هوش مصنوعی عوارض جانبی پنهان Ozempic را در 400000 پست Reddit آشکار می کند

این مطالعه که اخیراً در سلامت طبیعت، به بیش از پنج سال پست نزدیک به 70000 کاربر Reddit نگاه کرد. دو دسته به ویژه شایسته بررسی بیشتر هستند: علائم تولید مثل، از جمله تغییرات چرخه قاعدگی، و مشکلات مربوط به دمای بدن، مانند لرز و گرگرفتگی.

یافته ها ثابت نکرد که داروها باعث ایجاد این علائم می شوند. در عوض، محققان می‌گویند، مجموعه عظیم گزارش‌های خود به خودی بیمار ممکن است سیگنال‌هایی را نشان دهد که ارزش بررسی دقیق‌تری دارند.

Sharath Chandra Guntuku، استادیار پژوهشی علوم کامپیوتر و اطلاعات (CIS) در مهندسی پن و نویسنده ارشد این مطالعه گفت: «برخی از عوارض جانبی که ما پیدا کردیم، مانند حالت تهوع، به خوبی شناخته شده‌اند، و این نشان می‌دهد که این روش سیگنال واقعی را دریافت می‌کند. “علائم گزارش نشده سرنخ هایی هستند که از خود بیماران به دست می آیند، بدون درخواست، و پزشکان به طور بالقوه می توانند آن را دریافت کنند.”

آنچه بیماران در خارج از آزمایشات بالینی گزارش می کنند

کارآزمایی‌های بالینی برای تعیین کارآمدی درمان‌ها و شناسایی مسائل ایمنی مهم طراحی شده‌اند، اما لزوماً نمی‌توانند هر علامتی را که برای بیماران مهم است، هنگامی که یک دارو توسط جمعیت بسیار بیشتری استفاده می‌شود، نشان دهند.

لایل اونگار، استاد CIS و یکی از نویسندگان این مطالعه، می‌افزاید: «آزمایش‌های بالینی معمولاً خطرناک‌ترین عوارض جانبی داروها را شناسایی می‌کنند. اما ممکن است نتوانند تشخیص دهند که بیماران بیشتر نگران چه علائمی هستند؛ اگرچه رسانه های اجتماعی لزوما نماینده نیستند، مجموعه بزرگی از پست ها ممکن است منعکس کننده نگرانی های اضافی باشند.

تمایز مهم است. این مطالعه ارتباطی را در آنچه مردم به صورت آنلاین بحث می کردند، نشان داد، نه شواهدی مبنی بر اینکه داروهای GLP-1 مسئول این تجربیات هستند.

نیل سگال، نویسنده اول این مطالعه و دانشجوی دکترای CIS که توسط Guntuku و Ungar مشاوره شده است، خاطرنشان می کند: «ما نمی توانیم بگوییم که GLP-1 در واقع باعث این علائم می شود. اما تقریباً 4 درصد از کاربران Reddit در نمونه ما بی‌نظمی‌های قاعدگی را گزارش کردند که در نمونه‌های فقط زنانه حتی بیشتر است. ما فکر می‌کنیم این سیگنالی است که ارزش بررسی دارد.»

استفاده از رسانه های اجتماعی به عنوان یک سیگنال اولیه سلامت

ایده استخراج مکالمات آنلاین برای یافتن سرنخ هایی در مورد ایمنی داروها پیش از رونق امروزی هوش مصنوعی است. در سال 2011، Ungar در یکی از اولین تلاش ها برای استفاده از محتوای تولید شده توسط کاربر برای شناسایی عوارض جانبی احتمالی دارو شرکت کرد.

رسانه‌های اجتماعی می‌توانند تجربیاتی را که بیماران با یکدیگر بحث می‌کنند، ثبت کنند، اما ممکن است هرگز به طور رسمی به پزشک، سازنده دارو یا تنظیم‌کننده گزارش ندهند.

اونگار می‌گوید: «جامعه‌های بیماران آنلاین مانند تاک‌های محله کار می‌کنند. “افرادی که با این داروها زندگی می کنند یادداشت هایی را با یکدیگر در زمان واقعی رد و بدل می کنند و تجربیاتی را به اشتراک می گذارند که به ندرت به ویزیت پزشک یا گزارش رسمی تبدیل می شود.”

از آن زمان، جوامع بیماران آنلاین به طور قابل توجهی گسترش یافته است. این موضوع رسانه‌های اجتماعی را به منبعی بالقوه با ارزش برای مطالعه چگونگی تأثیر مواد مخدر بر افراد در زندگی روزمره تبدیل کرده است، اگرچه دسترسی به داده‌ها از این پلتفرم دشوارتر شده است.

