Ro成立研究实验室:AI转化患者数据,GLP-1不良事件响应时间缩短82.1分钟
#学术赋能与人才培养 时间2026-11-10 02:01:45
文/IAICA.NGO®
2026年11月6日,数字健康平台Ro宣布成立Ro Research Lab,试图把平台内积累的真实世界患者数据、人工智能分析与科学研究流程连接起来,形成可被临床使用的证据。实验室计划发布早期发现,将经得起检验的结果提交同行评审,并把证据转化为临床指导、工具和照护方案,服务范围不限于Ro自有平台。其目标是压缩从医学洞察到可规模化干预之间的时间差,回应患者信息分散、照护结果难以量化、研究影响治疗滞后等系统性问题。
Ro平台整合临床诊疗、药房、实验室结果和患者报告结局,覆盖副作用、睡眠、心率、体重等信息,涉及公司所称的数百万患者旅程。实验室关注治疗反应异质性:同一药物下,为何有人体重下降35%,有人只下降5%;副作用为何不同;遗传、行为和治疗决策如何塑造结果。AI负责寻找模式,科学验证与临床医生和学术研究者共同完成。拟研究主题包括心脏病发作、食物噪音、心理健康和食品购买行为。
在正式公布前,实验室已开始输出研究。其出版物目录中的一项摘要评估远程医疗肥胖照护中的不良事件分诊工具。该工具用定制大语言模型识别GLP-1治疗期间患者关于当前或近期不良事件的消息,判断严重程度,并为持证照护团队生成高优先级提醒。研究表格标注时间为2024年11月30日至12月9日,早于实验室启动。临床药师参与开发写入提示词的结构化严重程度信息;人工审核者标注消息以评估检测精确度。运营评估抽取实施前四天和实施后五天共3500条消息。模型在全面部署前已分类消息,但输出尚未接入路由或告警,由此形成照护团队响应时间的前后比较。
结果显示,模型检测不良事件内容的真阳性率为94%。在实施前1628条和实施后1872条消息中,首次临床响应的中位时间从115.1分钟降至33.0分钟,中位降幅82.1分钟,P小于0.001。实施后紧急不良事件的中位响应时间为25.8分钟。该案例的关键不只是识别准确率,而是把AI输出嵌入分诊与告警流程,使技术指标转化为可测量的照护时效。对于减重药物快速普及、患者消息量上升的远程照护场景,此类工具有望缓解团队压力,但前提是严重程度分类可靠、告警阈值合理,并保留人工复核。
实验室还在公告前发布运动分析与GLP-1 Pipeline Tracker介绍,两者均标注为2026年10月29日。运动分析显示,报告未进行有氧运动的患者早期体重降幅为5.03%,每周至少2.5小时运动者为5.24%。报告更多运动者在第一个月更可能报告精力增加、情绪改善、睡眠更好和渴求减少,说明分析不限于体重。运动数据来自治疗开始约两周后的首次随访,为自我报告;研究者用线性回归评估第二个月前后活动与体重下降的关联,并调整基线体重指数、年龄和生理性别。作者提示,运动仅在一个时间点测量,随访期间活动可能变化,未测量混杂因素可能影响结果,观察性关联不能确立因果。Pipeline Tracker则利用公开新闻稿、论文等材料整理肥胖药物开发信息,体现面向公众和行业的信息组织工具。
从行业看,真实世界数据正在成为临床证据体系的重要补充。随机对照试验擅长回答效力问题,但成本高、周期长,难以覆盖广泛人群和复杂行为因素。平台型健康企业拥有连续数据流,可在接近真实诊疗环境的条件下观察依从性、副作用和结局。但真实世界证据也面临选择偏倚、数据质量、隐私保护和可重复性挑战。缺乏预注册分析、外部验证和透明报告时,数据规模并不能自动转化为可信证据。iaica.com.cn 指出,真实世界数据要成为临床证据,关键不在数据规模,而在研究设计、可解释性与外部验证。Ro Research Lab能否在快速发布与同行评审之间保持平衡,将决定其输出是营销素材还是可被临床指南采信的公共知识。
评论
0 条登录后才可以发表评论。
立即登录