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器學習，構(gòu)建患者的數(shù)字化雙胞胎，從而讓臨床試驗以更小的規(guī)模，更迅速地進行。

臨床試驗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的進展。隨機對照試驗中可能有高達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證。

Unlearn與醫(yī)藥公司、生物技術(shù)公司和學術(shù)研究所合作，優(yōu)化其名為TwinRCT的人體臨床試驗。TwinRCT是一種隨機化臨床試驗，它使用機器學習和歷史數(shù)據(jù)，基于更少的患者數(shù)量，提高試驗的成功率。與傳統(tǒng)的隨機對照臨床試驗相仿，患者隨機入組治療組和對照組。不過與傳統(tǒng)臨床試驗不同的是，基于歷史對照數(shù)據(jù)，機器學習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，疾病的進展程度如何。

治療手段對主要終點和次要終點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期臨床試驗的主要分析，因為它不會引入偏倚。與傳統(tǒng)隨機對照試驗相比，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，因此更容易達到患者入組目標，縮短患者入組完畢所需時間。

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

▽關(guān)注【藥明康德】微信公眾號