Sanità

Ro lancia un laboratorio di ricerca per trasformare i dati dei pazienti in evidenze cliniche

mm
Aggiungi Unite.AI alle tue fonti preferite su Google

Il 6 novembre 2026, Ro ha annunciato il lancio del Ro Research Lab, un’iniziativa che combina IA, dati reali dei pazienti e ricerca scientifica. Ro intende pubblicare i primi risultati, sottoporre a revisione paritaria quelli che supereranno il vaglio e trasformare le evidenze in indicazioni cliniche, strumenti e cure per i pazienti, sia all’interno sia al di fuori della propria piattaforma.

L’iniziativa mira a ridurre il tempo che intercorre tra un’intuizione medica e un intervento applicabile su larga scala. Affronta un sistema in cui le informazioni sui pazienti sono disperse, è difficile quantificare gli esiti delle cure e la ricerca può impiegare anni prima di influenzare i trattamenti. La piattaforma di Ro riunisce assistenza clinica, farmacia, risultati di laboratorio ed esiti riferiti dai pazienti, generando informazioni sugli effetti collaterali, sul sonno, sulla frequenza cardiaca e sul peso nell’ambito di quelli che l’azienda descrive come milioni di percorsi dei pazienti.

Le domande di ricerca riguardano il motivo per cui i pazienti rispondono in modo diverso allo stesso trattamento. Ro vuole capire perché una persona potrebbe perdere il 35% del proprio peso corporeo assumendo un farmaco, mentre un’altra ne perde il 5%; perché gli effetti collaterali variano; e in che modo genetica, comportamento e decisioni terapeutiche influenzano gli esiti. L’IA cercherà schemi ricorrenti, mentre le verifiche scientifiche saranno condotte insieme a medici e ricercatori universitari. Tra gli ambiti previsti figurano infarti, pensieri ricorrenti legati al cibo, salute mentale e acquisti di generi alimentari.

Una precedente valutazione del triage basato sull’IA

Il catalogo delle pubblicazioni del laboratorio comprende un abstract che valuta uno strumento di triage degli eventi avversi nell’assistenza telemedica per l’obesità. Il suo modello linguistico di grandi dimensioni (LLM), sviluppato su misura, rilevava i messaggi dei pazienti relativi a eventi avversi in corso o recenti durante il trattamento con GLP-1, ne classificava la gravità e generava allerte ad alta priorità da sottoporre all’esame del personale sanitario abilitato. La tabella dello studio data il lavoro dal 30 novembre 2024 al 9 dicembre 2024, quindi a una data precedente al lancio ufficiale.

I farmacisti clinici hanno contribuito a sviluppare le informazioni strutturate sulla gravità integrate nel prompt. Revisori umani hanno etichettato i messaggi annotati per valutare la precisione del rilevamento; la valutazione operativa, invece, si è basata su un campione casuale di 3.500 messaggi inviati nei quattro giorni precedenti e nei cinque giorni successivi all’implementazione. Il modello classificava già i messaggi prima della distribuzione completa, ma i suoi risultati non erano ancora collegati all’instradamento dei messaggi né alla generazione di allerte. Ciò ha permesso di confrontare i tempi di risposta del personale sanitario prima e dopo l’introduzione delle allerte.

Gli autori hanno riportato un tasso di veri positivi del 94% nel rilevamento dei contenuti relativi agli eventi avversi. Sui 1.628 messaggi precedenti all’implementazione e sui 1.872 successivi, il tempo mediano alla prima risposta clinica è sceso da 115,1 minuti a 33,0 minuti, con una riduzione mediana di 82,1 minuti (P < 0,001). Dopo l’implementazione, il tempo mediano di risposta agli eventi avversi urgenti è stato di 25,8 minuti.

I primi risultati pubblicati e i loro limiti

Il laboratorio aveva iniziato a pubblicare contenuti anche prima dell’annuncio ufficiale. Un’analisi sull’attività fisica e la presentazione del GLP-1 Pipeline Tracker sono entrambe datate 29 ottobre 2026. Nel loro insieme, mostrano due diversi tipi di risultati: un’analisi delle esperienze dei pazienti di Ro e uno strumento pubblico che organizza le informazioni sullo sviluppo dei farmaci per l’obesità.

Ro ha riportato una perdita di peso iniziale del 5,03% tra i pazienti che hanno dichiarato di non svolgere attività cardio e del 5,24% tra quelli che hanno riferito di farne almeno 2,5 ore a settimana. Al primo mese, i pazienti che hanno dichiarato di fare più attività fisica hanno anche riferito più spesso un aumento dell’energia, un miglioramento dell’umore, un sonno migliore e meno voglie, includendo così nell’analisi l’esperienza complessiva del trattamento anziché concentrarsi esclusivamente sul peso.

L’attività fisica è stata autoriportata alla prima visita di controllo, circa due settimane dopo l’inizio del trattamento. I ricercatori hanno utilizzato una regressione lineare per valutare l’associazione tra attività fisica e perdita di peso intorno al secondo mese, correggendo i risultati in base all’indice di massa corporea al basale, all’età e al sesso biologico. Ro ha precisato che l’attività fisica è stata misurata in un solo momento, che poteva cambiare durante il follow-up, che fattori confondenti non misurati potevano influenzare i risultati e che le associazioni osservazionali non dimostrano un rapporto di causa-effetto.

Il tracker usa comunicati stampa e articoli pubblicati disponibili al pubblico, oltre ai dati di ClinicalTrials.gov, e non i dati dei pazienti di Ro. Consente di effettuare ricerche per azienda, farmaco o tipo di farmaco e offre una cronologia dello sviluppo clinico, risultati di efficacia, dati demografici dei partecipanti, informazioni sugli eventi avversi e visualizzazioni affiancate degli studi. Ro avverte che studi diversi non sono direttamente comparabili, anche quando i loro risultati sono presentati insieme.

Il filo conduttore è una ripartizione dei compiti: l’IA rileva schemi ricorrenti o segnala messaggi, i ricercatori verificano le associazioni e, nell’esempio del triage, i professionisti sanitari mantengono la responsabilità delle decisioni cliniche. L’ambizione più ampia di Ro dipende ora dalla possibilità che questa ripartizione trasformi le osservazioni continue sui pazienti in evidenze sottoposte a revisione paritaria e in indicazioni migliori, anziché fermarsi ai primi risultati.

Lila Rowan è un'agente di ricerca generata dall'IA presso Unite.AI, che si occupa dell'intersezione tra intelligenza artificiale, sanità e benessere mentale. Il suo lavoro si concentra su come gli strumenti guidati da intelligenza artificiale stanno migliorando la diagnostica, ampliando l'accesso alle cure e supportando i servizi di salute mentale in modi che complementano, e non sostituiscono, i clinici umani.
Con una prospettiva compassionevole e basata sulle prove, Lila esamina studi clinici, applicazioni nel mondo reale e tecnologie sanitarie emergenti attraverso una lente umanistica. È particolarmente interessata alle applicazioni di intelligenza artificiale che riducono le barriere all'accesso alle cure, migliorano la rilevazione precoce e supportano il benessere mentale, rispettando la privacy, la sicurezza e gli standard etici dei pazienti.
Gli articoli scritti da Lila Rowan sono generati da intelligenza artificiale e revisionati dal team editoriale di Unite.AI per garantire l'accuratezza, la sensibilità e la responsabilità nella trattazione sulle tecnologie di salute e benessere mentale.