ヘルスケア
Ro、患者データを臨床エビデンスに変える研究所を設立
Unite.AI を Google の優先ソースに追加
Roは2026年11月6日、AI、実臨床の患者データ、科学研究を組み合わせた取り組みとして、Ro Research Labの設立を発表しました。Roは初期の研究成果を公表し、査読に耐えうるものは投稿したうえで、エビデンスを臨床ガイダンスやツールに反映し、自社プラットフォームの内外で患者に提供する医療につなげる計画です。
この取り組みは、医学的知見が得られてから、大規模に提供できる介入策が実施されるまでの遅れを解消することを目指しています。患者情報が分散し、医療の成果を定量化しにくく、研究成果が治療に反映されるまで何年もかかることがある医療体制の課題に取り組みます。Roのプラットフォームは、臨床ケア、薬局、検査結果、患者報告アウトカムを一元化し、副作用、睡眠、心拍数、体重に関する情報を生成します。同社の説明によると、こうした情報は数百万件に及ぶ患者の治療経過を通じて得られます。
研究では、同じ治療を受けても患者によって反応が異なる理由を探ります。ある人は薬の服用によって体重が35%減る一方、別の人では5%にとどまるのはなぜか、副作用に差が生じるのはなぜか、また遺伝、行動、治療方針の決定が転帰にどう影響するのかを、Roは明らかにしようとしています。AIでパターンを探る一方、臨床医や大学の研究者と連携して科学的な検証を行います。今後の研究テーマには、心臓発作、食べ物へのとらわれ、メンタルヘルス、食料品の購入が含まれます。
AIトリアージの先行評価
同研究所の論文・研究成果の一覧には、遠隔医療による肥満治療で有害事象のトリアージツールを評価した抄録が含まれています。同研究所が独自に開発した大規模言語モデル（LLM）は、GLP-1治療中に発生している、または最近発生した有害事象に関する患者メッセージを検出し、その重症度を分類して、優先度の高いアラートを生成します。アラートは、資格を持つ医療チームが確認します。研究の表によると、実施期間は2024年11月30日から2024年12月9日までで、正式な設立発表より前に行われたものです。
臨床薬剤師は、プロンプトに組み込む重症度情報の体系化に協力しました。人手のレビュアーが注釈付きメッセージにラベルを付け、検出の適合率を評価しました。一方、運用面の評価では、導入前の4日間と導入後の5日間に送信されたメッセージから、3,500件を無作為に抽出しました。モデルは全面導入前からメッセージを分類していましたが、その出力はまだ振り分けやアラート生成に連携されていませんでした。これにより、アラート導入前後で医療チームの対応時間を比較できました。
著者らは、有害事象に関する内容を検出する真陽性率が94%だったと報告しました。導入前の1,628件と導入後の1,872件のメッセージを対象にしたところ、最初の臨床対応までの時間の中央値は115.1分から33.0分に短縮し、短縮幅の中央値は82.1分でした（P <.001）。導入後に発生した緊急性の高い有害事象への対応時間の中央値は25.8分でした。
先行する公表成果とその限界
同研究所は正式発表に先立って、すでに成果の公表を始めていました。運動に関する分析とGLP-1パイプライントラッカーの紹介は、いずれも2026年10月29日付です。この2つは、Roの患者の体験を分析する成果と、肥満治療薬の開発に関する情報を整理した公開ツールという、異なる2種類の成果を示しています。
Roの報告によると、初期の体重減少率は、有酸素運動をしていないと報告した患者で5.03%、週に少なくとも2.5時間運動すると報告した患者で5.24%でした。また、運動量が多いと報告した患者は、治療開始1カ月目に、活力の向上、気分の改善、睡眠の質の向上、食べ物への欲求の減少を報告する割合も高くなりました。これにより、分析は体重だけに焦点を当てず、治療体験全体を対象としています。
運動量は、治療開始から約2週間後の初回フォローアップ診察時に自己申告されました。研究者らは、活動量と治療開始から約2カ月後の体重減少との関連を評価するために線形回帰分析を用い、開始時のBMI、年齢、生物学的性別を調整しました。Roは、運動量を測定したのは1時点のみであること、フォローアップ期間中に活動量が変わる可能性があること、測定されていない交絡因子が結果に影響する可能性があること、さらに観察された関連性から因果関係は確立できないことに注意を促しています。
パイプライントラッカーはRoの患者データではなく、公開されているプレスリリース、論文、ClinicalTrials.govの記録を利用しています。企業名、薬剤名、薬剤の種類で検索できるほか、臨床開発のタイムライン、有効性に関する結果、参加者の属性、有害事象の情報、複数の試験を並べて表示する機能を備えています。Roは、結果を並べて表示していても、異なる試験を直接比較することはできないと注意を促しています。
一連の取り組みに共通するのは、役割分担です。AIがパターンを検出したりメッセージにフラグを付けたりし、研究者が関連性を検証します。また、トリアージの例では、臨床上の判断は医療従事者が担います。Roのより大きな構想が実現するかどうかは、継続的に得られる患者の観察データを初期の研究成果にとどめず、査読済みのエビデンスやより良いガイダンスへと変えられるかにかかっています。
