Ro lance un laboratoire de recherche pour transformer les données des patients en données probantes cliniques

Ro a annoncé le lancement de Ro Research Lab le 6 novembre 2026, une initiative qui associe l’IA, des données réelles sur les patients et la recherche scientifique. Ro prévoit de publier ses premiers résultats, de soumettre à l’évaluation par les pairs ceux qui résisteront à cet examen, puis de transformer ces données probantes en recommandations cliniques, en outils et en soins destinés aux patients, sur sa propre plateforme comme en dehors de celle-ci.

L’initiative vise à réduire le délai entre une découverte médicale et la mise en place d’une intervention pouvant être déployée à grande échelle. Elle s’attaque à un système où les informations sur les patients sont dispersées, où les résultats des soins sont difficiles à quantifier et où la recherche peut mettre des années à influer sur les traitements. La plateforme de Ro réunit les soins cliniques, les services pharmaceutiques, les résultats d’analyses de laboratoire et les résultats rapportés par les patients. Elle génère des informations sur les effets secondaires, le sommeil, la fréquence cardiaque et le poids tout au long de ce que l’entreprise décrit comme des millions de parcours de patients.

Les questions de recherche portent sur les raisons pour lesquelles les patients réagissent différemment à un même traitement. Ro cherche à comprendre pourquoi une personne pourrait perdre 35 % de son poids avec un médicament, tandis qu’une autre n’en perdrait que 5 %, pourquoi les effets secondaires varient et comment la génétique, le comportement et les décisions thérapeutiques influent sur les résultats. L’IA recherchera des tendances, tandis que des essais scientifiques seront menés avec des cliniciens et des chercheurs universitaires. Les sujets prévus comprennent les crises cardiaques, les pensées obsédantes liées à la nourriture, la santé mentale et les achats alimentaires.

Une évaluation antérieure du triage par IA

Le catalogue des publications du laboratoire comprend un résumé évaluant un outil de triage des événements indésirables dans le cadre de soins contre l’obésité dispensés à distance. Son grand modèle de langage (LLM) personnalisé détectait les messages de patients portant sur des événements indésirables en cours ou récents pendant un traitement par GLP-1, en classait la gravité et générait des alertes prioritaires destinées à être examinées par une équipe de soins agréée. Le tableau de l’étude situe les travaux entre le 30 novembre 2024 et le 9 décembre 2024 : ils sont donc antérieurs au lancement officiel.

Des pharmaciens cliniciens ont contribué à élaborer les informations structurées sur la gravité, intégrées à la consigne. Des évaluateurs humains ont étiqueté les messages annotés afin d’évaluer la précision de la détection, tandis que l’évaluation opérationnelle s’est appuyée sur un échantillon aléatoire de 3 500 messages envoyés au cours des quatre jours précédant la mise en œuvre et des cinq jours qui l’ont suivie. Le modèle classait déjà les messages avant son déploiement complet, mais ses résultats n’étaient pas encore reliés à l’acheminement des messages ni à la génération d’alertes. Cela a permis de comparer les délais de réponse de l’équipe de soins avant et après l’introduction des alertes.

Les auteurs ont rapporté un taux de vrais positifs de 94 % pour la détection des contenus relatifs aux événements indésirables. Parmi les 1 628 messages antérieurs à la mise en œuvre et les 1 872 messages postérieurs, le délai médian avant la première réponse clinique est passé de 115,1 minutes à 33,0 minutes, soit une réduction médiane de 82,1 minutes (P <.001). Après la mise en œuvre, le délai médian de réponse aux événements indésirables urgents était de 25,8 minutes.

Premières publications et leurs limites

Le laboratoire avait également commencé à publier avant son annonce officielle. Une analyse de l’exercice physique et la présentation du GLP-1 Pipeline Tracker sont toutes deux datées du 29 octobre 2026. Ensemble, elles illustrent deux types de résultats différents : une analyse des expériences des patients de Ro et un outil public qui rassemble des informations sur le développement de médicaments contre l’obésité.

Ro a rapporté une perte de poids précoce de 5,03 % chez les patients ayant déclaré ne pratiquer aucune activité cardiovasculaire et de 5,24 % chez ceux ayant déclaré en pratiquer au moins 2,5 heures par semaine. Les patients qui déclaraient faire davantage d’exercice étaient également plus susceptibles de signaler une hausse de leur niveau d’énergie, une amélioration de leur humeur et de leur sommeil, ainsi qu’une diminution de leurs envies de manger au premier mois. L’analyse prenait donc en compte l’expérience globale du traitement, et pas uniquement le poids.

L’exercice physique était autodéclaré lors de la première visite de suivi, environ deux semaines après le début du traitement. Les chercheurs ont utilisé une régression linéaire pour évaluer l’association entre l’activité physique et la perte de poids vers le deuxième mois, en tenant compte de l’indice de masse corporelle initial, de l’âge et du sexe biologique. Ro a précisé que l’exercice n’avait été mesuré qu’à un seul moment, que le niveau d’activité pouvait évoluer au cours du suivi, que des facteurs de confusion non mesurés pouvaient influer sur les résultats et que les associations observationnelles ne permettent pas d’établir un lien de causalité.

Le suivi des médicaments en développement s’appuie sur des communiqués de presse accessibles au public, des articles publiés et des données de ClinicalTrials.gov, et non sur les données des patients de Ro. Il permet d’effectuer des recherches par entreprise, médicament ou type de médicament, et donne accès à un calendrier du développement clinique, aux résultats d’efficacité, aux caractéristiques démographiques des participants, aux informations sur les événements indésirables et à des vues comparatives des essais. Ro souligne que les résultats de différents essais ne sont pas directement comparables, même lorsqu’ils sont présentés côte à côte.

Le fil conducteur est une répartition des rôles : l’IA détecte des tendances ou signale des messages, les chercheurs vérifient les associations et, dans l’exemple du triage, les professionnels de santé conservent la responsabilité des décisions cliniques. L’ambition plus large de Ro dépend désormais de sa capacité à transformer des observations continues sur les patients en données probantes évaluées par des pairs et en meilleures recommandations, plutôt que de s’en tenir à des résultats préliminaires.