محققان تاکید می‌کنند که آزمایش‌های بالینی سنتی ضروری هستند، اما مکالمات آنلاین می‌تواند اطلاعات را با سرعت بیشتری در زمانی که میلیون‌ها نفر شروع به استفاده از یک دارو می‌کنند، ارائه دهد.

گونتوکو می‌گوید: آزمایش‌های بالینی استاندارد طلایی هستند، اما از نظر طراحی کند هستند. این دارو جایگزینی برای آزمایش‌ها نیست، اما می‌تواند بسیار سریع‌تر حرکت کند، و این سرعت زمانی اهمیت دارد که یک دارو تقریباً یک شبه از جایگاه اصلی به جریان اصلی برسد.»

هوش مصنوعی تجزیه و تحلیل گسترده رسانه های اجتماعی را ممکن می کند

یکی از بزرگترین موانع همیشه مقیاس بوده است.

گونتوکو این رویکرد را به عنوان «شنود اجتماعی محاسباتی» توصیف می‌کند که از روش‌های محاسباتی برای شناسایی الگوها در مجموعه‌های بزرگ مکالمات سلامت آنلاین استفاده می‌کند.

با این حال، بیماران به ندرت علائم را با استفاده از اصطلاحات پزشکی استاندارد توصیف می کنند. یک نفر ممکن است احساس سرمای غیرمعمول را توصیف کند، دیگری ممکن است به لرز مداوم اشاره کند، در حالی که یک پزشک ممکن است این تجربیات را با استفاده از یک اصطلاح پزشکی خاص دسته بندی کند.

بنابراین، محققان به راهی برای ترجمه زبان روزمره به دسته‌های استاندارد شده نیاز دارند. یک مرجع مهم، فرهنگ لغت پزشکی برای فعالیت های تنظیمی (MedDRA) است که اصطلاحات گسترده ای را برای طبقه بندی شرایط پزشکی، علائم و عوارض جانبی ارائه می دهد.

پیش از این، پیوند تعداد زیادی از پست‌های رسانه‌های اجتماعی غیررسمی به اصطلاحات پزشکی استاندارد شده، نیازمند حجم عظیمی از کار بود و میزان داده‌هایی را که محققان می‌توانستند به طور واقعی تجزیه و تحلیل کنند، محدود می‌کرد.

مدل‌های زبانی بزرگ مانند GPT و Gemini این معادله را با اجازه دادن به محققان برای پردازش و طبقه‌بندی مقادیر گسترده‌ای از متن به طور مداوم و سریع‌تر تغییر می‌دهند.

سهگل می‌گوید: «مدل‌های زبانی بزرگ انجام این نوع تحلیل را بسیار سریع‌تر با سطح استانداردسازی که ممکن بود قبلاً دشوار بود، امکان‌پذیر کرده است.

علائم غیرمنتظره از 400000 پست ظاهر می شود

محققان تاکید می کنند که کاربران Reddit جمعیت عمومی افرادی که داروهای GLP-1 مصرف می کنند را نشان نمی دهند. کاربران Reddit معمولا جوان‌تر هستند، بیشتر مرد هستند و به طور نامتناسبی در ایالات متحده قرار دارند.

حتی با وجود این محدودیت، تجزیه و تحلیل نشانه‌ای اطمینان‌بخش داد که رویکرد در حال یافتن الگوهای واقعی است. بسیاری از علائم مورد بحث توسط کاربران Reddit با اثرات شناخته شده سماگلوتاید و تیرزپاتید مطابقت دارد.

حدود 44 درصد از کاربرانی که در این مطالعه شرکت کردند حداقل یک عارضه جانبی را توصیف کردند. مشکلات گوارشی شایع ترین هستند، که با حالت تهوع و سایر مشکلات گوارشی که قبلاً با این داروها مرتبط است، سازگار است.

جالب تر، علائمی بود که به قدری مکرر رخ می دهد که توجه محققان را به خود جلب کند، اما ممکن است در برچسب های دارویی فعلی یا گزارش عوارض جانبی مرسوم به خوبی نشان داده نشود.

تقریباً 4٪ از کاربرانی که عوارض جانبی را گزارش کردند علائم تولید مثل را توصیف کردند. این تغییرات شامل تغییرات قاعدگی، مانند خونریزی بین قاعدگی، خونریزی شدید و پریودهای نامنظم است.

