宾夕法尼亚大学科学家进行的新研究表明，人工智能（AI）能够显著扩展药物副作用的监测范围——超越传统临床试验所能捕捉的范畴。该研究分析了Reddit上关于Ozempic和Mounjaro药物的400多条用户帖子，突出了官方标签上未列出的症状。
人工智能"社交聆听"的力量
研究团队采用了一种称为"计算社交聆听"的方法，结合GPT和Gemini等大型语言模型，分析了约67名用户在五年多时间里的自发讨论。
这些系统能够将非正式的描述转换为标准化的医学术语，使口语化描述的症状得以规模化组织和分析。结果呈现出一个更广泛且更贴近真实患者体验的图景。
据该研究合著者Lyle Ungar表示，Reddit的功能类似于"数字社区广播"，用户在这里分享的经验往往不会到达医生办公室。
临床试验未发现的症状
数据显示，近一半的用户报告了至少一种副作用。AI识别出的症状中，月经不规律、寒战和潮热尤为突出——这些症状在当前的药物说明书中均未提及或描述不足。
另一重要发现是疲劳，它在报告中是第二常见的副作用。有趣的是，这一症状在临床试验结果中几乎不存在，可能是因为它不符合这些研究中使用的统计显著性最低标准。
这种对比凸显了一个关键问题：尽管临床试验十分严谨，但它们在范围、持续时间和参与者多样性方面存在局限。而社交媒体则提供了持续不断的真实世界数据流，具有更广泛的用户群体和多样化的生活情境。
分析的局限性和风险
尽管结果令人鼓舞，但研究人员自身也指出了这种方法的局限性。像Reddit这样的平台未经同行评审，报告未经过正式医学验证。这意味着存在偏见、夸大或错误关联症状与药物的风险。
然而，当数千名用户报告相似模式时，这种重复就成为不容忽视的信号。在此情境下，AI充当了一种筛查工具——能够识别出值得进一步调查的趋势。
对医学和制药未来的影响力
这项研究强化了人工智能在医疗保健领域角色的重要转变。虽然AI正在加速新药的开发，但它也在增加药品上市后监测的复杂性。
随着越来越创新的疗法——如基于GLP-1的药物——出现了更不可预测的副作用，这些副作用可能不会在受控环境中显现。基于AI的社交聆听正成为一种新的监测手段，补充传统方法。
此外，这种方法可以实现药物监测的民主化，赋予患者直接发声的机会，并将他们的经验转化为可操作的数据。行业开始不仅依赖正式的医疗报告，也开始重视医生办公室外发生的真实情况。
医疗健康领域AI的新前沿
发表在《自然》杂志上的研究表明，未来人工智能不仅会发现新药，还会帮助更好地理解它们对现实世界的影响。
通过将数百万零散的报告转化为结构化见解，AI正在科学和日常经验之间架起桥梁。在这个过程中，它可以使治疗更安全、更个性化，并更符合患者的实际情况。
以往，副作用只能在实验室环境中被识别，而现在它们也可以从在线论坛中浮现——并由智能系统实时检测。这就是医学，明确地进入了实时数据时代。
【全文结束】
