Uma equipe de pesquisa desenvolveu um novo modelo de IA capaz de detectar reações adversas a medicamentos (RAMs) a partir de postagens em mídias sociais e fóruns. O modelo, chamado Mamba-ADR, combina um modelo de espaço de estados (Mamba) com redes convolucionais e um componente de regressão.
Em testes no conjunto de dados MedHelp, o Mamba-ADR alcançou um F1-Score de 79,28%, superando métodos anteriores. Notavelmente, sua complexidade computacional é baixa: o modelo requer significativamente menos poder de processamento do que abordagens comparáveis baseadas em Transformers, tornando-o mais adequado para uso prático.
O sistema analisa textos informais e frequentemente não estruturados de fóruns de pacientes, não apenas detectando a presença de um efeito colateral, mas também quantificando sua gravidade. Isso permite considerar melhor as incertezas na anotação em comparação com abordagens puramente de classificação.
Os autores veem o Mamba-ADR como um complemento promissor à farmacovigilância clássica. Enquanto os sistemas de notificação tradicionais frequentemente sofrem com subnotificação, os dados de mídias sociais podem fornecer sinais precoces de efeitos colaterais ainda desconhecidos ou raros.
O estudo foi publicado na revista científica Frontiers in Medical Technology. Os pesquisadores enfatizam que mais trabalhos são necessários para expandir o modelo para múltiplos idiomas e integrá-lo a sistemas de monitoramento reais.
Fonte:
Zhang S, Zhang T, Ma Y (2026). Mamba-ADR: adverse drug reaction detection from social-media using state-space regression model. Frontiers in Medical Technology. DOI: 10.3389/fmedt.2026.1786957
