Mô hình trí tuệ nhân tạo phát hiện phản ứng bất lợi chưa từng có ở bút giảm cân

Các nhà nghiên cứu tại Đại học Pennsylvania đã sử dụng các mô hình ngôn ngữ lớn để xác định các phản ứng bất lợi không được mô tả trên nhãn thuốc giảm cân. Phân tích đã xử lý hơn 400.000 bài đăng trên nền tảng Reddit trong khoảng thời gian 5 năm. Cuộc khảo sát tập trung vào các chất được kê đơn rộng rãi trên thị trường toàn cầu, chẳng hạn như semaglutide và tirzepatide. Công nghệ giúp quét một lượng lớn dữ liệu trong thời gian mà các nhóm nghiên cứu con người không thể thực hiện được.

Nghiên cứu được công bố trên tạp chí khoa học Nature Health chứng minh rằng các thử nghiệm lâm sàng truyền thống có thể không nắm bắt được các triệu chứng ảnh hưởng đến thói quen hàng ngày của bệnh nhân. Các hệ thống trí tuệ nhân tạo tiên tiến, bao gồm nền tảng GPT và Gemini, đã cố gắng chuẩn hóa các báo cáo không chính thức và xác định chính xác các mô hình gây khó chịu về thể chất mà các công ty dược phẩm bỏ qua. Khám phá này đề xuất một lớp bảo mật mới cho các phương pháp điều trị trao đổi chất. Các chuyên gia tin rằng phương pháp này tạo ra một hệ thống cảnh báo sớm rất cần thiết cho sức khỏe cộng đồng.

Các triệu chứng được báo cáo bên ngoài tài liệu chính thức

Cuộc điều tra kỹ thuật số đã tiết lộ một loạt khiếu nại thực tế không có trong các báo cáo chính thức được gửi tới các cơ quan quản lý. Chu kỳ kinh nguyệt không đều và các đợt chảy máu giữa kỳ kinh xuất hiện với tần suất đáng kể trong các bài viết được phân tích. Người dùng cũng mô tả cảm giác ớn lạnh liên tục, bốc hỏa đột ngột, mệt mỏi tột độ và cảm giác giống như sốt dai dẳng. Không có dấu hiệu vật lý nào trong số này xuất hiện trong tài liệu do nhà sản xuất bút giảm cân cung cấp.

Khó khăn lịch sử trong việc lập danh mục thông tin này nằm ở cách bệnh nhân thể hiện nỗi đau của họ. Trong một cuộc tư vấn chính thức, từ vựng có xu hướng bị hạn chế. Trên internet, mọi người mô tả các triệu chứng giống nhau theo những cách khác nhau, sử dụng tiếng lóng và biệt ngữ khu vực. Trí tuệ nhân tạo đã vượt qua được rào cản ngôn ngữ này. Các thuật toán nhóm các thuật ngữ khác nhau chỉ ra cùng một tình trạng lâm sàng, tiết lộ một kịch bản tiềm ẩn về các tác dụng phụ.

Lyle Ungar, giáo sư Hệ thống thông tin và đồng tác giả của nghiên cứu, đã làm rõ động lực của các thử nghiệm tiêu chuẩn trong phòng thí nghiệm. Các thử nghiệm lâm sàng thường tập trung vào việc xác định các tác dụng phụ đe dọa tính mạng ngay lập tức. Nhà nghiên cứu giải thích trong một thông cáo báo chí rằng các phương pháp truyền thống có thể không nắm bắt được các triệu chứng khiến bệnh nhân lo lắng nhất khi sử dụng thuốc liên tục. Phân tích mạng xã hội lấp đầy chính xác khoảng cách nhận thức này.

Tốc độ xử lý dữ liệu y tế

Phương pháp do các nhà khoa học cấu trúc đưa ra một giải pháp thay thế cực kỳ linh hoạt so với các quy trình cảnh giác dược truyền thống lâu dài. Tốc độ phản ứng này trở thành một yếu tố quan trọng khi một loại thuốc cụ thể nhảy từ vị trí hẹp sang tiêu dùng đại trà gần như chỉ sau một đêm. Semaglutide và tirzepatide đã trải qua chính xác hiện tượng bùng nổ thương mại này trong những năm gần đây. Giám sát thủ công không thể theo kịp các quy định toàn cầu.

Sharath Chandra Guntuku, phó giáo sư nghiên cứu về Khoa học Thông tin và Máy tính tại Penn Engineering và là tác giả cấp cao của nghiên cứu, đã đưa ra quan điểm thận trọng về khám phá này. Chuyên gia nhấn mạnh, giải pháp công nghệ không thay thế nhu cầu thử nghiệm lâm sàng nghiêm ngặt mà hoạt động nhanh hơn nhiều trong việc phát hiện các điểm bất thường. Công cụ này hoạt động như một radar bổ sung cho cộng đồng khoa học.

Việc tích hợp trí tuệ nhân tạo vào phân tích dữ liệu y tế mang lại lợi ích hoạt động rõ ràng cho tương lai của nghiên cứu:

• Giảm đáng kể thời gian cần thiết để xử lý hàng triệu ký tự và văn bản phi cấu trúc.
• Thu thập các báo cáo hữu cơ và ẩn danh mà không chịu áp lực tâm lý của môi trường bệnh viện.
• Xác định ngay các thuật ngữ thông tục được bệnh nhân sử dụng để mô tả những khó chịu về thể chất.
• Giảm chi phí quan liêu liên quan đến việc thu thập dữ liệu hiện trường truyền thống.

Việc trích xuất thông tin có giá trị từ các cộng đồng trực tuyến diễn ra mà không cần đến các quy trình quan liêu kéo dài. Reddit hoạt động như một phòng thí nghiệm tự nhiên rộng lớn. Nền tảng này là nơi chứa hàng nghìn câu chuyện có thật từ những bệnh nhân chia sẻ hành trình giảm cân của họ một cách hoàn toàn tự nhiên và hàng ngày.