کاربران همچنین تغییرات مربوط به دمای بدن، از جمله لرز، احساس سرمای غیرمعمول، گرگرفتگی، و علائم شبیه تب را توصیف می‌کنند.

خستگی یکی دیگر از یافته های قابل توجه بود. این دومین شکایت رایج گزارش‌شده در داده‌های Reddit بود، اگرچه مطالعات بالینی نسبتا کمی خستگی مکرر را گزارش کردند تا آستانه‌های گزارش‌دهی مشخص را برآورده کنند.

چرا تغییرات قاعدگی و دما جالب است

یکی از دلایل احتمالی که این گزارش ها توجه محققان را به خود جلب کرد، مربوط به هیپوتالاموس، یک منطقه کوچک اما بسیار مهم از مغز است. هیپوتالاموس در میان وظایف متعدد خود به تنظیم گرسنگی، هورمون ها، تولید مثل و دمای بدن کمک می کند.

جنا شاو ترونیری، محقق ارشد مرکز وزن و اختلالات خوردن پن و یکی از نویسندگان این مطالعه گفت: تصور می‌شود که این داروها با درگیر کردن بخشی از مغز به نام هیپوتالاموس که به تنظیم طیف وسیعی از هورمون‌ها کمک می‌کند، کار می‌کنند. این بدان معنا نیست که داروها لزوماً این علائم را ایجاد می‌کنند، اما ممکن است نشان دهد که گزارش‌های مربوط به تغییرات قاعدگی و نوسانات دمای بدن ارزش بررسی سیستماتیک‌تری دارند.»

محققان پیشنهاد نمی کنند که این پیوند بیولوژیکی ثابت کند که داروهای GLP-1 مسئول هستند. در عوض، دلیل دیگری برای آزمایش دقیق‌تر الگوهای گزارش‌شده توسط بیمار از طریق تحقیقات کنترل‌شده ارائه می‌کند.

تبدیل مکالمات آنلاین به نظرسنجی

در حال حاضر، تیم امیدوار است که نتایج، دانشمندان و پزشکان را تشویق کند تا به علائمی که بیماران مکرراً به صورت آنلاین در مورد آنها صحبت می‌کنند، توجه کنند.

سگال می گوید: “آنها به وضوح در ذهن بیماران هستند و ارزش توجه به آنها را دارند.”

محققان همچنین می خواهند تحلیل خود را فراتر از Reddit و فراتر از جوامع انگلیسی زبان گسترش دهند. این می تواند به تعیین اینکه آیا الگوهای یکسان در بین گروه های مختلف مردم و در پلتفرم های مختلف رسانه های اجتماعی ظاهر می شود یا خیر کمک کند.

Ungar می‌گوید: «ما هنوز نمی‌دانیم که آیا آنچه در Reddit می‌بینیم منعکس‌کننده تجربه کاربران GLP-1 در سطح جهانی است یا اینکه مختص به نوع افرادی است که در Reddit در ایالات متحده پست می‌کنند.

در بلندمدت، تجزیه و تحلیل سریع هوش مصنوعی مکالمات آنلاین با بیماران به طور بالقوه می تواند به سیستمی برای تشخیص زودهنگام مسائل بهداشتی نوظهور شامل داروها، مکمل ها و محصولات سلامتی تبدیل شود.

این می تواند به ویژه برای موادی که سریعتر از تحقیقات متعارف به صورت آنلاین محبوب می شوند ارزشمند باشد. محصولاتی که به صورت ضعیف یا کنترل نشده، از جمله پپتیدهای تزریقی، می توانند به سرعت در جوامع Reddit، TikTok و سایر پلتفرم ها پخش شوند. بنابراین بحث بین کاربران می تواند برخی از اولین نشانه های اثرات غیرمنتظره را ارائه دهد.

گونتوکو می‌گوید: «تمام هدف این نوع رویکرد این است که می‌تواند به سرعت حرکت کند، و این زمانی است که بیشترین ارزش را دارد.

این مطالعه در دانشکده مهندسی و علوم کاربردی دانشگاه پنسیلوانیا انجام شد. نویسندگان هیچ بودجه خارجی را گزارش نمی کنند. Tronieri گزارش می دهد که یک کمک هزینه توسط محقق از طرف دانشگاه پنسیلوانیا، از Novo Nordisk، و دریافت هزینه های مشاوره از Currax Pharmaceuticals, LLC دریافت کرده است. نویسندگان دیگر هیچ تضاد منافع را گزارش نمی کنند.