费城讯——宾夕法尼亚大学科学家正利用人工智能挖掘Reddit帖子，评估处方药的安全性和副作用。
该研究充分利用了大型语言模型（LLMs）这一人工智能子领域的最新进展，快速分析用户自述的副作用信息。研究团队借此评估了2019年5月至2025年6月期间410,198条关于Ozempic等GLP-1类药物的Reddit帖子，这些药物当时因减肥和糖尿病治疗而广受欢迎。
研究团队上月在《自然健康》（Nature Health）科学期刊发表的研究成果，展示了该技术如何提供更全面、更长期的药物真实世界使用数据。
该模型目前正测试应用于多种药物和治疗方案。不过，通过社交媒体追踪医疗问题仍存在平台访问限制和用户群体偏差等局限。例如，Reddit用户以男性、高学历和美国居民为主。
"近期，我们执行这项工作的准确性、效率和速度已发生根本性变化，"该研究第一作者、计算机科学三年级博士生尼尔·塞加尔（Neil Sehgal）表示。
研究人员旨在补充美国食品药品监督管理局（FDA）现有的不良事件监测系统，该系统主要依赖制药商的强制报告以及医护人员和消费者的自愿报告。
FDA自身也在运用人工智能技术推进早期临床试验。本月公布的试点项目显示，FDA正通过实时提取电子健康记录中的研究数据与宾夕法尼亚大学医学中心合作。
此外，网络搜索数据已被公共卫生领域用于研究季节性流感和新冠疫情趋势。
塞加尔正领导宾大团队分析GLP-1受体激动剂及相关药物的社交媒体数据。其近期发表的研究聚焦司美格鲁肽（semaglutide）和替尔泊肽（tirzepatide），在67,008名用户中发现43.5%自述至少一种副作用，主要为胃肠道相关问题。
这与现有研究结果一致——临床试验已表明胃肠道不良事件影响40%至70%的患者。
他对少数用户提及的月经变化现象特别关注，这是尚未被充分研究的潜在副作用。
团队分析发现，在Reddit讨论的GLP-1类药物使用者中，近4%报告了月经异常相关症状，如经血量过多和周期紊乱。
但塞加尔强调，社交媒体报告的副作用未必完全可靠，原因在于发帖者可能无法代表全体GLP-1药物使用者，且存在网络虚假信息传播风险。
他认为这些发现应作为采用更严谨研究方法的信号。
"这值得更深入的研究，"塞加尔表示。
补充而非替代
人工智能驱动的社交媒体药物讨论研究，与FDA常规审批所需的临床试验存在本质差异。
标准随机对照试验会将受试者分为两组，一组用药另一组不用，通过严密监控对比评估药物安全性和有效性。
"临床试验无疑是金标准，但存在局限性，"塞加尔解释道。
他指出大多数临床试验周期相对较短，可能遗漏长期症状，且成本高昂（通常达数百万美元），限制了受试者规模。
"一项规模较大的司美格鲁肽试验仅纳入约17,000人，其中近半数使用安慰剂，"塞加尔举例说明。
相比之下，他的Reddit研究真实捕捉了约70,000名实际用药者数据，其使用场景与受控研究环境存在差异。
"样本量如此庞大，我们可能观察到临床试验中极为罕见的现象，"塞加尔表示。
许多网络用户会讨论用药方式、获取途径及药物联用情况。
然而，社交媒体数据难以得出确切结论，因为发帖者无法代表用药患者的整体年龄、性别和种族多样性。
研究人员也无法确定因果关系，因缺乏安慰剂对照组。
实践价值
洛杉矶塞达斯-西奈医疗中心（Cedars-Sinai Medical Center）健康人工智能博士项目主任格拉谢拉·冈萨雷斯-埃尔南德斯（Graciela Gonzalez-Hernandez）曾借助社交媒体研究探索降低成瘾治疗药物剂量的方法。
当时医疗指南要求将药片分割为二分之一或四分之一，这对患者造成困难。
通过Reddit帖子，她的医学合作者发现患者间相互建议将药片粉碎后溶于水，通过滴管服用小剂量。
这种患者自创技术最终被纳入官方指南。
"这真正实现了从患者到临床医生再到指南制定的逆向路径，"冈萨雷斯-埃尔南德斯表示。
目前她正分析Reddit和WebMD等平台的患者讨论，探究GLP-1类药物及心脏、胃肠道疾病、膀胱癌和HIV治疗药物的停药原因及用药偏差。
尽管人工智能技术持续进步，社交媒体研究者却面临日益严峻的数据获取障碍。塞加尔指出，X平台（原推特）、Facebook和Instagram近年已大幅限制数据共享。
Reddit仍是少数对研究者保持开放的大型社交媒体平台。
在某些情况下，宾大团队会在线招募参与者捐赠数据。这对研究ChatGPT交互特别有用，因为重要的医疗对话正持续转向聊天机器人。
"可以预见，很多人正直接向ChatGPT倾诉GLP-1副作用，而非发帖或使用搜索引擎，"塞加尔总结道。
【全文结束】
