Ro uruchamia laboratorium badawcze, które ma przekształcać dane pacjentów w dowody kliniczne

Ro ogłosiło uruchomienie Ro Research Lab 6 listopada 2026 r. To inicjatywa łącząca AI, rzeczywiste dane pacjentów i badania naukowe. Ro planuje publikować wstępne wyniki, zgłaszać do recenzji naukowej te, które przejdą weryfikację, oraz przekładać zgromadzone dowody na wytyczne kliniczne, narzędzia i opiekę dla pacjentów korzystających z platformy firmy i spoza niej.

Inicjatywa ma skrócić czas między odkryciem medycznym a wdrożeniem rozwiązania na szeroką skalę. Odpowiada na problemy systemu, w którym informacje o pacjentach są rozproszone, wyniki opieki trudno zmierzyć, a badania mogą potrzebować lat, by wpłynąć na sposób leczenia. Platforma Ro łączy opiekę kliniczną, usługi farmaceutyczne, wyniki badań laboratoryjnych i zgłaszane przez pacjentów informacje o ich stanie, gromadząc dane dotyczące skutków ubocznych, snu, tętna i masy ciała w ramach — jak określa to firma — milionów doświadczeń pacjentów.

Badania mają pomóc ustalić, dlaczego pacjenci różnie reagują na to samo leczenie. Ro chce dowiedzieć się, dlaczego jedna osoba może stracić 35% masy ciała podczas stosowania leku, a inna 5%, z czego wynikają różnice w skutkach ubocznych oraz jak genetyka, zachowanie i decyzje dotyczące leczenia wpływają na jego wyniki. AI będzie szukać wzorców, a badania naukowe będą prowadzone we współpracy z klinicystami i badaczami akademickimi. Planowane tematy obejmują zawały serca, natrętne myśli o jedzeniu, zdrowie psychiczne i zakupy spożywcze.

Wcześniejsza ocena narzędzia AI do segregacji zgłoszeń

Katalog publikacji laboratorium obejmuje streszczenie oceniające narzędzie do segregacji zgłoszeń o zdarzeniach niepożądanych w telemedycznej opiece nad osobami z otyłością. Stworzony na zamówienie duży model językowy (LLM) wykrywał wiadomości pacjentów dotyczące trwających lub niedawnych zdarzeń niepożądanych podczas leczenia GLP-1, klasyfikował ich ciężkość i generował alerty o wysokim priorytecie do weryfikacji przez uprawniony personel medyczny. W tabeli badania podano, że prace trwały od 30 listopada 2024 r. do 9 grudnia 2024 r., a zatem poprzedzały oficjalne uruchomienie laboratorium.

Farmaceuci kliniczni pomogli opracować uporządkowane informacje o stopniu ciężkości zdarzeń, które uwzględniono w treści polecenia dla modelu. Weryfikatorzy oznaczyli opisane wiadomości, aby ocenić precyzję wykrywania, natomiast w ocenie operacyjnej wykorzystano losową próbę 3500 wiadomości wysłanych w ciągu czterech dni przed wdrożeniem i pięciu dni po nim. Model klasyfikował wiadomości jeszcze przed pełnym wdrożeniem, ale jego wyniki nie były wtedy wykorzystywane do kierowania zgłoszeń ani generowania alertów. Dzięki temu można było porównać czas reakcji zespołu opieki przed wprowadzeniem alertów i po nim.

Autorzy podali, że wskaźnik prawdziwie dodatnich wyników w wykrywaniu treści dotyczących zdarzeń niepożądanych wyniósł 94%. W przypadku 1628 wiadomości sprzed wdrożenia i 1872 wiadomości po wdrożeniu mediana czasu do pierwszej odpowiedzi klinicznej spadła ze 115,1 minuty do 33,0 minut, a mediana skrócenia czasu wyniosła 82,1 minuty (P < 0,001). Po wdrożeniu mediana czasu reakcji na pilne zdarzenia niepożądane wynosiła 25,8 minuty.

Wcześniejsze publikacje i ich ograniczenia

Laboratorium zaczęło publikować materiały jeszcze przed oficjalnym ogłoszeniem jego uruchomienia. Analiza ćwiczeń i wprowadzenie do GLP-1 Pipeline Tracker są datowane na 29 października 2026 r. Razem pokazują dwa różne rodzaje publikacji: analizę doświadczeń pacjentów Ro oraz publicznie dostępne narzędzie porządkujące informacje o rozwoju leków na otyłość.

Ro podało, że wśród pacjentów, którzy deklarowali, że nie wykonują ćwiczeń cardio, wczesna utrata masy ciała wyniosła 5,03%, a wśród tych, którzy zgłaszali co najmniej 2,5 godziny aktywności tygodniowo — 5,24%. Pacjenci deklarujący większą aktywność fizyczną częściej zgłaszali również wzrost poziomu energii, poprawę nastroju, lepszy sen i mniejszą liczbę zachcianek w pierwszym miesiącu, dzięki czemu analiza obejmowała szersze doświadczenia związane z leczeniem, a nie skupiała się wyłącznie na masie ciała.

Aktywność fizyczną oceniano na podstawie deklaracji pacjentów z pierwszej wizyty kontrolnej, przypadającej około dwóch tygodni po rozpoczęciu leczenia. Badacze zastosowali regresję liniową, aby ocenić związek między aktywnością a utratą masy ciała około drugiego miesiąca, uwzględniając wyjściowy wskaźnik masy ciała, wiek i płeć biologiczną. Ro zaznaczyło, że aktywność fizyczną mierzono tylko raz, mogła się ona zmieniać w trakcie obserwacji, na wyniki mogły wpływać nieuwzględnione czynniki zakłócające, a zaobserwowane zależności nie dowodzą związku przyczynowego.

Tracker rozwoju leków wykorzystuje publicznie dostępne komunikaty prasowe, opublikowane artykuły i dane z ClinicalTrials.gov, a nie dane pacjentów Ro. Umożliwia wyszukiwanie według firmy, leku lub rodzaju leku, przeglądanie harmonogramu rozwoju klinicznego, wyników dotyczących skuteczności, danych demograficznych uczestników i informacji o zdarzeniach niepożądanych, a także porównywanie badań obok siebie. Ro zastrzega, że wyniki różnych badań nie są bezpośrednio porównywalne, nawet jeśli przedstawiono je razem.

Wspólnym elementem tych działań jest podział zadań: AI wykrywa wzorce lub oznacza wiadomości, badacze weryfikują zależności, a w opisanym przykładzie segregacji zgłoszeń decyzje kliniczne pozostają w gestii świadczeniodawców. Realizacja szerszych ambicji Ro zależy teraz od tego, czy taki podział pozwoli przełożyć bieżące obserwacje pacjentów na dowody naukowe poddane recenzji i lepsze wytyczne, zamiast poprzestać na wstępnych wynikach.