Ro 启动研究实验室，推动患者数据转化为临床证据

Ro 于 2026 年 11 月 6 日宣布成立 Ro Research Lab。这项计划将人工智能、真实世界患者数据与科学研究结合起来。Ro 计划发布初步发现，将经得起检验的成果提交同行评审，并把证据转化为临床指导、工具和照护服务，惠及其自有平台内外的患者。

这项计划旨在缩短从医学发现到可大规模推广的干预措施之间的时间差。它针对的是这样一种现状：患者信息分散，照护成效难以量化，而研究成果可能需要数年才能影响治疗。Ro 的平台汇集临床照护、药房、实验室检查结果和患者报告结局，生成有关副作用、睡眠、心率和体重的信息，覆盖公司所称的数百万段患者就医历程。

这项研究关注患者为何会对同一种治疗产生不同反应。Ro 希望了解，为什么有人服用某种药物后体重可能减轻 35%，另一些人却只减轻 5%；副作用为何因人而异；以及遗传、行为和治疗决策如何影响结局。人工智能将用于寻找规律，科学验证则将与临床医生和学术研究人员合作开展。计划研究的主题包括心脏病发作、对食物的持续念头、心理健康和食品杂货购买行为。

对人工智能分诊的一项早期评估

该实验室的出版物目录收录了一篇评估远程医疗肥胖照护中不良事件分诊工具的摘要。其实验室定制的大型语言模型（LLM）能够识别患者在接受 GLP-1 治疗期间提及当前或近期不良事件的消息，对事件严重程度进行分类，并生成高优先级警报，供持证照护团队审核。研究表格显示，这项工作于 2024 年 11 月 30 日至 2024 年 12 月 9 日开展，因此早于实验室正式启动。

临床药师参与制定了纳入提示词的结构化严重程度信息。人工审核人员对经过标注的消息进行标签判定，以评估检测精确率；运营评估则随机抽取了实施前 4 天和实施后 5 天内发送的 3,500 条消息。全面部署之前，该模型已经开始对消息进行分类，但其输出尚未接入分流或警报生成流程。因此，可以比较引入警报前后照护团队的响应时间。

作者报告称，该模型检测不良事件内容的真阳性率为 94%。在实施前的 1,628 条消息和实施后的 1,872 条消息中，首次临床响应时间的中位数从 115.1 分钟降至 33.0 分钟，中位降幅为 82.1 分钟（P <.001）。实施后，紧急不良事件的响应时间中位数为 25.8 分钟。

早期公开成果及其局限

该实验室在正式宣布成立之前就已开始发布内容。一项运动分析和GLP-1 Pipeline Tracker 介绍的日期均为 2026 年 10 月 29 日。两者展现了两种不同形式的成果：一是分析 Ro 患者的经历，二是推出一款公开工具，用于整理有关肥胖药物研发的信息。

Ro 报告称，在表示没有进行有氧运动的患者中，早期体重减轻幅度为 5.03%；在表示每周至少运动 2.5 小时的患者中，这一比例为 5.24%。报告运动量较多的患者也更有可能表示，在第一个月时精力增加、心情改善、睡眠变好且渴望减少，因此这项分析考察了更广泛的治疗体验，而非只关注体重。

运动情况由患者在首次随访时自行报告，时间约为治疗开始后的两周。研究人员使用线性回归评估活动量与第二个月左右体重减轻之间的关联，并对基线体重指数、年龄和生理性别进行调整。Ro 提醒，运动情况只在一个时间点测量，随访期间的活动量可能发生变化，未测量的混杂因素可能影响结果，而且观察性关联并不能证明因果关系。

该管线追踪工具使用公开的新闻稿、已发表论文和 ClinicalTrials.gov 记录，而非 Ro 的患者数据。用户可以按公司、药物或药物类型搜索，也可以查看临床研发时间线、疗效数据、参与者人口统计信息、不良事件信息以及并排展示的试验结果。Ro 提醒，即使不同试验的结果一并展示，也不能直接相互比较。

贯穿其中的共同思路是分工协作：人工智能识别规律或标记消息，研究人员检验关联，而在分诊案例中，临床决策仍由医疗服务提供者作出。Ro 更宏大的目标能否实现，取决于这种分工能否将持续收集的患者观察数据转化为经过同行评审的证据和更好的指导，而不是止步于初步发现。