Yapay zeka kilo verme kalemlerinde belgelenmemiş yan etkiler buluyor
Pensilvânia’den Universidade’den Pesquisadores, Reddit’den gelen 400 binden fazla gönderiyi analiz etmek ve resmi broşürlerde yer almayan kilo verme ilaçları kullanıcılarındaki semptomları belirlemek için yapay zeka dillerini kullandı. Nature Health’de yayınlanan çalışma, hastaların bildirdiği bazı yan etkilerin geleneksel klinik çalışmalarda tespit edilmediğini ortaya koydu.
Araştırma, 5 yılı aşkın sürede yaklaşık 70 bin kullanıcının gönderilerini kapsıyor. Analiz edilen ilaçlar arasında diyabet ve kilo kaybı için yaygın olarak kullanılan semaglutid ve tirzepatid yer alıyor. GPT ve Gemini gibi Grandes dil modelleri gönderileri işledi ve açıklanan semptomları sınıflandırdı.
Yapay zeka belgelenmemiş semptomları ortaya çıkarıyor
Ciclos düzensiz adet dönemleri, adetler arası kanamalar, üşüme, ateş basması, ateş benzeri hisler ve yorgunluk, sosyal medya kullanıcıları tarafından kaydedilen belirtiler arasında yer aldı. Esses yan etkileri, üreticiler tarafından sağlanan belgelerde veya geleneksel klinik araştırma raporlarında yer almamaktadır.
Bu bilgiyi analiz etmedeki önceki zorluk, hastaların aynı semptomları farklı şekillerde tanımlamalarından kaynaklanıyordu. Yapay zeka, geleneksel yöntemlerin yakalayamadığı kalıpları standartlaştırmayı ve tanımlamayı başardı.
Segundo Lyle Ungar, Sistemas Informação profesörü ve çalışma ortak yazarı, klinik araştırmalar genellikle yalnızca en tehlikeli yan etkileri tanımlar. Bir basın açıklamasında, “Ancak hastaları en çok hangi semptomların endişelendirdiğini belirleyemeyebilirler. Embora sosyal ağları her zaman temsili olmayabilir, çok sayıda gönderi ek endişeleri yansıtabilir” diye açıkladı.
Vantagem hız algılama
Araştırmacıların önerdiği yöntem, geleneksel klinik araştırmalara göre daha hızlı bir alternatif sunuyor. Essa hızı, özellikle semaglutid ve tirzepatidde olduğu gibi bir ilacın niş kullanımdan ana akım pazara neredeyse bir gecede geçtiği durumlarda çok önemlidir.
Computação’deki Ciência ve Penn Engineering’deki Informação’de araştırma doçenti olan Sharath Chandra Guntuku ve çalışmanın kıdemli yazarı Sharath Chandra Guntuku şunları vurguladı: “Bu çözüm, klinik deneylerin yerini almaz ancak çok daha hızlı olabilir.”
Analiz, araştırmacıların uzun bürokratik süreçlere ihtiyaç duymadan çevrimiçi topluluklardan değerli bilgiler elde etmesine olanak tanıdı. Reddit, deneyimlerini organik bir şekilde paylaşan hastalardan gelen gerçek raporların zengin bir kaynağı olarak hizmet etti.
Próximos araştırma adımları
Araştırmacılar, analizi Reddit ve İngilizce konuşan toplulukların ötesine genişletmeyi planlıyor. Amaç, bildirilen yan etkilerde benzer kalıpların olup olmadığını görmek için sonuçları farklı diller ve bölgeler arasında karşılaştırmaktır.
Essa’nin coğrafi ve dilsel genişlemesi, farklı popülasyonlar arasında bildirilen semptomlardaki farklılıkları ortaya çıkarabilir. Portekizce, İspanyolca, Fransızca ve diğer dilleri konuşan topluluklarda toplanan Dados, bu ilaçların güvenliği hakkında ek bilgi sağlayabilir.
Bulgular, hastaları geleneksel bilimin bildirmediği yan etkiler konusunda uyarmak için sağlık uzmanlarıyla paylaşılacak. Médicos, bu bilgiyi hastalarını olası olumsuz deneyimler konusunda daha iyi yönlendirmek için kullanabilecek.
İlaç takibinde Impacto
Çalışma, yapay zekanın geleneksel farmasötik gözetim sistemlerini nasıl tamamlayabileceğini gösteriyor. Agências Birçok ülkedeki Düzenleyiciler, ilaçları onaylandıktan sonra izliyor ancak mevcut metodoloji, tüm advers reaksiyonları yakalamakta yavaş olabilir.
Yenilikçi yaklaşım, sosyal medya verilerine dayalı bir erken uyarı sisteminin önünü açıyor. Quando Birçok kullanıcı belirli bir semptomu bildirir; algoritmalar, potansiyel yan etkileri, önemli bir halk sağlığı sorunu haline gelmeden önce işaretleyebilir.
Büyük dil modelleri aynı zamanda analizin operasyonel maliyetlerini de azaltır. Anteriormente, milyonlarca raporun incelenmesi, büyük araştırmacı ekiplerinin her bir gönderiyi manuel olarak okumasını gerektirir. Agora, makineler verileri çok daha kısa sürede işleyebilir.
Bilimsel bir kaynak olarak sosyal medyadan Confiabilidade
Embora sosyal medya verileri genel nüfusu temsil etmiyor; çok sayıda gönderi değerli bilgiler sunuyor. Örneğin Reddit’nin Usuários’si genellikle ilaçlarla ilgili ayrıntılı ve dürüst deneyimleri paylaşır.
Yan etkileri bildiren Pacientes, deneyimlerini doğrulamak ve destek bulmak için çevrimiçi toplulukları arama eğilimindedir. Esses alanları, insanların günlük olarak deneyimlediği gerçek semptomları tanımladığı doğal laboratuvarlar gibi işlev görüyor.
Sosyal medyanın gönüllü ve anonim yapısı, hastaların çeşitli nedenlerle bilgi saklayabildiği resmi tıbbi konsültasyonlara kıyasla daha dürüst raporlamayı teşvik edebilir.
Araştırma, modern farmakovijilansta önemli bir ilerlemeyi temsil ediyor ve teknolojinin, toplum tarafından yaygın olarak kullanılan ilaçlar için yan etkilerin yaklaşık olarak gerçek zamanlı olarak tespit edilmesini nasıl geliştirebileceğini gösteriyor.