Vai trò của mạng xã hội trong giám sát dược lý

Độ tin cậy của mạng xã hội với tư cách là nguồn dữ liệu khoa học luôn tạo ra những cuộc tranh luận sôi nổi trong giới học thuật. Mặc dù dữ liệu được trích xuất từ ​​các diễn đàn trực tuyến không mang tính đại diện về mặt thống kê cho toàn bộ dân số toàn cầu nhưng số lượng bài đăng khổng lồ đã bù đắp cho hạn chế này. Khối lượng thông tin khổng lồ cung cấp những hiểu biết sâu sắc mà có thể không được chú ý trong các mẫu nhỏ hơn. Người dùng thường chia sẻ những trải nghiệm chi tiết và trung thực về việc thích ứng với thuốc.

Bệnh nhân gặp phải tác dụng phụ không mong muốn có xu hướng tìm kiếm các cộng đồng ảo để xác thực trải nghiệm của họ. Họ tìm kiếm sự hỗ trợ về mặt tinh thần và xác nhận rằng họ không bị cô lập trong đau khổ. Những không gian kỹ thuật số này trở thành kho lưu trữ phong phú các bằng chứng thực tế. Mọi người mô tả cường độ mệt mỏi hoặc tần suất các cơn bốc hỏa với độ chính xác theo thời gian mà hiếm khi có được ở các phòng khám của bác sĩ.

Bản chất tự nguyện và được bảo vệ ẩn danh của các nền tảng kỹ thuật số khuyến khích mức độ trung thực tàn bạo. Trong các cuộc tư vấn y tế chính thức, bệnh nhân có thể bỏ sót thông tin do bối rối, quên hoặc thiếu thời gian. Trên internet, báo cáo được truyền đi mà không có bộ lọc thể chế. Đặc điểm này làm cho cơ sở dữ liệu văn bản càng có giá trị hơn đối với các thuật toán xử lý ngôn ngữ tự nhiên.

Mở rộng giám sát sang các ngôn ngữ khác

Các nhà nghiên cứu tại Đại học Pennsylvania đã vạch ra các bước tiếp theo cho quá trình phát triển của dự án. Việc lập kế hoạch liên quan đến việc mở rộng chức năng quét kỹ thuật số vượt xa Reddit và các cộng đồng hạn chế sử dụng tiếng Anh. Mục tiêu trọng tâm là tham khảo chéo các kết quả bằng các ngôn ngữ và khu vực khác nhau trên hành tinh. Nhóm nghiên cứu muốn xem liệu có những mô hình tương tự về tác dụng phụ được báo cáo bởi những nhóm dân cư có chế độ ăn uống và di truyền khác nhau hay không.

Sự mở rộng về mặt địa lý và ngôn ngữ này có khả năng tiết lộ những biến thể quan trọng trong các triệu chứng được báo cáo. Dữ liệu được thu thập từ các cộng đồng nói tiếng Bồ Đào Nha, Tây Ban Nha, Pháp và châu Á có thể cung cấp cái nhìn tổng quan toàn cầu về độ an toàn chuyển hóa của các loại thuốc này. Các yếu tố khí hậu và văn hóa cũng ảnh hưởng đến cách cơ thể phản ứng và cách bệnh nhân mô tả phản ứng.

Những phát hiện tổng hợp sẽ được chia sẻ trực tiếp với các chuyên gia chăm sóc sức khỏe và các cơ quan quản lý. Việc chuyển giao thông tin nhằm mục đích cảnh báo bác sĩ về những tác dụng phụ mà khoa học cổ truyền chưa thống kê chính thức. Với dữ liệu này trong tay, các bác sĩ nội tiết sẽ có thể hướng dẫn bệnh nhân của họ một cách minh bạch hơn về những tác dụng phụ có thể xảy ra trong quá trình điều trị béo phì.

Tác động trực tiếp đến thói quen kê đơn thuốc

Nghiên cứu này chứng minh một cách thực tế cách trí tuệ nhân tạo có thể hoạt động cùng với các hệ thống giám sát dược phẩm của chính phủ. Cơ quan quản lý ở một số nước duy trì các chương trình giám sát thuốc sau khi được phê duyệt thương mại. Tuy nhiên, phương pháp hiện tại dựa vào thông báo tự nguyện từ bác sĩ và bệnh viện, một quá trình chậm nắm bắt tất cả các phản ứng bất lợi trong thời gian thực.

Cách tiếp cận sáng tạo mở đường cho việc triển khai hệ thống cảnh báo sớm dựa trên hành vi kỹ thuật số. Khi hàng nghìn người dùng bắt đầu báo cáo đồng thời một triệu chứng cụ thể, các thuật toán có thể cảnh báo các cơ quan y tế. Cảnh báo trước này xảy ra rất lâu trước khi tình hình phát triển thành vấn đề sức khỏe cộng đồng quy mô lớn.

Nghiên cứu này đánh dấu một cột mốc quan trọng trong sự tiến bộ của cảnh giác dược hiện đại trong thế kỷ hiện nay. Công nghệ này đã chứng minh khả năng cải thiện khả năng phát hiện rủi ro trong thời gian gần như thực tế. Việc sử dụng các mô hình ngôn ngữ lớn giúp giảm chi phí hoạt động và dân chủ hóa việc tiếp cận thông tin thô. Việc kết hợp các báo cáo của bệnh nhân với sức mạnh xử lý của máy móc sẽ đặt ra tiêu chuẩn an toàn mới cho các loại thuốc được hàng triệu người tiêu thụ mỗi ngày.