Ro lança laboratório de pesquisa para transformar dados de pacientes em evidências clínicas

A Ro anunciou o lançamento do Ro Research Lab em 6 de novembro de 2026, uma iniciativa que combina IA, dados de pacientes do mundo real e pesquisa científica. A Ro planeja publicar resultados preliminares, submeter à revisão por pares aqueles que resistirem ao escrutínio e transformar as evidências em orientações clínicas, ferramentas e atendimento para pacientes dentro e fora de sua própria plataforma.

A iniciativa busca reduzir o intervalo entre uma descoberta médica e uma intervenção que possa ser oferecida em larga escala. Ela responde a um sistema em que as informações dos pacientes estão dispersas, os resultados dos cuidados são difíceis de quantificar e a pesquisa pode levar anos para influenciar o tratamento. A plataforma da Ro reúne atendimento clínico, farmácia, resultados laboratoriais e dados relatados pelos pacientes, gerando informações sobre efeitos colaterais, sono, frequência cardíaca e peso ao longo do que a empresa descreve como milhões de jornadas de pacientes.

As perguntas de pesquisa dizem respeito às razões pelas quais os pacientes respondem de maneiras diferentes ao mesmo tratamento. A Ro quer entender por que uma pessoa pode perder 35% do peso corporal com um medicamento, enquanto outra perde 5%; por que os efeitos colaterais variam; e como a genética, o comportamento e as decisões de tratamento influenciam os resultados. A IA buscará padrões, enquanto os testes científicos serão conduzidos em parceria com profissionais clínicos e pesquisadores acadêmicos. Entre os temas previstos estão ataques cardíacos, ruído alimentar, saúde mental e compras de supermercado.

Uma avaliação anterior da triagem por IA

O catálogo de publicações do laboratório inclui um resumo que avalia uma ferramenta de triagem de eventos adversos no atendimento remoto à obesidade. Seu modelo de linguagem de grande porte (LLM) personalizado detectou mensagens de pacientes sobre eventos adversos atuais ou recentes durante o tratamento com GLP-1, classificou sua gravidade e gerou alertas de alta prioridade para análise por uma equipe de atendimento habilitada. A tabela do estudo indica que o trabalho ocorreu entre 30 de novembro de 2024 e 9 de dezembro de 2024, portanto, antes do lançamento oficial.

Farmacêuticos clínicos ajudaram a desenvolver as informações estruturadas sobre gravidade incorporadas ao prompt. Revisores humanos rotularam mensagens anotadas para avaliar a precisão da detecção, enquanto a avaliação operacional usou uma amostra aleatória de 3.500 mensagens enviadas nos quatro dias anteriores e nos cinco dias posteriores à implementação. O modelo já classificava mensagens antes da implantação completa, mas seus resultados ainda não estavam conectados ao encaminhamento nem à geração de alertas. Isso permitiu comparar os tempos de resposta da equipe de atendimento antes e depois da introdução dos alertas.

Os autores relataram uma taxa de verdadeiros positivos de 94% na detecção de conteúdo relacionado a eventos adversos. Entre as 1.628 mensagens anteriores à implementação e as 1.872 posteriores, o tempo mediano até a primeira resposta clínica caiu de 115,1 minutos para 33,0 minutos, uma redução mediana de 82,1 minutos (P < 0,001). Após a implementação, o tempo mediano de resposta a eventos adversos urgentes foi de 25,8 minutos.

Resultados públicos anteriores e suas limitações

O laboratório também havia começado a publicar antes do anúncio oficial. Uma análise de exercícios e a apresentação do GLP-1 Pipeline Tracker têm ambas a data de 29 de outubro de 2026. Juntas, mostram duas formas distintas de resultado: uma análise das experiências de pacientes da Ro e uma ferramenta pública que organiza informações sobre o desenvolvimento de medicamentos para a obesidade.

A Ro relatou uma perda de peso inicial de 5,03% entre os pacientes que informaram não fazer exercícios cardiovasculares e de 5,24% entre aqueles que relataram praticar pelo menos 2,5 horas por semana. Os pacientes que relataram praticar mais exercícios também tinham maior probabilidade de informar mais energia, melhora do humor, sono melhor e menos desejos por comida no primeiro mês, fazendo com que a experiência mais ampla do tratamento integrasse a análise, em vez de se concentrar exclusivamente no peso.

Os exercícios foram autorrelatados na primeira consulta de acompanhamento, aproximadamente duas semanas após o início do tratamento. Os pesquisadores usaram regressão linear para avaliar a associação entre atividade física e perda de peso por volta do segundo mês, ajustando os resultados pelo índice de massa corporal inicial, idade e sexo biológico. A Ro alertou que os exercícios foram medidos em apenas um momento, que a atividade poderia mudar durante o acompanhamento, que fatores de confusão não medidos poderiam influenciar os resultados e que associações observacionais não estabelecem causalidade.

O rastreador de estudos em desenvolvimento usa comunicados à imprensa disponíveis publicamente, artigos publicados e registros do ClinicalTrials.gov, em vez dos dados de pacientes da Ro. Ele oferece buscas por empresa, medicamento ou tipo de medicamento, uma cronologia do desenvolvimento clínico, resultados de eficácia, dados demográficos dos participantes, informações sobre eventos adversos e visualizações lado a lado dos ensaios. A Ro alerta que ensaios diferentes não são diretamente comparáveis, mesmo quando seus resultados são apresentados juntos.

O ponto em comum é uma divisão de responsabilidades: a IA detecta padrões ou sinaliza mensagens, os pesquisadores testam associações e os profissionais de saúde mantêm a responsabilidade pelas decisões clínicas no exemplo da triagem. A ambição mais ampla da Ro agora depende de essa divisão conseguir transformar observações contínuas dos pacientes em evidências revisadas por pares e orientações melhores, em vez de se limitar a resultados preliminares.