IA identifica efeitos colaterais de canetas emagrecedoras não documentados em estudos clínicos

Quando pacientes começam a tomar semaglutida ou tirzepatida — os princípios ativos por trás de medicamentos como Ozempic e Mounjaro — eles frequentemente compartilham suas experiências em fóruns online antes de mencionar qualquer coisa fora do comum ao médico. Pesquisadores da Universidade da Pensilvânia decidiram ouvir essas conversas. Analisaram mais de 400 mil postagens no Reddit escritas por quase 70 mil usuários ao longo de cinco anos e descobriram que a inteligência artificial consegue identificar padrões de efeitos colaterais que os estudos clínicos tradicionais deixam passar — não porque os medicamentos sejam perigosos, mas porque os ensaios clínicos e os documentos oficiais simplesmente não capturam tudo aquilo que preocupa os pacientes no dia a dia.

O estudo, publicado na Nature Health, confirmou o óbvio: náusea é um efeito colateral bem conhecido desses remédios. Mas também encontrou algo mais intrigante. Quase 4% dos usuários que relataram efeitos colaterais descreveram problemas reprodutivos — ciclos menstruais irregulares, sangramento fora do período, sangramento intenso. Outros mencionaram sintomas ligados à temperatura corporal: calafrios, sensação de frio, ondas de calor, sensação semelhante à febre. A fadiga apareceu como o segundo sintoma mais citado, apesar de receber menos destaque em muitos ensaios clínicos. Cerca de 44% de todos os usuários analisados mencionaram pelo menos um efeito colateral, principalmente problemas gastrointestinais.

Sharath Chandra Guntuku, professor pesquisador associado em Ciência da Computação e Informação na Penn Engineering e autor sênior do estudo, explicou que o método está funcionando: ele captura sinais reais. Os sintomas subnotificados são pistas que vieram dos próprios pacientes, espontaneamente, e os médicos poderiam potencialmente prestar atenção a eles. Seu colega Lyle Ungar acrescentou que as redes sociais revelam preocupações que pacientes nem sempre levam às consultas. Os ensaios clínicos geralmente identificam os efeitos colaterais mais perigosos, mas podem deixar de encontrar quais sintomas mais preocupam os pacientes. Embora as redes sociais não sejam necessariamente representativas, uma grande coleção de publicações pode refletir preocupações adicionais que merecem investigação.

É importante ressaltar o que o estudo não prova: que os medicamentos tenham de fato causado os sintomas mencionados online. Neil Sehgal, primeiro autor do estudo e doutorando em Ciência da Computação e Informação, foi claro sobre isso. A análise aponta padrões de relatos que podem orientar novas investigações, mas não estabelece causalidade. Ainda assim, Sehgal considera o sinal de irregularidades menstruais digno de atenção — quase 4% em uma amostra geral, o que seria ainda maior se considerada apenas a população feminina. Jena Shaw Tronieri, pesquisadora sênior do Centro de Peso e Transtornos Alimentares da Universidade da Pensilvânia, ofereceu uma pista sobre o mecanismo. Acredita-se que esses medicamentos funcionem acionando o hipotálamo, a parte do cérebro que ajuda a regular uma ampla variedade de hormônios. Isso não significa que os medicamentos estejam necessariamente causando esses sintomas, mas pode sugerir que relatos de alterações menstruais e flutuações de temperatura corporal valem ser estudados de forma mais sistemática.

O avanço que tornou esse tipo de análise possível foi o desenvolvimento de grandes modelos de linguagem como GPT e Gemini. Um dos principais desafios para estudar discussões de saúde nas redes é a escala: usuários descrevem sintomas de maneiras variadas, o que dificulta comparar publicações com a terminologia médica padronizada usada por profissionais de saúde. Os modelos de linguagem tornaram possível processar grandes volumes de conversas online com mais rapidez e padronização do que seria viável fazer manualmente.

Os pesquisadores reconhecem limitações importantes. Usuários do Reddit não representam perfeitamente a população geral — tendem a ser mais jovens, mais frequentemente homens e desproporcionalmente baseados nos Estados Unidos. Mas muitos sintomas relatados coincidiram com efeitos colaterais já conhecidos da semaglutida e da tirzepatida, o que sugere que o método está capturando algo real. Ungar comparou as comunidades online de pacientes a uma rede de fofocas de bairro: pessoas que vivem com esses medicamentos estão trocando impressões em tempo real, compartilhando experiências que raramente chegam a uma consulta médica ou a um relatório oficial.

O próximo passo é ampliar a análise além do Reddit e de comunidades em inglês, a fim de verificar se padrões semelhantes aparecem em outras plataformas e populações no mundo. Os pesquisadores ainda não sabem realmente se o que estão vendo no Reddit reflete a experiência de usuários de GLP-1 globalmente ou se é algo particular do tipo de pessoa que publica no Reddit nos Estados Unidos. Para os autores, a análise de conversas em redes sociais com auxílio de inteligência artificial pode se tornar uma ferramenta relevante para detectar preocupações emergentes relacionadas a medicamentos e tendências de bem-estar antes dos sistemas tradicionais — especialmente útil em produtos de rápida disseminação, como substâncias vendidas em mercados pouco regulados ou não regulados, incluindo peptídeos injetáveis. O objetivo desse tipo de abordagem é justamente que ela possa se mover rapidamente, e é exatamente aí que ela é mais valiosa.