人工智能扫描400,000个Reddit帖子，发现隐藏的Ozempic副作用

通过分析40多万篇Reddit帖子，研究人员发现，流行的GLP-1减肥药的使用者经常讨论意想不到的症状，如月经不规律、寒战和潮热。研究结果表明，人工智能可以将社交媒体变成一个强大的早期预警系统，用于发现临床试验可能遗漏的副作用。

　　

流行的减肥和糖尿病药物，如西马鲁肽和替西帕肽，已经改变了肥胖和血糖控制的治疗方法。现在，宾夕法尼亚大学（University of Pennsylvania）的研究人员表示，人工智能也可能有助于发现患者在网上讨论的副作用，但这些副作用并不总是在临床试验或官方药物文件中得到充分反映。

在《自然健康》杂志上发表的一项新研究中，研究人员分析了近7万名用户在5年多的时间里发表的40多万篇Reddit帖子。他们的发现强调了几种经常被讨论的症状，包括一些可能值得更密切的科学关注的症状，如月经不规律和与温度有关的抱怨，如寒战和潮热。

“我们发现的一些副作用，比如恶心，是众所周知的，这表明这种方法正在捕捉到一个真实的信号，”宾夕法尼亚大学工程学院计算机和信息科学（CIS）的研究副教授、该研究的资深作者Sharath Chandra Guntuku说。“未被报告的症状是来自患者自己的、未经提示的线索，临床医生可能会注意到它们。”

CIS教授、该研究的合著者莱尔·昂格尔（Lyle Ungar）表示，社交媒体可以让患者了解到他们在就诊时可能并不总是提出的担忧。

Ungar说：“临床试验通常能确定药物最危险的副作用。”但他们可能找不到患者最关心的症状；尽管社交媒体不一定具有代表性，但大量的帖子可能反映了其他问题。

人工智能和Reddit揭示了新兴的GLP-1问题

研究人员强调，这项研究并不能证明这些药物引起了网上讨论的症状。相反，这些发现指出了可能值得进一步调查的模式。

“我们不能说glp -1实际上是导致这些症状的原因，”该研究的第一作者、CIS的博士生尼尔·塞格尔（Neil Sehgal）说。他是Guntuku和Ungar的顾问。但在我们的样本中，近4%的Reddit用户报告了月经不规律，而在女性样本中，这一比例甚至更高。我们认为这是一个值得研究的信号。

这项研究是基于多年来对在线对话的研究，以寻找药物副作用的线索。2011年，Ungar参与了最早的一个项目，挖掘用户生成的互联网内容，以报告药物不良反应。

昂格尔说：“网上病人社区的运作方式很像邻里间的小道消息。”“服用这些药物的人正在实时交换笔记，分享很少会出现在医生办公室就诊或官方报告中的经历。”

研究人员表示，随着社交媒体平台的扩大，这些讨论已成为越来越有价值的健康相关信息来源，尽管随着时间的推移，收集和分析数据变得越来越困难。

Guntuku说：“临床试验是黄金标准，但由于设计的原因，它们很慢。”“这不是试验的替代品，但它可以更快地进行，当一种药物几乎在一夜之间从利基市场变成主流市场时，这种速度很重要。”

大型语言模型加速副作用检测

研究在线健康讨论的一个主要挑战是规模。人们用许多不同的方式描述症状，这使得很难系统地将社交媒体上的帖子与临床医生用来分类症状的《监管活动医学词典》（MedDRA）中的标准化医学术语进行比较。

GPT和Gemini等大型语言模型的兴起改变了这一点。据研究人员称，这些人工智能系统现在可以更快、更一致地处理大量在线讨论。

Sehgal说：“大型语言模型使得更快地进行这种分析成为可能，并且达到了以前很难实现的标准化水平。”

虽然Reddit用户并不完全代表一般人群，因为他们往往更年轻，更有可能是男性，而且主要来自美国，但许多报告的症状与西马鲁肽和替西帕肽已知的副作用相符。研究中约44%的服用者提到了至少一种副作用，最常见的是胃肠道问题。

GLP-1用户报告的意外症状

对研究人员来说，突出的是当前药物标签或标准不良事件报告系统中可能没有充分体现的症状。

近4%报告副作用的使用者还描述了生殖症状，包括月经周期不规则、经间出血和大出血。

其他用户报告了与温度相关的症状，如发冷、感觉寒冷、潮热和类似发烧的感觉。

疲劳也是最常被讨论的抱怨之一。事实上，它在Reddit用户报告的最常见症状中排名第二，尽管在许多临床试验中并不那么突出。

宾夕法尼亚大学体重和饮食失调中心的高级研究员、该研究的合著者Jena Shaw Tronieri说：“这些药物被认为是通过参与大脑中被称为下丘脑的部分来起作用的，下丘脑有助于调节各种激素。”“这并不意味着这些症状一定是药物引起的，但它可能表明，月经变化和体温波动的报告值得更系统地研究。”

研究人员希望将其扩展到Reddit之外

研究小组希望这一发现能鼓励科学家和医疗服务提供者更加关注患者在网上讨论的各种副作用。

Sehgal说：“他们显然在病人的脑海里，这值得关注。”

研究人员还计划将分析扩展到Reddit和英语社区之外，以确定类似的模式是否出现在全球其他社交媒体平台和人群中。

Ungar说：“我们还不知道我们在Reddit上看到的是全球GLP-1用户的体验，还是美国在Reddit上发帖的那种人的体验。”

最终，研究人员认为，人工智能辅助的社交媒体对话分析可能成为一种重要工具，可以比传统系统更早地识别出有关药物和健康趋势的新问题。

对于迅速传播的健康产品，尤其是在监管松散或不受监管的市场上销售的物质，比如注射肽，Reddit和TikTok等平台上的在线对话可能会提供一些关于用户体验的最早线索。

Guntuku说：“这种方法的关键在于它可以快速行动，而这正是它最有价值的时候。”