今日，Unlearn公司宣布完成5000萬美元的B輪融資，該公司致力于使用機(jī)器學(xué)習(xí)，構(gòu)建患者的數(shù)字化雙胞胎，從而讓臨床試驗(yàn)以更小的規(guī)模，更迅速地進(jìn)行。
臨床試驗(yàn)在患者注冊方面通常面臨挑戰(zhàn)，需要注冊足夠多的患者往往會延緩臨床試驗(yàn)的進(jìn)展。隨機(jī)對照試驗(yàn)中可能有高達(dá)一半的患者接受的是沒有治療效果的安慰劑，對參與臨床試驗(yàn)的患者來說可能缺乏吸引力。解決這一問題的一個策略是使用外部對照，然而通常外部對照的可靠性未得到驗(yàn)證。Unlearn與醫(yī)藥公司、生物技術(shù)公司和學(xué)術(shù)研究所合作，優(yōu)化其名為TwinRCT的人體臨床試驗(yàn)。TwinRCT是一種隨機(jī)化臨床試驗(yàn)，它使用機(jī)器學(xué)習(xí)和歷史數(shù)據(jù)，基于更少的患者數(shù)量，提高試驗(yàn)的成功率。與傳統(tǒng)的隨機(jī)對照臨床試驗(yàn)相仿，患者隨機(jī)入組治療組和對照組。不過與傳統(tǒng)臨床試驗(yàn)不同的是，基于歷史對照數(shù)據(jù)，機(jī)器學(xué)習(xí)模型會為每個患者構(gòu)建一個數(shù)字化雙胞胎，這個數(shù)字化雙胞胎可以根據(jù)對歷史數(shù)據(jù)的模擬，預(yù)測這名患者如果接受安慰劑的治療，疾病的進(jìn)展程度如何。
治療手段對主要終點(diǎn)和次要終點(diǎn)的影響都可以通過比較患者和他的數(shù)字化雙胞胎來精準(zhǔn)預(yù)測。歐洲藥品管理局（EMA）已經(jīng)發(fā)表的草案意見表明這種策略可以被用于2期和3期臨床試驗(yàn)的主要分析，因?yàn)樗粫肫小?strong style="margin: 0px; padding: 0px; outline: 0px; max-width: 100%; box-sizing: border-box !important; overflow-wrap: break-word !important; visibility: visible;">與傳統(tǒng)隨機(jī)對照試驗(yàn)相比，TwinRCT中的對照組人數(shù)更少，對患者來說更具有吸引力，而且它需要的患者數(shù)目更少，因此更容易達(dá)到患者入組目標(biāo)，縮短患者入組完畢所需時(shí)間。“Unlearn在擴(kuò)展與全球生物醫(yī)藥公司合作，和與監(jiān)管機(jī)構(gòu)對話方面取得了持續(xù)的進(jìn)展?！盪nlearn公司創(chuàng)始人兼首席執(zhí)行官Charles Fisher博士說，“這輪新融資是對我們在臨床試驗(yàn)領(lǐng)域進(jìn)展的肯定?！?/span>
參考資料：
[1] Unlearn Closes $50 Million Series B Funding to Advance the Use of Its Machine Learning-Powered TwinRCTs? in Clinical Trials. Retrieved April 19, 2022, from https://www.businesswire.com/news/home/20220419005354/en
文章來源：藥明康德
