Ro เปิดตัวห้องปฏิบัติการวิจัยเพื่อเปลี่ยนข้อมูลผู้ป่วยให้เป็นหลักฐานทางคลินิก

เมื่อวันที่ 6 พฤศจิกายน 2026 Ro ประกาศเปิดตัวห้องปฏิบัติการวิจัย Ro ซึ่งเป็นโครงการริเริ่มที่ผสาน AI ข้อมูลผู้ป่วยจากการใช้งานจริง และการวิจัยทางวิทยาศาสตร์เข้าด้วยกัน Ro วางแผนเผยแพร่ผลการค้นพบเบื้องต้น ส่งผลการค้นพบที่ผ่านการตรวจสอบแล้วให้ผู้ทรงคุณวุฒิประเมิน และนำหลักฐานที่ได้ไปพัฒนาเป็นแนวทางทางคลินิก เครื่องมือ และบริการดูแลผู้ป่วยทั้งในและนอกแพลตฟอร์มของบริษัท

โครงการนี้มุ่งแก้ปัญหาความล่าช้าระหว่างการค้นพบข้อมูลเชิงลึกทางการแพทย์กับการนำมาตรการไปใช้ในวงกว้าง โดยรับมือกับระบบที่ข้อมูลผู้ป่วยกระจัดกระจาย ผลลัพธ์การดูแลรักษาวัดได้ยาก และงานวิจัยอาจต้องใช้เวลาหลายปีกว่าจะส่งผลต่อการรักษา แพลตฟอร์มของ Ro รวบรวมข้อมูลจากการดูแลทางคลินิก เภสัชกรรม ผลตรวจทางห้องปฏิบัติการ และผลลัพธ์ที่ผู้ป่วยรายงานด้วยตนเอง จึงสร้างข้อมูลเกี่ยวกับผลข้างเคียง การนอนหลับ อัตราการเต้นของหัวใจ และน้ำหนัก จากสิ่งที่บริษัทระบุว่ามีประสบการณ์การดูแลผู้ป่วยหลายล้านครั้ง

คำถามในการวิจัยมุ่งหาสาเหตุที่ผู้ป่วยตอบสนองต่อการรักษาแบบเดียวกันแตกต่างกัน Ro ต้องการทราบว่าเหตุใดคนหนึ่งจึงอาจมีน้ำหนักตัวลดลง 35% เมื่อใช้ยา ขณะที่อีกคนลดลง 5% เหตุใดผลข้างเคียงจึงแตกต่างกัน และพันธุกรรม พฤติกรรม และการตัดสินใจเกี่ยวกับการรักษาส่งผลต่อผลลัพธ์อย่างไร AI จะใช้ค้นหารูปแบบ ขณะที่การทดสอบทางวิทยาศาสตร์จะดำเนินการร่วมกับแพทย์และนักวิจัยในแวดวงวิชาการ หัวข้อที่วางแผนศึกษารวมถึงอาการหัวใจวาย ความหมกมุ่นเกี่ยวกับอาหาร สุขภาพจิต และการซื้อของชำ

การประเมินระบบคัดกรองด้วย AI ก่อนหน้านี้

รายการผลงานตีพิมพ์ของห้องปฏิบัติการมีบทคัดย่อที่ประเมินเครื่องมือคัดกรองเหตุการณ์ไม่พึงประสงค์ในการดูแลผู้ป่วยโรคอ้วนผ่านบริการสุขภาพทางไกล โมเดลภาษาขนาดใหญ่ (LLM) ที่พัฒนาขึ้นเฉพาะตรวจจับข้อความจากผู้ป่วยเกี่ยวกับเหตุการณ์ไม่พึงประสงค์ที่กำลังเกิดขึ้นหรือเพิ่งเกิดขึ้นระหว่างการรักษาด้วย GLP-1 จำแนกระดับความรุนแรง และสร้างการแจ้งเตือนระดับสูงเพื่อให้ทีมดูแลที่ได้รับใบอนุญาตตรวจสอบ ตารางการศึกษาระบุว่าการดำเนินงานนี้เกิดขึ้นตั้งแต่วันที่ 30 พฤศจิกายน 2024 ถึงวันที่ 9 ธันวาคม 2024 จึงเกิดขึ้นก่อนการเปิดตัวอย่างเป็นทางการ

เภสัชกรคลินิกมีส่วนช่วยพัฒนาข้อมูลระดับความรุนแรงที่จัดโครงสร้างไว้และนำไปใส่ในพรอมป์ต์ ผู้ตรวจสอบที่เป็นมนุษย์กำหนดป้ายกำกับให้ข้อความที่ใส่คำอธิบายประกอบไว้ เพื่อประเมินความแม่นยำในการตรวจจับ ส่วนการประเมินในการใช้งานจริงใช้ตัวอย่างสุ่มจำนวน 3,500 ข้อความ ซึ่งส่งเข้ามาในช่วงสี่วันก่อนและห้าวันหลังการนำระบบไปใช้ โมเดลจำแนกข้อความอยู่แล้วก่อนการติดตั้งใช้งานเต็มรูปแบบ แต่ผลลัพธ์ของโมเดลยังไม่ได้เชื่อมต่อกับการส่งต่อข้อความหรือการสร้างการแจ้งเตือน จึงสามารถเปรียบเทียบเวลาตอบสนองของทีมดูแลก่อนและหลังเริ่มใช้การแจ้งเตือนได้

