Obat penurun berat badan dan diabetes yang populer, seperti semaglutide dan tirzepatide, telah mengubah pengobatan obesitas dan pengendalian gula darah. Kini, para peneliti di University of Pennsylvania mengatakan kecerdasan buatan juga dapat membantu mengungkap efek samping yang dibicarakan pasien secara online, namun tidak selalu sepenuhnya tercermin dalam uji klinis atau dokumentasi obat resmi.
Dalam sebuah studi baru yang diterbitkan di Kesehatan Alampeneliti menganalisis lebih dari 400.000 postingan Reddit yang ditulis oleh hampir 70.000 pengguna selama lebih dari lima tahun. Hasil penelitian mereka menyoroti beberapa gejala yang umum didiskusikan, beberapa di antaranya mungkin memerlukan perhatian ilmiah lebih lanjut, seperti ketidakteraturan menstruasi dan keluhan terkait suhu seperti menggigil dan rasa panas.
“Beberapa efek samping yang kami lihat, seperti mual, sudah diketahui umum, dan menunjukkan bahwa metode ini menangkap sinyal nyata,” kata Sharath Chandra Guntuku, profesor peneliti ilmu komputer dan informasi (CIS) di Penn Engineering dan penulis senior studi tersebut. “Gejala yang tidak dilaporkan adalah petunjuk yang datang dari pasien itu sendiri, secara spontan, dan dokter berpotensi memberikan perhatian pada gejala tersebut.”
Lyle Ungar, seorang profesor di CIS dan salah satu penulis penelitian ini, mengatakan media sosial dapat memberikan wawasan tentang kekhawatiran yang tidak selalu diungkapkan pasien saat mengunjungi dokter.
“Uji klinis biasanya mengidentifikasi efek samping obat yang paling berbahaya,” kata Ungar. “Tetapi mereka mungkin tidak menemukan gejala yang paling dikhawatirkan oleh pasien; meskipun media sosial belum tentu mewakili gejala tersebut, sejumlah besar postingan mungkin mencerminkan kekhawatiran tambahan.”
AI dan Reddit Mengungkapkan Kekhawatiran yang Muncul Tentang GLP-1
Para peneliti menekankan bahwa penelitian ini tidak membuktikan bahwa obat-obatan adalah penyebab gejala yang dibahas secara online. Sebaliknya, hasil penelitian ini menyoroti tren yang mungkin memerlukan penyelidikan lebih lanjut.
“Kami tidak dapat mengatakan bahwa GLP-1 benar-benar menyebabkan gejala-gejala ini,” kata Neil Sehgal, penulis pertama studi tersebut dan seorang mahasiswa doktoral di CIS yang diberi nasihat oleh Guntuku dan Ungar. “Tetapi hampir 4% pengguna Reddit dalam sampel kami melaporkan ketidakteraturan menstruasi, yang bahkan lebih tinggi lagi jika sampel semuanya perempuan. Kami pikir ini adalah sinyal yang layak untuk diselidiki.”
Studi ini didasarkan pada penelitian bertahun-tahun yang meneliti percakapan online untuk mencari petunjuk tentang efek samping obat. Ungar berpartisipasi dalam salah satu proyek pertama yang memanfaatkan konten Internet buatan pengguna untuk melaporkan reaksi obat yang merugikan pada tahun 2011.
“Komunitas pasien online berfungsi seperti selentingan di lingkungan sekitar,” kata Ungar. “Orang-orang yang hidup dengan pengobatan ini bertukar catatan secara real-time, berbagi pengalaman yang jarang menjadi subjek kunjungan dokter atau laporan resmi.”
Seiring berkembangnya platform media sosial, para peneliti mengatakan bahwa diskusi ini telah menjadi sumber informasi kesehatan yang semakin berharga, meskipun pengumpulan dan analisis data menjadi semakin sulit dari waktu ke waktu.
“Uji klinis adalah standar terbaik, namun secara desain lambat,” kata Guntuku. “Hal ini tidak menggantikan uji coba, namun dapat bergerak lebih cepat, dan kecepatan tersebut penting ketika suatu obat beralih dari status niche ke mainstream dalam waktu singkat.”
Model bahasa besar mempercepat deteksi efek samping
Salah satu tantangan utama dalam mempelajari diskusi kesehatan online adalah skalanya. Orang-orang mendeskripsikan gejala dengan cara yang berbeda-beda, sehingga sulit untuk membandingkan postingan media sosial secara sistematis dengan terminologi medis standar dari Kamus Medis untuk Aktivitas Regulasi (MedDRA), yang digunakan dokter untuk mengklasifikasikan gejala.
