que grandes equipos de investigadores leyeran manualmente cada publicación. Agora, las máquinas pueden procesar datos en una fracción del tiempo.
Confiabilidade de las redes sociales como fuente científica
Los datos de las redes sociales de Embora no son representativos de la población general; la enorme cantidad de publicaciones ofrece información valiosa. Usuários o Reddit, por ejemplo, suelen compartir experiencias detalladas y honestas sobre medicamentos.
Los Pacientes que informan efectos secundarios tienden a buscar comunidades en línea para validar sus experiencias y encontrar apoyo. Los espacios Esses funcionan como laboratorios naturales donde las personas describen síntomas reales que experimentan a diario.
La naturaleza voluntaria y anónima de las redes sociales puede fomentar informes más honestos en comparación con las consultas médicas formales, donde los pacientes pueden ocultar información por diversas razones.
La investigación representa un avance significativo en la farmacovigilancia moderna, mostrando cómo la tecnología puede mejorar la detección de efectos secundarios aproximadamente en tiempo real de medicamentos ampliamente utilizados por la población.