人工智能正为研究人员提供一种新方式，去了解患者对热门GLP-1类药物的真实反馈。宾夕法尼亚大学团队在分析了超过40万条Reddit帖子后，发现了一些使用司美格鲁肽（Ozempic、Wegovy和Rybelsus）以及替尔泊肽（Mounjaro和Zepbound）的患者所报告的症状，这些症状可能未在临床试验或官方监管信息中得到充分体现。
这项研究近期发表在《自然·健康》期刊上，分析了近7万名Reddit用户超过五年的帖子内容。其中两类症状尤其值得进一步研究：生殖系统相关症状，包括月经周期变化，以及体温相关问题，如寒战和潮热。
研究结果并未证实这些药物导致了上述症状。研究人员表示，这些大量患者自发报告的内容可能揭示了值得深入研究的信号。
宾夕法尼亚大学工程学院计算机与信息科学系研究副教授、该研究的资深作者Sharath Chandra Guntuku表示："我们发现的一些副作用，比如恶心，是已知的，这说明该方法确实捕捉到了真实信号。那些报告较少的症状则来自患者自身的主动反馈，临床医生或许应该关注这些内容。"
临床试验之外患者反映的问题
临床试验旨在确定治疗方法是否有效，并识别重要的安全问题，但一旦药物被更庞大的人群使用，试验未必能捕捉到患者关心的每一个症状。
计算机与信息科学系教授、该研究的合著者Lyle Ungar补充说："临床试验通常能识别出药物最危险的副作用，但可能无法发现患者最关心的症状；尽管社交媒体未必具有代表性，但大量帖子的汇集可能反映出额外的关切。"
这一区别很重要。研究发现的是人们在网上讨论内容之间的关联，而非GLP-1类药物导致这些体验的证据。
该研究第一作者、由Guntuku和Ungar指导的计算机与信息科学系博士生Neil Sehgal指出："我们不能说GLP-1类药物真的导致了这些症状，但在我们的样本中，近4%的Reddit用户报告了月经不规律，如果样本仅限女性，这一比例会更高。我们认为这是一个值得研究的信号。"
将社交媒体作为早期健康信号
利用网络对话挖掘药物安全线索的想法早于当今的AI浪潮。2011年，Ungar曾参与最早一批尝试利用互联网用户生成内容来识别药物潜在不良反应的研究。
社交媒体能够捕捉到患者彼此讨论、却可能从未正式向医生、药企或监管机构报告过的经历。
Ungar说："线上患者社群的运作方式很像邻里间的小道消息网络。正在服用这些药物的人们实时互相交流经验，分享着那些很少会出现在医生问诊或官方报告中的内容。"
此后，线上患者社群规模大幅扩张，这使得社交媒体成为研究药物如何影响人们日常生活的潜在宝贵资源，尽管获取平台数据已变得更加困难。
研究人员强调，传统临床研究仍然至关重要，但当数百万人开始使用某种药物时，网络对话能够更快速地提供信息。
Guntuku说："临床试验是黄金标准，但按其设计本身就比较缓慢。这并非要取代试验，而是能以更快的速度运作，当一种药物几乎一夜之间从小众走向主流时，这种速度就显得尤为重要。"
AI让大规模社交媒体分析成为可能
规模问题一直是最大的障碍之一。
Guntuku将这种方法描述为"计算社会聆听"，即利用计算方法在大量关于健康的网络对话中识别模式。
然而，患者很少使用标准化的医学术语来描述症状。有人可能会说感觉异常怕冷，另一人可能提到持续寒战，而临床医生则可能用某个特定医学术语来对这些体验进行分类。
因此，研究人员需要一种方法，将日常语言转化为标准化类别。一个重要的参考标准是监管活动医学词典（MedDRA），它提供了广泛用于对医疗状况、症状和不良事件进行分类的术语。
以往，将海量非正式社交媒体帖子与标准化医学术语相对应需要投入巨大工作量，这限制了研究人员实际能分析的数据规模。
大语言模型（如GPT和Gemini）正在改变这一局面，使研究人员能够更一致、更快速地处理和分类海量文本。
Sehgal说："大语言模型使得这类分析能够以更快的速度完成，并达到此前难以实现的标准化程度。"
