Ro lanserar forskningslabb för att omvandla patientdata till kliniska belägg

Ro meddelade den 6 november 2026 att Ro Research Lab lanseras, ett initiativ som kombinerar AI, patientdata från verkliga vårdsituationer och vetenskaplig forskning. Ro planerar att publicera tidiga resultat, skicka in de resultat som håller för sakkunniggranskning och omsätta beläggen i kliniska riktlinjer, verktyg och vård för patienter både på och utanför den egna plattformen.

Initiativet ska minska tiden mellan en medicinsk insikt och en insats som kan genomföras i stor skala. Det tar sig an ett system där patientinformation är utspridd, vårdresultat är svåra att mäta och det kan ta år innan forskning påverkar behandlingen. Ro:s plattform samlar klinisk vård, apoteksuppgifter, laboratorieresultat och patientrapporterade utfall och skapar information om biverkningar, sömn, hjärtfrekvens och vikt under vad företaget beskriver som miljontals patientförlopp.

Forskningsfrågorna handlar om varför patienter reagerar olika på samma behandling. Ro vill ta reda på varför en person kan gå ner 35 % av sin kroppsvikt med ett läkemedel medan en annan går ner 5 %, varför biverkningarna varierar och hur genetik, beteende och behandlingsbeslut påverkar resultaten. AI ska leta efter mönster, medan vetenskapliga prövningar ska genomföras tillsammans med kliniker och akademiska forskare. Planerade ämnen är hjärtinfarkter, matbrus, psykisk hälsa och matinköp.

En tidigare utvärdering av AI-triage

Labbets publikationskatalog innehåller en sammanfattning av en utvärdering av ett triageringsverktyg för oönskade händelser inom digital obesitasvård. Labbets egenutvecklade stora språkmodell (LLM) upptäckte patientmeddelanden om pågående eller nyligen inträffade oönskade händelser under GLP-1-behandling, klassificerade deras allvarlighetsgrad och skapade aviseringar med hög prioritet för granskning av legitimerad vårdpersonal i vårdteamet. Enligt studiens tabell genomfördes arbetet från den 30 november 2024 till den 9 december 2024, alltså före den formella lanseringen.

Kliniska farmaceuter bidrog till att ta fram den strukturerade information om allvarlighetsgrad som införlivades i prompten. Mänskliga granskare klassificerade annoterade meddelanden för att bedöma detektionens precision, medan driftsutvärderingen byggde på ett slumpmässigt urval av 3 500 meddelanden som skickats under de fyra dagarna före och de fem dagarna efter införandet. Modellen klassificerade redan meddelanden innan den hade tagits i full drift, men resultaten var ännu inte kopplade till vidarebefordran eller aviseringar. Det gjorde det möjligt att jämföra vårdteamets svarstider före och efter att aviseringarna infördes.

Författarna rapporterade en andel sant positiva på 94 % när modellen upptäckte innehåll om oönskade händelser. Bland de 1 628 meddelandena före införandet och de 1 872 meddelandena efter införandet sjönk mediantiden till det första kliniska svaret från 115,1 minuter till 33,0 minuter, en minskning med 82,1 minuter i median (P <.001). För brådskande oönskade händelser efter införandet var svarstiden 25,8 minuter i median.

Tidigare publicerat material och dess begränsningar

Labbets publiceringar hade också inletts före den formella lanseringen. En analys av träning och introduktionen av GLP-1 Pipeline Tracker är båda daterade den 29 oktober 2026. Tillsammans visar de två olika typer av resultat: en analys av Ro-patienters erfarenheter och ett offentligt verktyg som samlar information om utvecklingen av läkemedel mot obesitas.

Ro rapporterade en tidig viktminskning på 5,03 % bland patienter som uppgav att de inte ägnade sig åt konditionsträning och 5,24 % bland dem som uppgav att de tränade minst 2,5 timmar i veckan. Patienter som uppgav att de tränade mer rapporterade också oftare ökad energi, bättre humör, bättre sömn och färre sötsug efter en månad. Därmed ingick den bredare behandlingserfarenheten i analysen, i stället för att fokus enbart låg på vikten.

Träningen rapporterades av patienterna vid det första uppföljningsbesöket, cirka två veckor efter behandlingsstart. Forskarna använde linjär regression för att bedöma sambandet mellan fysisk aktivitet och viktminskning omkring den andra behandlingsmånaden, med justering för kroppsmasseindex vid studiestart, ålder och biologiskt kön. Ro påpekade att träningen bara mättes vid ett enda tillfälle, att aktivitetsnivån kunde förändras under uppföljningen, att omätta störfaktorer kunde påverka resultaten och att observationella samband inte fastställer orsakssamband.

Pipeline-verktyget bygger på offentligt tillgängliga pressmeddelanden, publicerade artiklar och uppgifter från ClinicalTrials.gov, inte på patientdata från Ro. Det erbjuder sökningar efter företag, läkemedel eller läkemedelstyp, en tidslinje över den kliniska utvecklingen, effektresultat, demografiska uppgifter om deltagarna, information om oönskade händelser och vyer där studier kan jämföras sida vid sida. Ro varnar för att olika studier inte är direkt jämförbara, även när resultaten visas tillsammans.

Den gemensamma nämnaren är en arbetsfördelning: AI upptäcker mönster eller flaggar meddelanden, forskare undersöker samband och vårdgivare fattar de kliniska besluten i triageexemplet. Ro:s bredare ambition hänger nu på om den arbetsfördelningen kan omvandla kontinuerliga patientobservationer till sakkunniggranskade belägg och bättre riktlinjer, i stället för att stanna vid tidiga resultat.