Berandasehat.id – Kecerdasan buatan memberikan cara baru bagi ilmuwan untuk mendengarkan apa yang dikatakan pasien tentang obat-obatan GLP-1 yang populer.

Setelah menganalisis lebih dari 400.000 unggahan Reddit, tim dari Universitas Pennsylvania mengidentifikasi beberapa gejala yang dilaporkan oleh orang-orang yang menggunakan semaglutide (Ozempic, Wegovy, dan Rybelsus) dan tirzepatide (Mounjaro dan Zepbound) yang mungkin tidak sepenuhnya terwakili dalam uji klinis atau informasi peraturan resmi.

Studi yang baru-baru ini diterbitkan di Nature Health meneliti unggahan selama lebih dari lima tahun dari hampir 70.000 pengguna Reddit terkait konsumsi obat GLP-1. Dua kategori menonjol sebagai hal yang sangat layak untuk diselidiki lebih lanjut: gejala reproduksi, termasuk perubahan siklus menstruasi, dan masalah yang melibatkan suhu tubuh, seperti menggigil dan rasa panas.

Temuan ini tidak membuktikan bahwa obat-obatan tersebut menyebabkan gejala-gejala ini. Sebaliknya, para peneliti mengatakan bahwa kumpulan besar laporan pasien spontan ini dapat mengungkapkan sinyal yang layak untuk diteliti lebih cermat.

“Beberapa efek samping yang kami temukan, seperti mual, sudah dikenal luas, dan itu menunjukkan bahwa metode ini menangkap sinyal yang nyata,” kata Sharath Chandra Guntuku, Profesor Riset Madya di bidang Ilmu Komputer dan Informasi (CIS) di Penn Engineering dan penulis senior studi ini.

Gejala yang kurang dilaporkan adalah petunjuk yang berasal dari pasien sendiri, tanpa diminta, dan dokter berpotensi memperhatikannya.

Uji klinis dirancang untuk menentukan apakah pengobatan berhasil dan untuk mengidentifikasi masalah keamanan penting, tetapi uji klinis tidak selalu dapat menangkap setiap gejala yang penting bagi pasien setelah obat digunakan oleh populasi yang jauh lebih besar.

“Uji klinis umumnya mengidentifikasi efek samping obat yang paling berbahaya,” tambah Lyle Ungar, Profesor di CIS dan salah satu penulis studi ini. “Tetapi uji klinis dapat gagal menemukan gejala apa yang paling dikhawatirkan pasien; meskipun media sosial belum tentu representatif, kumpulan postingan yang besar dapat mencerminkan kekhawatiran tambahan.”

Perbedaan ini penting. Studi ini menemukan asosiasi dalam apa yang dibahas orang secara online, bukan bukti bahwa obat GLP-1 bertanggung jawab atas pengalaman tersebut.

“Kita tidak bisa mengatakan bahwa GLP-1 benar-benar menyebabkan gejala-gejala ini,” kata Neil Sehgal, penulis pertama studi, mahasiswa doktoral di CIS yang dibimbing oleh Guntuku dan Ungar.

“Tetapi hampir 4% pengguna Reddit dalam sampel kami melaporkan ketidakteraturan menstruasi, yang akan lebih tinggi lagi dalam sampel khusus perempuan. Kami pikir itu adalah sinyal yang layak diselidiki.”

Media sosial sebagai sinyal kesehatan dini

Gagasan untuk menggali percakapan daring untuk mencari petunjuk tentang keamanan obat sudah ada sebelum booming AI saat ini. Pada tahun 2011, Ungar berpartisipasi dalam salah satu upaya paling awal untuk menggunakan materi yang dibuat oleh pengguna internet untuk mengidentifikasi kemungkinan efek samping dari obat-obatan.

Media sosial dapat menangkap pengalaman yang dibahas pasien satu sama lain tetapi mungkin tidak pernah dilaporkan secara resmi kepada dokter, produsen obat, atau regulator.

“Komunitas pasien daring bekerja seperti gosip di lingkungan sekitar,” kata Ungar. “Orang-orang yang hidup dengan obat-obatan ini saling bertukar catatan secara real-time, berbagi pengalaman yang jarang sampai ke kunjungan ke dokter atau laporan resmi.”

Sejak saat itu, komunitas pasien daring telah berkembang pesat. Hal itu menjadikan media sosial sebagai sumber yang berpotensi berharga untuk mempelajari bagaimana obat-obatan memengaruhi orang dalam kehidupan sehari-hari, meskipun mendapatkan akses ke data platform menjadi lebih sulit.

Penelitian klinis tradisional tetap penting, para peneliti menekankan, tetapi percakapan daring dapat memberikan informasi jauh lebih cepat ketika jutaan orang mulai menggunakan obat.

“Uji klinis adalah standar emas, tetapi secara desain, uji klinis lambat,” kata Guntuku. “Ini bukan pengganti uji klinis, tetapi dapat bergerak jauh lebih cepat, dan kecepatan itu penting ketika suatu obat beralih dari ceruk pasar ke arus utama hampir dalam semalam.”

