Pesquisadores z Universidade z Pensilvânia wykorzystał języki sztucznej inteligencji do analizy ponad 400 tysięcy postów z Reddit i zidentyfikowania objawów u osób stosujących leki odchudzające, które nie są zawarte w oficjalnych ulotkach. Badanie opublikowane w Nature Health ujawniło, że niektóre działania niepożądane zgłaszane przez pacjentów nie zostały wykryte w konwencjonalnych badaniach klinicznych.
Badaniem objęto posty od około 70 tysięcy użytkowników na przestrzeni ponad 5 lat. Do analizowanych leków zalicza się semaglutyd i tyrzepatid, które są szeroko stosowane w leczeniu cukrzycy i odchudzaniu. Modele językowe Grandes, takie jak GPT i Gemini, przetworzyły posty i sklasyfikowały opisane symptomy.
AI ujawnia nieudokumentowane objawy
Nieregularne miesiączki Ciclos, krwawienia międzymiesiączkowe, dreszcze, uderzenia gorąca, uczucie gorączki i zmęczenie to jedne z objawów odnotowanych przez użytkowników w mediach społecznościowych. Skutki uboczne Esses nie pojawiają się w dokumentacji dostarczanej przez producentów ani w tradycyjnych raportach z badań klinicznych.
Poprzednia trudność w analizie tych informacji polegała na tym, że pacjenci opisują te same objawy na różne sposoby. Sztucznej inteligencji udało się ujednolicić i zidentyfikować wzorce, których nie wychwytują konwencjonalne metody.
Segundo Lyle Ungar, Sistemas Informação profesor i współautor badania, badania kliniczne często identyfikują tylko najbardziej niebezpieczne skutki uboczne. „Mogą jednak nie być w stanie określić, które objawy najbardziej niepokoją pacjentów. Sieci społecznościowe Embora niekoniecznie są reprezentatywne, duża liczba postów może odzwierciedlać dodatkowe obawy” – wyjaśnił w komunikacie prasowym.
Wykrywanie prędkości Vantagem
Metoda zaproponowana przez naukowców stanowi szybszą alternatywę dla tradycyjnych badań klinicznych. Szybkość działania Essa ma kluczowe znaczenie, zwłaszcza gdy lek niszowy trafia na rynek głównego nurtu niemal z dnia na dzień, jak miało to miejsce w przypadku semaglutydu i tirzepatidu.
Sharath Chandra Guntuku, profesor nadzwyczajny w Ciência w Computação i Informação w Penn Engineering oraz starszy autor badania, podkreślił: „To rozwiązanie nie zastępuje badań klinicznych, ale może być znacznie szybsze”.
Analiza umożliwiła badaczom wydobycie cennych informacji ze społeczności internetowych bez konieczności stosowania długotrwałych procesów biurokratycznych. Reddit posłużył jako bogate źródło prawdziwych raportów od pacjentów, którzy w sposób organiczny dzielą się doświadczeniami.
Etapy badań Próximos
Naukowcy planują rozszerzyć analizę poza Reddit i społeczności anglojęzyczne. Celem jest porównanie wyników w różnych językach i regionach, aby sprawdzić, czy istnieją podobne wzorce w zgłaszanych skutkach ubocznych.
Ekspansja geograficzna i językowa Essa może ujawnić różnice w zgłaszanych objawach w różnych populacjach. Dane Dados zebrane w społecznościach portugalskich, hiszpańskich, francuskich i innych językach mogą dostarczyć dodatkowych informacji na temat bezpieczeństwa tych leków.
Wyniki zostaną udostępnione pracownikom służby zdrowia, aby ostrzec pacjentów o skutkach ubocznych nie zgłaszanych przez tradycyjną naukę. Médicos będzie mógł wykorzystać te informacje, aby lepiej informować swoich pacjentów o możliwych niepożądanych doświadczeniach.
Impacto w monitorowaniu leków
Badanie pokazuje, w jaki sposób sztuczna inteligencja może uzupełniać tradycyjne systemy nadzoru farmaceutycznego. Agências Organy regulacyjne w kilku krajach monitorują leki po ich zatwierdzeniu, ale obecna metodologia może nie uwzględniać wszystkich działań niepożądanych przy użyciu obecnej metodologii.
Innowacyjne podejście toruje drogę systemowi wczesnego ostrzegania opartemu na danych z mediów społecznościowych. Quando wielu użytkowników zgłasza konkretny objaw, algorytmy mogą wskazać potencjalne skutki uboczne, zanim staną się poważnym problemem zdrowia publicznego.
Duże modele językowe zmniejszają również koszty operacyjne analizy. Anteriormente studiowanie milionów raportów wymagałoby ręcznego czytania każdego postu przez duże zespoły badaczy. Agora maszyny mogą przetwarzać dane w ułamku czasu.
Confiabilidade z mediów społecznościowych jako źródło naukowe
Dane Embora z mediów społecznościowych nie są reprezentatywne dla ogółu populacji, ogromna liczba postów zapewnia cenne spostrzeżenia. Na przykład Usuários i Reddit często dzielą się szczegółowymi i szczerymi doświadczeniami na temat leków.
Pacientes zgłaszający skutki uboczne zwykle szuka społeczności internetowych, aby potwierdzić swoje doświadczenia i znaleźć wsparcie. Przestrzenie Esses pełnią funkcję naturalnych laboratoriów, w których ludzie opisują realne objawy doświadczane na co dzień.
Dobrowolny i anonimowy charakter mediów społecznościowych może zachęcać do bardziej uczciwego zgłaszania przypadków w porównaniu z formalnymi konsultacjami medycznymi, podczas których pacjenci mogą zatajać informacje z różnych powodów.
Badanie stanowi znaczący postęp we współczesnym nadzorze nad bezpieczeństwem farmakoterapii i pokazuje, w jaki sposób technologia może poprawić wykrywanie skutków ubocznych leków powszechnie stosowanych w populacji w czasie zbliżonym do rzeczywistego.