40万条帖子中浮现的意外症状
研究人员强调，Reddit用户并不能代表所有服用GLP-1类药物人群的整体情况。Reddit用户往往更年轻，男性比例更高，且不成比例地集中在美国。
即便存在这一局限，分析结果依然显示出令人放心的迹象，表明该方法确实检测到了真实的模式。Reddit用户讨论的许多症状与司美格鲁肽和替尔泊肽已知的效果高度吻合。
研究纳入的用户中约44%描述了至少一种副作用。胃肠道问题最为常见，这与这些药物已知会引起的恶心及其他消化系统问题相符。
更引人关注的是，一些症状出现的频率足以引起研究人员的注意，但在当前药品说明书或常规不良事件报告中可能未得到充分体现。
在报告副作用的用户中，近4%描述了生殖系统相关症状，包括经期出血、月经量大以及月经周期不规律等月经变化。
用户还描述了体温相关的变化，包括寒战、异常怕冷、潮热以及类似发烧的症状。
疲劳是另一项值得关注的发现。它是Reddit数据中第二常被提及的问题，尽管在临床试验中，报告疲劳症状达到既定阈值的情况相对较少。
为何月经和体温变化值得关注
这些报告引起研究人员关注的一个可能原因，与下丘脑有关——这是大脑中一个虽小却极其重要的区域。下丘脑的诸多功能之一，就是调节饥饿感、激素水平、生殖功能和体温。
宾夕法尼亚大学体重与饮食失调中心高级研究员、该研究合著者Jena Shaw Tronieri表示："这些药物被认为是通过作用于大脑中被称为下丘脑的部位来发挥效果的，而下丘脑有助于调节多种激素。这并不意味着这些药物必然导致了上述症状，但这或许说明，关于月经变化和体温波动的报告值得更系统地加以研究。"
研究人员并未提出这种生物学关联能证明GLP-1类药物应对此负责，而是提供了另一个理由，让人们通过对照研究更仔细地检验这些患者报告的模式。
将网络对话转化为研究线索
目前，研究团队希望这些结果能促使科学家和临床医生更加关注患者在网上反复讨论的症状。
Sehgal说："这些症状显然是患者心头挂念的事情，值得引起重视。"
研究人员还希望将分析范围扩展到Reddit之外以及非英语社群之外，这样做有助于确定相同的模式是否会出现在不同群体和不同社交媒体平台上。
Ungar说："我们目前还不清楚，我们在Reddit上看到的情况是否反映了全球GLP-1类药物使用者的普遍体验，还是仅仅是美国Reddit发帖人群这一特定群体的特点。"
从长远来看，对网络患者对话进行快速AI分析，有可能成为一套针对药物、补充剂和健康产品新兴健康隐患的早期预警系统。
对于那些在网络上走红速度快于常规研究跟进速度的物质来说，这种方法可能尤其有价值。监管宽松甚至未受监管的产品，包括注射类肽类物质，可能在Reddit、TikTok等平台的社群中迅速传播。因此，用户之间的讨论或许能提供关于意外效果的一些最早迹象。
Guntuku说："这种方法的意义正在于它能够快速响应，而这恰恰是它最具价值的时刻。"
这项研究由宾夕法尼亚大学工程与应用科学学院开展。作者们表示未获得外部资助。Tronieri表示，她曾代表宾夕法尼亚大学获得诺和诺德发起的研究者资助，并曾从Currax Pharmaceuticals, LLC获取咨询费用。其他作者均表示不存在利益冲突。
Q&A
Q1：研究发现服用GLP-1类药物后有哪些未被充分关注的副作用？
A：研究发现，生殖系统症状（如月经周期变化、经期出血）和体温相关症状（如寒战、潮热）是两类值得进一步研究的副作用，这些症状在临床试验或官方信息中可能未被充分体现。
Q2：这项研究是如何进行的？
A：宾夕法尼亚大学团队利用大语言模型分析了近7万名Reddit用户超过五年内发布的40多万条帖子，将日常语言描述转化为标准化医学术语进行归类统计。
Q3：这项研究能证明GLP-1类药物导致了这些副作用吗？
A：不能。研究人员明确表示，这只是发现了患者讨论内容与症状之间的关联，并不能证明因果关系，还需要通过对照研究进一步验证。
