人工智慧為研究人員提供了一種傾聽患者對熱門 GLP-1 藥物說法的新途徑。賓州大學的一個團隊在分析了超過 40 萬則 Reddit 貼文後，識別出人們在使用 semaglutide（Ozempic、Wegovy 和 Rybelsus）以及 tirzepatide（Mounjaro 和 Zepbound）時報告的幾種症狀，這些症狀可能未在臨床試驗或官方監管資訊中得到充分體現。

該研究最近發表在《Nature Health》期刊上，檢視了近 7 萬名 Reddit 使用者超過五年的貼文。其中有兩類症狀特別值得進一步調查：生殖系統症狀，包括月經週期的變化；以及與體溫相關的問題，例如發冷和熱潮紅。

研究結果並未確立這些藥物導致了這些症狀。研究人員表示，大量自發性的患者報告可能揭示了值得更仔細檢視的訊號。

「我們發現的一些副作用，例如噁心，是眾所周知的，這表明該方法確實捕捉到了真實的訊號，」賓州大學工程學院電腦與資訊科學系（CIS）研究副教授、該研究的資深作者 Sharath Chandra Guntuku 表示。「那些未被充分報告的症狀，是患者自己主動提出的線索，臨床醫生可以潛在地關注它們。」

臨床試驗外的患者報告

臨床試驗旨在確定治療方法是否有效並識別重要的安全問題，但它們不一定能捕捉到當藥物被更大範圍的人群使用時，對患者來說很重要的每一種症狀。

「臨床試驗通常會識別出藥物最危險的副作用，」CIS 教授、該研究的共同作者 Lyle Ungar 補充道。「但它們可能無法找到患者最關心的症狀；即使社群媒體不一定具有代表性，大量的貼文也可能反映了額外的擔憂。」

這種區別很重要。該研究發現了人們在網上討論的關聯性，而不是 GLP-1 藥物對這些經歷負責的證據。

「我們無法斷定 GLP-1 實際上導致了這些症狀，」該研究的第一作者、由 Guntuku 和 Ungar 指導的 CIS 博士生 Neil Sehgal 指出。「但我們樣本中有近 4% 的 Reddit 使用者報告了月經不規則，如果只針對女性樣本，這個比例會更高。我們認為這是一個值得調查的訊號。」

將社群媒體作為早期健康訊號

從網路對話中挖掘藥物安全線索的想法，在當前 AI 興起之前就已存在。2011 年，Ungar 參與了最早利用網路使用者創建的內容來識別藥物潛在不良反應的努力之一。

社群媒體可以捕捉到患者之間相互討論但可能從未正式向醫生、藥品製造商或監管機構報告的經歷。

「網路患者社群的運作方式很像鄰里間的傳言，」Ungar 說。「正在使用這些藥物的患者們正在實時交換心得，分享那些很少進入醫生診室或官方報告的經歷。」

從那時起，網路患者社群已大幅擴張。這使得社群媒體成為研究藥物如何影響人們日常生活的潛在寶貴來源，儘管獲取平台數據變得越來越困難。

研究人員強調，傳統的臨床研究仍然至關重要，但當數百萬人開始使用某種藥物時，網路對話可以提供更快的資訊。

「臨床試驗是黃金標準，但就其設計而言，它們很慢，」Guntuku 說。「這不是對試驗的替代，但它可以快得多，當一種藥物幾乎在一夜之間從利基市場走向主流時，速度就至關重要。」

AI 使大規模社群媒體分析成為可能

其中一個最大的障礙一直是規模問題。

Guntuku 將這種方法描述為「計算社會聆聽」，它使用計算方法來識別大量關於健康的網路對話中的模式。

然而，患者很少使用標準化的醫療術語來描述症狀。一個人可能描述感覺異常寒冷，另一個人可能提到持續發冷，而臨床醫生可能會使用特定的醫學術語來對這些經歷進行分類。

因此，研究人員需要一種方法將日常語言翻譯成標準化的類別。一個重要的參考是《監管活動醫學詞典》（MedDRA），它提供了廣泛用於分類醫療狀況、症狀和不良事件的術語。