Munculnya model bahasa utama seperti GPT dan Gemini telah membawa perubahan besar. Menurut para peneliti, sistem AI ini sekarang memungkinkan pemrosesan diskusi online dalam jumlah besar dengan lebih cepat dan lebih konsisten.
“Model bahasa yang besar memungkinkan dilakukannya analisis jenis ini jauh lebih cepat dengan tingkat standarisasi yang mungkin sulit dicapai sebelumnya,” kata Sehgal.
Meskipun pengguna Reddit tidak sepenuhnya mewakili populasi umum karena mereka cenderung lebih muda, lebih cenderung laki-laki, dan sebagian besar tinggal di Amerika Serikat, banyak gejala yang dilaporkan konsisten dengan efek samping semaglutide dan tirzepatide yang sudah diketahui. Sekitar 44% pengguna dalam penelitian tersebut menyebutkan setidaknya satu efek samping, yang paling umum adalah masalah pencernaan.
Gejala Tak Terduga yang Dilaporkan oleh Pengguna GLP-1
Yang menonjol bagi para peneliti adalah gejala-gejala yang mungkin tidak sepenuhnya terwakili dalam pelabelan obat saat ini atau sistem pelaporan efek samping standar.
Hampir 4% pengguna yang melaporkan efek samping juga menggambarkan gejala reproduksi, termasuk siklus menstruasi tidak teratur, pendarahan hebat, dan pendarahan hebat.
Pengguna lain telah melaporkan gejala yang berhubungan dengan suhu, seperti menggigil, rasa dingin, rasa panas, dan sensasi seperti demam.
Kelelahan juga muncul sebagai salah satu keluhan yang paling sering dilaporkan. Faktanya, ini adalah gejala kedua yang paling sering dilaporkan oleh pengguna Reddit, meskipun gejala ini kurang terlihat dalam banyak uji klinis.
“Obat-obatan ini diperkirakan bekerja dengan memobilisasi bagian otak yang disebut hipotalamus, yang membantu mengatur berbagai macam hormon,” kata Jena Shaw Tronieri, peneliti utama di Penn’s Center for Weight and Eating Disorders dan salah satu penulis studi tersebut. “Ini tidak berarti bahwa obat-obatan menyebabkan gejala-gejala ini, namun mungkin menunjukkan bahwa laporan perubahan menstruasi dan fluktuasi suhu tubuh perlu dipelajari secara lebih sistematis.”
Para peneliti berharap untuk memperluas melampaui Reddit
Tim berharap temuan ini akan mendorong para ilmuwan dan penyedia layanan kesehatan untuk lebih memperhatikan jenis efek samping yang didiskusikan pasien secara online.
“Hal-hal tersebut jelas ada dalam pikiran pasien, dan hal ini patut untuk diperhatikan,” kata Sehgal.
Para peneliti juga berencana untuk memperluas analisis di luar Reddit dan komunitas berbahasa Inggris untuk menentukan apakah pola serupa muncul di platform media sosial dan populasi lain di seluruh dunia.
“Kami belum tahu apakah yang kami lihat di Reddit mencerminkan pengalaman pengguna GLP-1 di seluruh dunia, atau apakah ini khusus untuk tipe orang yang memposting di Reddit di AS,” kata Ungar.
Pada akhirnya, para peneliti percaya bahwa analisis percakapan media sosial yang dibantu AI dapat menjadi alat penting untuk mengidentifikasi masalah narkoba dan tren kesehatan yang muncul jauh lebih awal daripada yang dimungkinkan oleh sistem tradisional.
Untuk produk kesehatan yang bergerak cepat, terutama zat yang dijual di pasar dengan sedikit atau tanpa peraturan, seperti peptida suntik, percakapan online di platform seperti Reddit dan TikTok dapat memberikan beberapa petunjuk awal tentang apa yang dialami pengguna.
“Keunggulan dari pendekatan jenis ini adalah bahwa pendekatan ini dapat berkembang dengan cepat, dan di sinilah pendekatan ini paling berguna,” kata Guntuku.
Penelitian ini dilakukan di School of Engineering and Applied Science di University of Pennsylvania. Para penulis melaporkan tidak ada pendanaan eksternal. Tronieri melaporkan menerima hibah yang diprakarsai penyelidik, atas nama University of Pennsylvania, dari Novo Nordisk dan menerima biaya konsultasi dari Currax Pharmaceuticals, LLC. Penulis lain melaporkan tidak ada konflik kepentingan.
