Ein Forschungsteam hat ein neues KI-Modell entwickelt, das unerwünschte Arzneimittelwirkungen (Adverse Drug Reactions, ADRs) aus Beiträgen in sozialen Medien und Foren erkennen kann. Das Modell namens Mamba-ADR kombiniert ein State-Space-Modell (Mamba) mit Faltungsnetzen und einer Regressionskomponente.
In Tests auf dem MedHelp-Datensatz erreichte Mamba-ADR eine F1-Score von 79,28 Prozent und übertraf damit bisherige Methoden. Besonders hervorzuheben ist die geringe Rechenkomplexität: Das Modell benötigt deutlich weniger Rechenleistung als vergleichbare Transformer-basierte Ansätze und eignet sich daher besser für den praktischen Einsatz.
Das System analysiert informelle, oft unstrukturierte Texte aus Patientenforen und erkennt nicht nur, ob eine Nebenwirkung vorliegt, sondern kann auch deren Ausprägung quantifizieren. Dadurch lassen sich Unsicherheiten in der Annotation besser berücksichtigen als bei reinen Klassifikationsansätzen.
Die Autoren sehen in Mamba-ADR eine vielversprechende Ergänzung zur klassischen Pharmakovigilanz. Während herkömmliche Meldesysteme oft unter Untererfassung leiden, können Social-Media-Daten frühzeitig Hinweise auf bisher unbekannte oder seltene Nebenwirkungen liefern.
Die Studie wurde in der Fachzeitschrift Frontiers in Medical Technology veröffentlicht. Die Forscher betonen, dass weitere Arbeiten notwendig sind, um das Modell auf mehrere Sprachen auszuweiten und in reale Überwachungssysteme zu integrieren.
Quelle:
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