以前，將大量的非正式社群媒體貼文與標準化的醫療術語聯繫起來需要大量的工夫，限制了研究人員實際能夠分析的數據量。

像 GPT 和 Gemini 這樣的大型語言模型正在改變這種情況，它們使研究人員能夠更一致、更快速地處理和分類大量的文本。

「大型語言模型使得這種分析能夠更快地進行，並達到以前難以實現的標準化水平，」Sehgal 說。

意想不到的症狀從 40 萬則貼文中浮現

研究人員強調，Reddit 使用者並不代表服用 GLP-1 藥物的總體人群。Reddit 使用者傾向於年輕、男性比例較高，並且不成比例地集中在美國。

即使存在這些限制，分析也產生了一個令人寬慰的跡象，表明該方法正在檢測到真實的模式。Reddit 使用者討論的許多症狀與 semaglutide 和 tirzepatide 已知的效果非常吻合。

研究中約有 44% 的使用者描述了至少一種副作用。胃腸道問題最為常見，這與這些藥物已知的噁心和其他消化道問題一致。

更引人注目的是那些出現頻率足以引起研究人員注意，但可能在當前藥品標籤或常規不良事件報告中代表性不足的症狀。

近 4% 的報告副作用的使用者描述了生殖系統症狀。這些包括月經改變，如經期出血、經血過多和月經週期不規則。

使用者還描述了與體溫相關的變化，包括發冷、感覺異常寒冷、熱潮紅以及類似發燒的症狀。

疲勞是另一個值得注意的發現。它是 Reddit 數據中報告的第二常見抱怨，儘管相對較少的臨床試驗報告了足夠頻繁的疲勞，使其達到既定的報告閾值。

為何月經和體溫變化引人關注

這些報告引起研究人員注意的一個可能原因是，它們涉及大腦中一個雖小但極其重要的區域——下視丘。下視丘的眾多功能之一是幫助調節飢餓、荷爾蒙、生殖和體溫。

「這些藥物據信是通過作用於大腦中稱為下視丘的部分來發揮作用的，下視丘幫助調節各種荷爾蒙，」賓州大學體重與飲食失調研究中心的高級研究研究員、該研究的共同作者 Jena Shaw Tronieri 表示。「這並不意味著這些藥物必然導致這些症狀，但它可能表明，關於月經改變和體溫波動的報告值得更系統地研究。」

研究人員並非主張這種生物學聯繫證明了 GLP-1 藥物應負責任。相反，它為通過受控研究更仔細地檢測患者報告的模式提供了另一個理由。

將網路對話轉化為研究線索

目前，該團隊希望這些結果能鼓勵科學家和臨床醫生更關注患者在網上反覆討論的症狀。

「這些顯然是患者關心的問題，這值得關注，」Sehgal 說。

研究人員還希望將他們的分析範圍擴展到 Reddit 和英語社群之外。這樣做可以幫助確定在不同人群和不同社群媒體平台上是否出現相同的模式。

「我們還不知道我們在 Reddit 上看到的，是否反映了全球 GLP-1 使用者的經歷，或者是否僅僅是美國 Reddit 使用者的特定情況，」Ungar 說。

從長遠來看，對網路患者對話進行快速的 AI 分析，有可能成為藥品、補充劑和保健產品新興健康問題的早期預警系統。

這對於那些比傳統研究更能快速普及的物質尤其有價值。像可注射肽類等監管寬鬆或不受監管的產品，可以在 Reddit、TikTok 等平台上迅速傳播。因此，使用者之間的討論可能提供意想不到的影響的最早跡象。

「這種方法的整個重點在於它可以快速進行，而這正是它最有價值的時候，」Guntuku 說。