ผู้เขียนรายงานว่าอัตราผลบวกจริงในการตรวจจับเนื้อหาเกี่ยวกับเหตุการณ์ไม่พึงประสงค์อยู่ที่ 94% จากข้อความ 1,628 ข้อความก่อนการนำระบบไปใช้ และ 1,872 ข้อความหลังการนำระบบไปใช้ ค่ามัธยฐานของเวลาจนถึงการตอบกลับทางคลินิกครั้งแรกลดลงจาก 115.1 นาทีเหลือ 33.0 นาที โดยมีค่ามัธยฐานของการลดลงอยู่ที่ 82.1 นาที (P <.001) เหตุการณ์ไม่พึงประสงค์เร่งด่วนหลังการนำระบบไปใช้มีเวลาตอบสนองมัธยฐาน 25.8 นาที

ผลงานที่เผยแพร่ก่อนหน้านี้และข้อจำกัด

ห้องปฏิบัติการเริ่มเผยแพร่ผลงานก่อนประกาศเปิดตัวอย่างเป็นทางการแล้ว การวิเคราะห์การออกกำลังกายและบทนำของ GLP-1 Pipeline Trackerต่างลงวันที่ 29 ตุลาคม 2026 ผลงานทั้งสองชิ้นแสดงให้เห็นผลลัพธ์สองรูปแบบที่แตกต่างกัน ได้แก่ การวิเคราะห์ประสบการณ์ของผู้ป่วย Ro และเครื่องมือสาธารณะที่จัดระเบียบข้อมูลเกี่ยวกับการพัฒนายารักษาโรคอ้วน

Ro รายงานว่าผู้ป่วยที่ระบุว่าไม่ได้ออกกำลังกายแบบคาร์ดิโอมีน้ำหนักลดลงในช่วงแรก 5.03% ส่วนผู้ที่รายงานว่าออกกำลังกายอย่างน้อย 2.5 ชั่วโมงต่อสัปดาห์มีน้ำหนักลดลง 5.24% ผู้ป่วยที่รายงานว่าออกกำลังกายมากขึ้นยังมีแนวโน้มรายงานว่ามีพลังงานเพิ่มขึ้น อารมณ์ดีขึ้น นอนหลับดีขึ้น และอยากอาหารน้อยลงในเดือนแรกด้วย ทำให้การวิเคราะห์ครอบคลุมประสบการณ์การรักษาในภาพรวม ไม่ได้มุ่งดูเฉพาะน้ำหนักเท่านั้น

ผู้ป่วยรายงานการออกกำลังกายด้วยตนเองในการนัดติดตามผลครั้งแรก ซึ่งเกิดขึ้นประมาณสองสัปดาห์หลังเริ่มการรักษา นักวิจัยใช้การถดถอยเชิงเส้นเพื่อประเมินความสัมพันธ์ระหว่างกิจกรรมทางกายกับการลดน้ำหนักในช่วงประมาณเดือนที่สอง โดยปรับตามดัชนีมวลกายตั้งต้น อายุ และเพศทางชีววิทยา Ro เตือนว่ามีการวัดการออกกำลังกายเพียงจุดเวลาเดียว ระดับกิจกรรมอาจเปลี่ยนแปลงระหว่างการติดตามผล ปัจจัยกวนที่ไม่ได้วัดอาจส่งผลต่อผลลัพธ์ และความสัมพันธ์ที่พบจากการศึกษาเชิงสังเกตไม่ได้ยืนยันเหตุและผล

ตัวติดตามข้อมูลการพัฒนายาอาศัยข่าวประชาสัมพันธ์ เอกสารวิจัยที่ตีพิมพ์ และข้อมูลจาก ClinicalTrials.gov ที่เปิดเผยต่อสาธารณะ ไม่ได้ใช้ข้อมูลผู้ป่วยของ Ro ผู้ใช้สามารถค้นหาตามบริษัท ยา หรือประเภทของยา ดูลำดับเวลาการพัฒนาทางคลินิก ผลการวัดประสิทธิผล ข้อมูลประชากรของผู้เข้าร่วม ข้อมูลเหตุการณ์ไม่พึงประสงค์ และผลการทดลองหลายรายการเทียบกันแบบเคียงข้างได้ Ro เตือนว่าผลการทดลองที่แตกต่างกันไม่สามารถนำมาเปรียบเทียบกันโดยตรงได้ แม้จะแสดงไว้ด้วยกันก็ตาม

แนวทางร่วมของงานเหล่านี้คือการแบ่งหน้าที่กันทำงาน: AI ตรวจจับรูปแบบหรือแจ้งข้อความที่น่าสนใจ นักวิจัยทดสอบความสัมพันธ์ และผู้ให้บริการยังคงเป็นผู้ตัดสินใจทางคลินิกในกรณีตัวอย่างของระบบคัดกรอง ความมุ่งหวังในวงกว้างของ Ro ขึ้นอยู่กับว่าการแบ่งหน้าที่เช่นนี้จะเปลี่ยนข้อมูลสังเกตผู้ป่วยอย่างต่อเนื่องให้เป็นหลักฐานที่ผ่านการประเมินโดยผู้ทรงคุณวุฒิและแนวทางที่ดีขึ้นได้หรือไม่ แทนที่จะหยุดอยู่เพียงผลการค้นพบเบื้องต้น