Unlearn

Unlearn：AIを活用したデジタルツインによる臨床試験の効率化

Unlearnとは？ Unlearnは、人工知能を活用して臨床試験に参加している患者のデジタルツインを作成する企業です。これらのデジタルツインは、広範な過去の臨床データに基づいてトレーニングされた疾患特異的な機械学習モデルを使用して生成されます。Unlearnは、各試験参加者のベースラインデータのみを使用することにより、将来のあらゆる時点での臨床転帰を比類のない精度で予測できます。この革新的なアプローチは、製薬会社が臨床開発を加速し、より迅速な意思決定を行い、試験デザインを最適化するのに役立ちます。

Unlearnはどのように機能するのですか？

Unlearnの中核となるテクノロジーは、臨床試験における実際の患者の行動と予測される転帰を模倣するデジタルツインの作成を中心に展開しています。その仕組みの内訳は次のとおりです。

1. データ取得： Unlearnは、特定の疾患に関連する膨大な量の過去の臨床データを活用します。
2. モデルトレーニング： 疾患特異的な機械学習モデルは、この過去のデータに基づいてトレーニングされます。
3. デジタルツインの生成： 新しい臨床試験参加者ごとに、ベースラインデータのみを使用してデジタルツインが作成されます。
4. 転帰予測： これらのデジタルツインは、将来のあらゆる時点での臨床転帰を予測するため、研究者は参加者のあらゆるサブグループの予測される転帰を調査できます。

主な機能と利点

• 臨床試験期間の短縮： 追加の参加者なしにパワーを維持または向上させる、より小規模なランダム化比較試験（RCT）を設計および実施します。このアプローチはEMAによって認定されており、現在のFDAガイダンスに準拠しています。
• より迅速な意思決定： あらゆる時点ですべての測定された臨床転帰について、参加者のあらゆるサブグループの予測される転帰を調査します。この機能は、試験全体の中間分析やその他の重要な意思決定をサポートします。
• 試験デザインの最適化： デジタルツインを使用して、組み入れ/除外基準と臨床エンドポイントを絞り込み、成功の可能性が高い、より効率的な試験を可能にします。

実際の結果

Unlearnのテクノロジーは、臨床開発を加速する上で大きな可能性を示しています。おおよその結果は次のとおりです。

• 対照群のサイズ縮小
• 登録時間の短縮

Unlearnは、神経科学、免疫学、代謝性疾患などの分野で活動しており、AbbVie、remynd、Trace Neuroscienceと提携しています。

Unlearnは誰のためのものですか？

Unlearnは、主に次の目的で設計されています。

• 製薬会社： 医薬品開発を加速し、コストを削減するため。
• バイオテクノロジー企業： 臨床試験デザインを最適化し、成功の可能性を高めるため。
• 研究者： 疾患の進行と治療効果についてより深い洞察を得るため。

Unlearnを選ぶ理由？

• AI駆動の精度： Unlearnのデジタルツインは、臨床転帰の予測において比類のない精度を提供します。
• 規制への準拠： UnlearnのアプローチはEMAによって認定されており、現在のFDAガイダンスに準拠しています。
• 戦略的パートナーシップ： Unlearnは、主要なバイオ医薬品企業と提携して、そのテクノロジーを実際の臨床試験に適用しています。

AIによって生成されたデジタルツインを活用することで、Unlearnは臨床試験を変革し、より多くの情報に基づいたgo/no-goの意思決定を可能にし、リソースを節約し、最も有望な治療法を迅速に追跡しています。

科学的証拠

Unlearnは、科学会議に積極的に参加し、研究結果を発表しています。たとえば、AAIC 2025ではAIによって生成されたデジタルツインについて、AD/PD Vienna 2025ではAbbVieとともに、パーキンソン病臨床試験での登録を加速するための機械学習モデルについて発表しました。

Unlearnの使い方は？

Unlearnがあなたの研究をどのようにサポートできるかを知りたい場合は、彼らのウェブサイトから連絡してください。彼らのチームは、デジタルツインがあなたの臨床試験のデザインと意思決定プロセスに与える潜在的な影響を評価するのに役立ちます。

Unlearnは、臨床試験の方法論における重要な進歩を表しており、医薬品開発を加速し、患者の転帰を改善するためのデータ駆動型のアプローチを提供します。そのAIを活用したデジタルツインは、臨床試験プロセスを最適化しようとしている研究者や製薬会社にとって強力なツールとなります。