AI přečetla 400 000 diskuzí a našla, co studie přehlédly

Tým z University of Pennsylvania nechal umělou inteligenci přečíst více než 400 000 příspěvků od zhruba 70 000 lidí. Nešlo o klinickou databázi ani o placený průzkum — byly to obyčejné diskuze na Redditu. AI z nich vytáhla vedlejší účinky léků, které se v oficiálních popisech neobjevují. Výsledky vyšly v časopise Nature Health a jsou hezkou ukázkou principu, který platí i mimo medicínu: odpověď už dávno existuje, jen leží v textu, který nikdo systematicky nečte.

Co přesně vědci udělali

Výzkumníci z Penn Engineering pod vedením Sharatha Chandry Guntukua sebrali veřejné příspěvky lidí, kteří na Redditu psali o lécích semaglutid (Ozempic, Wegovy) a tirzepatid (Mounjaro, Zepbound). Dohromady přes 400 000 příspěvků od zhruba 70 000 uživatelů za více než pět let.

Klíčový krok nebyl ve sběru dat, ale v překladu. Lidé na fóru nepíšou „zaznamenal jsem termoregulační dysfunkci“. Píšou „už třetí týden je mi pořád zima, i když mám na sobě mikinu“. Velký jazykový model tenhle neformální jazyk převedl do standardizované lékařské terminologie MedDRA — tedy do kategorií, které se dají spočítat, seřadit a porovnat.

Co z toho vyšlo:

• 44 % uživatelů zmínilo alespoň jeden vedlejší účinek.
• Nejčastější byly trávicí obtíže — to se vědělo, oficiální popisy je uvádějí.
• Druhou nejčastěji zmiňovanou obtíží byla únava.
• Zhruba 4 % uživatelů popsalo změny menstruačního cyklu (v čistě ženské části vzorku výrazně víc).
• Opakovaně se objevovaly výkyvy tělesné teploty — zimnice a návaly horka.

Poslední dvě kategorie nejsou standardní součástí toho, co se u těchto léků běžně sleduje. Právě je vědci označili za signály, které si zaslouží další zkoumání.

Proč to klinická studie nenajde

Klinické studie jsou navržené tak, aby našly to nejnebezpečnější — ne to, co pacienta nejvíc trápí. To není chyba, to je jejich účel. Ale má to tři důsledky, které se týkají úplně stejně i firemních dat.

Za prvé: najdete jen to, na co se zeptáte. Strukturovaný dotazník má pevný seznam položek. Pokud na něm „je mi pořád zima“ není, nikdo to nevyplní.

Za druhé: lidé nehlásí drobnosti. Závažnou příhodu pacient nahlásí. Únavu, která mu kazí dva měsíce života, spíš okomentuje s kamarádkou — nebo napíše anonymně na internet.

Za třetí: čas a vzorek. Studie běží omezenou dobu s omezeným počtem účastníků. Diskuzní fórum běží roky a nikdo ho neplatí.

	Strukturovaný dotazník	Volný text od lidí
Co zachytí	Jen předem definované položky	Cokoliv, co člověka napadlo
Objem	Stovky až tisíce odpovědí	Statisíce zápisů
Časový rozsah	Trvání studie	Roky, průběžně
Kvalita dat	Vysoká, srovnatelná	Nízká, nekonzistentní
Dřív nepoužitelné, protože	—	Nikdo to nedokázal přečíst

Ten poslední řádek je celý vtip. Volný text tu byl vždycky. Nové je jen to, že ho jde levně strojově zpracovat.

Stejný princip, jiná branže

Zkuste si tu tabulku přečíst znovu a místo „pacienti“ si dosaďte „zákazníci“. Skoro každá firma sedí na stejném typu dat:

• recenze na Heurece, Google a sociálních sítích,
• e-maily a tikety na podpoře,
• přepisy hovorů z call centra,
• poznámky obchodníků v CRM,
• reklamace a jejich popisy,
• volné textové pole „další komentář“ v dotazníku spokojenosti.

Tahle data se typicky čtou jednotlivě — nebo vůbec. Statistiky z nich vznikají leda podle kategorií, které někdo nastavil před třemi lety. A to je přesně ta situace z klinické studie: najdete jen to, na co se ptáte.

Přitom otázka, která má největší cenu, zní jinak. Ne „kolik lidí si stěžovalo na dopravu“ — to víte z tiketů. Ale „co lidé zmiňují mimochodem, aniž by si na to stěžovali?“ Věta typu „nakonec jsem to objednal, ale chvíli jsem nevěděl, jestli je to kompatibilní“ se do žádné kategorie nevejde. Když se ale objeví ve dvou stech e-mailech, je to nejlevnější úprava produktové stránky, jakou letos uděláte.

Uvažujete, jestli něco takového dává smysl i u vás? V AI poradenství to s vámi projdeme krok za krokem — včetně toho, kdy je odpověď „vaše data na to zatím nestačí“. Nezávazná úvodní konzultace je zdarma a řekneme vám i to, co slyšet nechcete.

Kde to má hranice

Autoři studie jsou v tomhle příkladně opatrní a stojí za to je citovat: „Nemůžeme tvrdit, že tyto příznaky GLP-1 léky skutečně způsobují.“ To je zásadní rozdíl, který se v přenosu do byznysu často ztrácí.

Korelace není příčina. AI našla, že se něco často zmiňuje společně. Proč, to neřekla.

Vzorek není reprezentativní. Uživatelé Redditu jsou mladší, častěji muži a převážně z USA. U firem platí obdoba: recenze píšou nadšenci a naštvaní. Mlčící většina ve vašich datech chybí — a často je to právě ta, která tiše odchází.

Signál je hypotéza, ne závěr. Správný výstup takové analýzy není rozhodnutí. Je to seznam pěti věcí, které stojí za to ověřit — telefonátem, testem, A/B experimentem. Pokud to někdo prodává jako „AI vám řekne, co máte dělat“, prodává vám iluzi. Víc o tom, jak si ověřit, na co vaše firma s AI reálně má, najdete v AI Kompasu, a příklady použití v praxi v sekci AI v praxi.

Časté otázky

Kolik dat AI ve studii zpracovala?

Více než 400 000 veřejných příspěvků od zhruba 70 000 uživatelů Redditu, sesbíraných za období delší než pět let. Studii publikoval tým z University of Pennsylvania v časopise Nature Health v roce 2026.

Znamená to, že ty léky zmíněné potíže způsobují?

Ne. Autoři to výslovně odmítají tvrdit. Analýza ukazuje, o čem lidé píšou často — nikoliv co je příčinou. Jde o podnět pro další výzkum, ne o lékařský závěr. O konkrétní léčbě vždy rozhoduje lékař.

Potřebuje firma na podobnou analýzu vlastní AI model?

Ve většině případů ne. Na kategorizaci volného textu do smysluplných skupin dnes stačí běžně dostupné jazykové modely přes API. Náročnější než technologie bývá příprava dat — jejich vyčištění, anonymizace a rozhodnutí, na co se vlastně ptáte.

A co vaše data?

Vědci z Pennsylvánie nepostavili nový model ani nesbírali nová data. Vzali text, který tam ležel roky volně dostupný, a poprvé ho pořádně přečetli. Otázka na závěr je nepříjemně jednoduchá: kolik textu od zákazníků leží nepřečteného u vás?

Zdroje: Penn Today, ScienceDaily, Nature Health (2026), Medical News Today