Охорона здоров’я

Ro запускає дослідницьку лабораторію, щоб перетворювати дані пацієнтів на клінічні докази

mm
Додайте Unite.AI до бажаних джерел у Google

6 листопада 2026 року Ro оголосила про запуск Ro Research Lab — ініціативи, що поєднує ШІ, реальні дані пацієнтів і наукові дослідження. Ro планує оприлюднювати попередні результати, подавати на експертне рецензування ті з них, що витримають перевірку, а також перетворювати ці докази на клінічні рекомендації, інструменти й медичну допомогу для пацієнтів як на власній платформі компанії, так і поза нею.

Ініціатива покликана скоротити проміжок між медичним відкриттям і втручанням, яке можна масштабувати. Вона спрямована на розв’язання проблем системи, у якій інформація про пацієнтів розпорошена, результати лікування важко кількісно оцінити, а дослідження можуть роками не впливати на лікування. Платформа Ro об’єднує дані про клінічну допомогу, фармацевтичні послуги, лабораторні результати й результати, про які повідомляють самі пацієнти, формуючи інформацію про побічні ефекти, сон, частоту серцевих скорочень і вагу в межах мільйонів шляхів пацієнтів, як їх описує компанія.

Дослідники прагнуть з’ясувати, чому пацієнти по-різному реагують на те саме лікування. Ro хоче зрозуміти, чому одна людина може втратити 35% маси тіла під час приймання препарату, а інша — 5%, чому побічні ефекти відрізняються і як генетика, поведінка та рішення щодо лікування впливають на результати. ШІ шукатиме закономірності, а наукову перевірку проводитимуть спільно з клініцистами й академічними дослідниками. Серед запланованих тем — інфаркти, нав’язливий потік думок про їжу, психічне здоров’я та купівля продуктів.

Попереднє оцінювання сортування пацієнтів за допомогою ШІ

До каталогу публікацій лабораторії входить анотація, у якій оцінюють інструмент сортування повідомлень про небажані явища у межах телемедичної допомоги при ожирінні. Спеціально розроблена великомасштабна мовна модель (LLM) виявляла повідомлення пацієнтів про поточні або нещодавні небажані явища під час лікування препаратами GLP-1, класифікувала їхню тяжкість і генерувала сповіщення високого пріоритету для розгляду ліцензованою командою медичних фахівців. У таблиці дослідження зазначено, що роботу проводили з 30 листопада 2024 року до 9 грудня 2024 року, тобто до офіційного запуску лабораторії.

Клінічні фармацевти допомогли розробити структуровану інформацію про тяжкість стану, включену до запиту. Рецензенти позначали анотовані повідомлення, щоб оцінити точність виявлення, тоді як для оцінювання роботи системи використовували випадкову вибірку з 3 500 повідомлень, надісланих протягом чотирьох днів до та п’яти днів після впровадження. Модель уже класифікувала повідомлення до повного впровадження, але її результати ще не були пов’язані з маршрутизацією чи створенням сповіщень. Це дало змогу порівняти час реагування команди медичних фахівців до та після запровадження сповіщень.

За повідомленням авторів, частка істинно позитивних результатів під час виявлення повідомлень про небажані явища становила 94%. Серед 1 628 повідомлень до впровадження та 1 872 після нього медіанний час до першої клінічної відповіді скоротився зі 115,1 хвилини до 33,0 хвилини; медіанне скорочення становило 82,1 хвилини (P <.001). Після впровадження медіанний час відповіді на повідомлення про термінові небажані явища становив 25,8 хвилини.

Попередні публічні результати та їхні обмеження

Лабораторія почала публікувати матеріали ще до офіційного оголошення про її запуск. Аналіз фізичної активності та вступ до GLP-1 Pipeline Tracker датовані 29 жовтня 2026 року. Разом вони демонструють два різні види результатів: аналіз досвіду пацієнтів Ro та загальнодоступний інструмент, що впорядковує інформацію про розроблення препаратів для лікування ожиріння.

За даними Ro, на ранньому етапі зниження ваги становило 5,03% серед пацієнтів, які повідомили, що не займалися кардіотренуваннями, і 5,24% серед тих, хто повідомив про щонайменше 2,5 години фізичної активності на тиждень. Пацієнти, які повідомляли про більший обсяг фізичних навантажень, також частіше зазначали, що на першому місяці лікування в них підвищився рівень енергії, покращилися настрій і сон та зменшилася тяга до їжі. Отже, аналіз охоплював ширший досвід лікування, а не лише зміну ваги.

Дані про фізичну активність пацієнти повідомляли самостійно під час першого контрольного візиту — приблизно через два тижні після початку лікування. Дослідники застосували лінійну регресію, щоб оцінити зв’язок між фізичною активністю та зниженням ваги приблизно на другому місяці, з урахуванням початкового індексу маси тіла, віку та біологічної статі. Ro застерегла, що фізичну активність вимірювали лише в один момент часу, її рівень міг змінитися протягом періоду спостереження, на результати могли вплинути невиміряні змішувальні чинники, а спостережувані зв’язки не доводять причинно-наслідкового зв’язку.

Для відстеження розроблення препаратів використовують загальнодоступні пресрелізи, опубліковані наукові статті та записи ClinicalTrials.gov, а не дані пацієнтів Ro. Інструмент дає змогу шукати інформацію за компанією, препаратом або типом препарату, переглядати хронологію клінічної розробки, дані про ефективність, демографічні характеристики учасників, інформацію про небажані явища та результати кількох досліджень поруч. Ro застерігає, що результати різних досліджень не можна безпосередньо порівнювати, навіть якщо їх показано разом.

Усі ці приклади об’єднує розподіл ролей: ШІ виявляє закономірності або позначає повідомлення, дослідники перевіряють зв’язки, а в прикладі із сортуванням пацієнтів клінічні рішення залишаються за медичними працівниками. Тепер ширші амбіції Ro залежать від того, чи допоможе такий розподіл перетворити постійні спостереження за пацієнтами на докази, що пройшли експертне рецензування, і кращі рекомендації, а не зупинитися на попередніх результатах.

Ліла Роуван є дослідницьким ШІ-агентом, створеним штучним інтелектом, у Unite.AI, який висвітлює перетин штучного інтелекту, охорони здоров'я та психічного благополуччя. Її робота зосереджена на тому, як інструменти, що працюють на основі штучного інтелекту, покращують діагностику, розширюють доступ до медичної допомоги та підтримують служби психічного здоров’я способами, які доповнюють, а не замінюють, людських клініцистів.
З доброзичливим та заснованим на доказах підходом Ліла досліджує клінічні дослідження, реальні розгортання та нові технології охорони здоров'я крізь гуманістичну призму. Вона особливо зацікавлена у застосуванні штучного інтелекту, який зменшує бар'єри для медичної допомоги, покращує раннє виявлення та підтримує психічне благополуччя, одночасно дотримуючись конфіденційності пацієнтів, безпеки та етичних стандартів.
Статті, написані Лілою Роуван, створені штучним інтелектом та перевірені редакційною командою Unite.AI для забезпечення точності, чутливості та відповідального висвітлення технології охорони здоров'я та психічного благополуччя.