Analisis media sosial skala besar dengan AI

Salah satu hambatan terbesar selalu adalah skala. Guntuku menggambarkan pendekatan ini dengan istilah ‘pendengaran sosial komputasional’ yang menggunakan metode komputasi untuk mengidentifikasi pola dalam kumpulan besar percakapan daring tentang kesehatan.

Namun, pasien jarang menggambarkan gejala menggunakan terminologi medis standar. Seseorang mungkin menggambarkan perasaan kedinginan yang tidak biasa, orang lain mungkin menyebutkan menggigil terus-menerus, sementara seorang dokter dapat mengkategorikan pengalaman tersebut menggunakan istilah medis tertentu.

Oleh karena itu, para peneliti membutuhkan cara untuk menerjemahkan bahasa sehari-hari ke dalam kategori standar. Salah satu referensi penting adalah Kamus Medis untuk Aktivitas Regulasi (MedDRA), yang menyediakan terminologi yang banyak digunakan untuk mengklasifikasikan kondisi medis, gejala, dan kejadian buruk.

Sebelumnya, menghubungkan sejumlah besar unggahan media sosial informal dengan terminologi medis standar membutuhkan banyak sekali pekerjaan, sehingga membatasi seberapa banyak data yang dapat dianalisis secara realistis oleh para peneliti.

Model bahasa berskala besar seperti ChatGPT dan Gemini mengubah situasi tersebut dengan memungkinkan peneliti memproses dan mengategorikan teks dalam jumlah sangat besar secara lebih konsisten dan cepat.

“Model bahasa berskala besar memungkinkan analisis semacam ini dilakukan jauh lebih cepat dengan tingkat standardisasi yang sebelumnya sulit dicapai,” ujar Sehgal.

Gejala tak terduga muncul dari 400.000 unggahan

Para peneliti menegaskan bahwa pengguna Reddit tidak mewakili keseluruhan populasi orang yang mengonsumsi obat GLP-1. Pengguna Reddit cenderung lebih muda, lebih banyak laki-laki, dan sebagian besar berdomisili di Amerika Serikat.

Meskipun ada keterbatasan tersebut, analisis ini memberikan indikasi yang meyakinkan bahwa pendekatan yang digunakan berhasil mendeteksi pola yang nyata.

Banyak gejala yang dibahas oleh pengguna Reddit sangat sesuai dengan efek semaglutide dan tirzepatide yang sudah diketahui sebelumnya.

Sekitar 44% pengguna yang disertakan dalam penelitian ini melaporkan setidaknya satu efek samping. Masalah saluran pencernaan adalah yang paling umum, sejalan dengan keluhan mual dan gangguan pencernaan lain yang memang sudah dikaitkan dengan obat-obatan tersebut.

Yang lebih menarik adalah munculnya gejala-gejala yang cukup sering dilaporkan hingga menarik perhatian peneliti, namun mungkin tidak tercantum secara memadai dalam label obat saat ini ataupun laporan efek samping konvensional.

Hampir 4% pengguna yang melaporkan efek samping menyebutkan adanya gejala terkait sistem reproduksi. Gejala-gejala ini mencakup perubahan pada menstruasi, seperti pendarahan di luar masa haid, pendarahan hebat, dan siklus menstruasi yang tidak teratur.

Pengguna juga melaporkan perubahan suhu tubuh, termasuk menggigil, rasa dingin yang tidak wajar, termasuk hot flashes (sensasi panas mendadak), dan gejala menyerupai demam.

Kelelahan merupakan temuan penting lainnya. Ini adalah keluhan kedua yang paling sering dilaporkan dalam data Reddit, meskipun relatif sedikit uji klinis yang melaporkan kelelahan dengan frekuensi yang cukup tinggi untuk memenuhi ambang batas pelaporan yang ditetapkan.

Perubahan menstruasi dan suhu tubuh menarik perhatian

Salah satu kemungkinan alasan mengapa laporan-laporan ini menarik perhatian peneliti berkaitan dengan hipotalamus, yaitu bagian otak yang kecil namun sangat vital. Di antara berbagai fungsinya, hipotalamus berperan mengatur rasa lapar, hormon, reproduksi, dan suhu tubuh.

“Obat-obatan ini diperkirakan bekerja dengan memengaruhi bagian otak yang disebut hipotalamus, yang berperan mengatur berbagai jenis hormon,” kata Jena Shaw Tronieri, Peneliti Senior di Penn’s Center for Weight and Eating Disorders, salah satu penulis studi.

Hal ini tidak berarti bahwa obat-obatan tersebut pasti menjadi penyebab gejala-gejala ini, namun bisa jadi menunjukkan bahwa laporan mengenai perubahan siklus haid dan fluktuasi suhu tubuh layak diteliti secara lebih sistematis, imbuhnya.

Para peneliti tidak menyatakan bahwa hubungan biologis ini membuktikan obat-obatan GLP-1 sebagai penyebabnya. Sebaliknya, temuan ini memberikan alasan tambahan untuk mengkaji lebih cermat pola-pola yang dilaporkan pasien melalui penelitian yang terkontrol, demikian ulasan Science Daily. (BS)