Ученые на примере «ВКонтакте» разработали модель для выявления через соцсети новых побочных эффектов лекарств

Ученые отмечают, что в настоящее время отсутствуют стандартизированные и валидированные алгоритмы для эффективного и воспроизводимого сбора, обработки и оценки информации из соцсетей на уровне фарморганизации. Основные сложности в создании подобной системы, по их мнению, связаны с высоким уровнем шума в социальных сетях, использованием сленга, орфографическими ошибками пользователей и неполнотой данных, что затрудняет интеграцию этих данных в стандартные процессы обработки индивидуальных сообщений о НР.

Для разработки системы мониторинга в качестве исследуемой нозологической формы был выбран ревматоидный артрит – хроническое аутоиммунное заболевание, которое проявляется прогрессирующей деструкцией суставов и системным воспалением внутренних органов. Для исследования были отобраны следующие МНН – сульфасалазин, метотрексат, лефлуномид, тофацитиниб, олокизумаб, гидроксихлорохин. Все они входят в клинрекомендации Минздрава РФ для лечения ревматоидного артрита.

Анализ проводился на основе сообщений за 2025 год. Поиск форумов осуществляли по ключевому словосочетанию «ревматоидный артрит». В базу включали данные из сообществ с доступом без подписки с числом участников более 100 и наличием активности за период исследования. Всего в исследование включено семь открытых сообществ с совокупной аудиторией более 54 тысяч подписчиков. Автоматизированный поиск проводили по следующим ключам: «побочные эффекты», «побочное действие», «побочки». Дополнительно выполняли ручной просмотр для выявления контекстных описаний НР (например, «после приема началась тошнота», «покрылась сыпью» и т. п.).

Общее количество просмотренных постов и комментариев составило 58 884. Валидными из них были признаны лишь 1 463 сообщения, содержащие описание НР при применении препарата. Установленным критериям валидности сообщения соответствовали лишь 108 упоминаний (7,4%). Такой низкий процент, как отметили исследователи, подтверждает гипотезу о высоком информационном шуме в соцсетях.

В результате кодирования 108 валидных упоминаний получено 76 уникальных предпочтительных терминов НР, согласующихся со словарем MedDRA, из них 59 классифицированы как входящие в инструкции и 17 – как не указанные в инструкциях, то есть непредвиденные НР, формирующие гипотезы для последующей валидации в контексте сигнал-менеджмента.

Итоговая предложенная авторами работы модель выглядит так: сбор и фильтрация сообщений с упоминанием лекарства, качественная характеристика валидных НР по SOC, классификация НР на предмет предвиденности и непредвиденности, выделение сообщений с НР, кодирование НР в PT согласно MedDRA, рутинный фармаконадзор, определение валидности НР по полноте информации, сопоставление данных с официальными документами и фиксирование сигнала «валидация/эскалация».

В заключение ученые резюмировали, что соцсети представляют собой значимый, хотя и сложный для интерпретации дополнительный источник информации по безопасности препаратов.