Ro lanza un laboratorio de investigación para convertir los datos de pacientes en evidencia clínica

Ro anunció el lanzamiento de Ro Research Lab el 6 de noviembre de 2026, una iniciativa que combina IA, datos de pacientes del mundo real e investigación científica. Ro prevé publicar los primeros hallazgos, someter a revisión por pares aquellos que superen el escrutinio y convertir la evidencia en orientación clínica, herramientas y atención para pacientes tanto dentro como fuera de su propia plataforma.

La iniciativa busca reducir el tiempo que transcurre entre un hallazgo médico y una intervención que pueda implementarse a gran escala. Aborda un sistema en el que la información de los pacientes está dispersa, los resultados de la atención son difíciles de cuantificar y la investigación puede tardar años en influir en los tratamientos. La plataforma de Ro reúne la atención clínica, la farmacia, los resultados de laboratorio y los resultados comunicados por los pacientes, y genera información sobre efectos secundarios, sueño, frecuencia cardíaca y peso a lo largo de lo que la empresa describe como millones de trayectorias de pacientes.

Las preguntas de investigación se centran en por qué los pacientes responden de manera diferente al mismo tratamiento. Ro quiere averiguar por qué una persona podría perder el 35 % de su peso corporal con un medicamento, mientras que otra perdería el 5 %; por qué varían los efectos secundarios, y cómo la genética, el comportamiento y las decisiones terapéuticas influyen en los resultados. La IA buscará patrones, mientras que las pruebas científicas se llevarán a cabo junto con profesionales clínicos e investigadores académicos. Entre los temas previstos figuran los infartos, el ruido relacionado con la comida, la salud mental y las compras de alimentos.

Una evaluación anterior de la clasificación mediante IA

El catálogo de publicaciones del laboratorio incluye un resumen que evalúa una herramienta de clasificación de eventos adversos en la atención telemática de la obesidad. Su modelo de lenguaje de gran tamaño (LLM), desarrollado a medida, detectó mensajes de pacientes sobre eventos adversos actuales o recientes durante el tratamiento con GLP-1, clasificó su gravedad y generó alertas de alta prioridad para que las revisara el equipo de atención autorizado. La tabla del estudio sitúa el trabajo entre el 30 de noviembre de 2024 y el 9 de diciembre de 2024, por lo que es anterior al lanzamiento oficial.

Farmacéuticos clínicos ayudaron a desarrollar la información estructurada sobre la gravedad que se incorporó a la instrucción. Revisores humanos etiquetaron mensajes anotados para evaluar la precisión de la detección, mientras que la evaluación operativa utilizó una muestra aleatoria de 3.500 mensajes enviados durante los cuatro días anteriores y los cinco días posteriores a la implementación. El modelo ya clasificaba mensajes antes de su implementación completa, pero sus resultados aún no estaban conectados con el enrutamiento ni con la generación de alertas. Esto permitió comparar los tiempos de respuesta del equipo de atención antes y después de introducir las alertas.

Los autores informaron de una tasa de verdaderos positivos del 94 % en la detección de contenido relacionado con eventos adversos. Entre los 1.628 mensajes anteriores a la implementación y los 1.872 posteriores, la mediana del tiempo hasta la primera respuesta clínica bajó de 115,1 minutos a 33,0 minutos, con una reducción mediana de 82,1 minutos (P < 0,001). Tras la implementación, los eventos adversos urgentes tuvieron un tiempo de respuesta mediano de 25,8 minutos.

Publicaciones anteriores y sus limitaciones

El laboratorio también había empezado a publicar antes del anuncio oficial. Un análisis del ejercicio y la introducción de GLP-1 Pipeline Tracker están fechados ambos el 29 de octubre de 2026. En conjunto, representan dos tipos distintos de resultados: un análisis de las experiencias de los pacientes de Ro y una herramienta pública que organiza información sobre el desarrollo de medicamentos contra la obesidad.

Ro informó de una pérdida de peso inicial del 5,03 % entre los pacientes que dijeron no hacer ejercicio cardiovascular y del 5,24 % entre quienes dijeron hacer al menos 2,5 horas por semana. Los pacientes que dijeron hacer más ejercicio también tenían más probabilidades de informar de un aumento de energía, una mejora del estado de ánimo, un mejor sueño y menos antojos al primer mes. Así, el análisis abarcó la experiencia general del tratamiento, en lugar de centrarse exclusivamente en el peso.

El ejercicio se autoinformó en la primera visita de seguimiento, aproximadamente dos semanas después del inicio del tratamiento. Los investigadores utilizaron una regresión lineal para evaluar la asociación entre la actividad física y la pérdida de peso alrededor del segundo mes, ajustando los resultados según el índice de masa corporal inicial, la edad y el sexo biológico. Ro advirtió que el ejercicio se midió en un único momento, que la actividad podía cambiar durante el seguimiento, que factores de confusión no medidos podían influir en los resultados y que las asociaciones observacionales no demuestran causalidad.

El rastreador del programa de desarrollo utiliza comunicados de prensa disponibles públicamente, artículos publicados y registros de ClinicalTrials.gov, en lugar de datos de pacientes de Ro. Permite buscar por empresa, medicamento o tipo de medicamento, y ofrece una cronología del desarrollo clínico, resultados de eficacia, datos demográficos de los participantes, información sobre eventos adversos y vistas comparativas de ensayos. Ro advierte que los distintos ensayos no son directamente comparables, aunque sus resultados se muestren juntos.

El elemento común es la división de tareas: la IA detecta patrones o señala mensajes, los investigadores evalúan las asociaciones y los profesionales sanitarios conservan la responsabilidad de las decisiones clínicas en el ejemplo de clasificación. La ambición más amplia de Ro depende ahora de que esa división permita convertir las observaciones continuas de los pacientes en evidencia revisada por pares y mejores orientaciones, en lugar de limitarse a los primeros hallazgos.