Как стартап nference применил LLM для анализа скрытого приема пептидов

Рост популярности серого рынка пептидов

Поиск конкретных данных о нерегулируемых пептидах представляет собой сложную задачу из-за отсутствия официальных цифр и данных о безопасности. Одним из таких веществ является BPC-157, изначально обнаруженный в желудочном соке в 1993 году и предположительно способствующий восстановлению тканей. Препарат не одобрен ни одним регулирующим органом, а его изучение велось преимущественно на животных.

Согласно систематическому обзору за 2025 год, для BPC-157 было найдено лишь 35 доклинических исследований и одно клиническое исследование на людях. Тем не менее интерес к веществу растет: в 2024 году видеоролики о нем набрали более 50 миллионов просмотров на YouTube и TikTok. По данным Google Trends, за последние пять лет число традиционных поисковых запросов в США выросло на 1600 процентов.

Анализ медицинских карт с помощью LLM

Исследователи из стартапа nference провели ретроспективный анализ анонимизированных электронных медицинских карт с использованием большой языковой модели для поиска упоминаний пептида в клинических заметках. Метод имеет ограничения, поскольку у BPC-157 нет страхового кода или единообразного способа фиксации врачами. Тем не менее анализ выявил резкое увеличение числа пациентов, сообщающих о приеме.

Число подтвержденных пациентов, использовавших BPC-157, выросло примерно с 54 в первом квартале 2022 года до 1018 в первом квартале 2026 года. Около 33 процентов пациентов не использовали другие терапии, тогда как примерно половина комбинировала пептид с другими веществами, такими как тестостерон, НПВП и TB-500. Большинство пациентов принимали препарат перорально или через инъекции.

Проблемы данных и скрытое использование

Средний возраст пациентов, сообщающих о приеме врачам, в верхней части 40-х годов, при этом 96 процентов из них были белыми пациентами. Исследователи отмечают, что пациенты часто скрывают прием пептидов и в среднем ждут около двух месяцев, прежде чем обсудить это с медиками. Основной фиксируемой причиной использования является купирование боли.

Использование языковых моделей для анализа записей не может дать надежных выводов об эффективности или безопасности препарата для человека. Подавляющее большинство данных основано на субъективных самоотчетах пациентов, а врачи редко фиксировали объективное улучшение состояния. Из-за отсутствия стандартизированных данных медицинские карты содержат неизбежные предвзятости.

Ограничения исследования и выводы

Авторы исследования подчеркивают, что пациенты получали пептид из источников серого рынка, из-за чего сохраняется вероятность приема других веществ или проявления эффекта плацебо. Сложности анализа связаны с тем, что исследователи вынуждены опираться исключительно на неструктурированные клинические заметки. Медицинскому сообществу необходимо упростить структурирование подобных разговоров с пациентами.

Полученные данные поднимают больше вопросов, чем дают ответов, но демонстрируют масштаб явления. Врачи сталкиваются с необходимостью выстраивать диалог с пациентами, обращающимися к нерегулируемым рынкам. Регулирующие органы со своей стороны продолжают указывать на недостаточность клинических доказательств безопасности препаратов.

Что это значит для пользователей

• Технология языковых моделей помогает исследователям обрабатывать тысячи неструктурированных медицинских карт для поиска скрытых тенденций в здравоохранении.
• Компания nference использовала свой подход для исследовательских целей на основе закрытых массивов данных, о публичной доступности или стоимости инструмента для обычных пользователей в источнике не сообщается.
• Обычным людям стоит учитывать, что нерегулируемые препараты вроде BPC-157 не имеют доказанной безопасности и клинических испытаний на людях.
• Использование таких методов анализа медицинских карт демонстрирует масштаб бесконтрольного приема веществ, но не заменяет полноценные клинические испытания.

Источник: theverge.com

• nference
• LLM
• BPC-157
• медицина
• искусственный интеллект

Обсудить в Telegram