Unlearn

Unlearn：AI驱动的数字孪生技术，助力临床试验流程优化

什么是Unlearn？ Unlearn 是一家利用人工智能为参与临床试验的患者创建数字孪生模型的公司。这些数字孪生模型是使用基于广泛历史临床数据训练的疾病特定机器学习模型生成的。通过仅使用每个试验参与者的基线数据，Unlearn 能够以前所未有的精度预测未来每个时间点的临床结果。这种创新方法有助于制药公司加速临床开发，更快地做出决策，并优化试验设计。

Unlearn 是如何运作的？

Unlearn 的核心技术围绕创建数字孪生模型展开，这些模型模仿临床试验中真实患者的行为和预测结果。以下是其运作方式的详细说明：

1. 数据采集： Unlearn 利用与特定疾病相关的大量历史临床数据。
2. 模型训练： 基于这些历史数据训练疾病特定的机器学习模型。
3. 数字孪生模型生成： 对于每个新的临床试验参与者，仅使用其基线数据创建一个数字孪生模型。
4. 结果预测： 这些数字孪生模型预测未来每个时间点的临床结果，使研究人员能够探索任何参与者亚组的预测结果。

主要特点和优势

• 加速试验时间表： 设计并运行规模更小的随机对照试验 (RCT)，在不增加额外参与者的情况下保持或提高效力。此方法已通过 EMA 认证，并符合当前的 FDA 指导。
• 更快地做出决策： 探索任何时间点所有测量的临床结果的任何参与者亚组的预测结果。此功能支持整个研究过程中的中期分析和其他关键决策。
• 试验设计优化： 使用数字孪生模型优化纳入/排除标准和临床终点，从而实现更高效且成功率更高的试验。

真实世界的结果

Unlearn 的技术已展示出加速临床开发的巨大潜力。近似结果包括：

• 对照组规模缩小
• 节省注册时间

Unlearn 正在神经科学、免疫学和代谢疾病等领域开展工作，并与 AbbVie、remynd 和 Trace Neuroscience 建立了合作伙伴关系。

Unlearn 适用于哪些人？

Unlearn 主要为以下对象设计：

• 制药公司： 加速药物开发并降低成本。
• 生物技术公司： 优化临床试验设计并提高成功几率。
• 研究人员： 深入了解疾病进展和治疗效果。

为什么选择 Unlearn？

• AI驱动的精确性： Unlearn 的数字孪生模型在预测临床结果方面具有无与伦比的精确性。
• 符合监管要求： Unlearn 的方法已通过 EMA 认证，并符合当前的 FDA 指导。
• 战略合作伙伴关系： Unlearn 与领先的生物制药公司合作，将其技术应用于真实世界的临床试验中。

通过利用 AI 生成的数字孪生模型，Unlearn 正在改变临床试验，从而能够做出更明智的批准/不批准决策，节省资源并快速跟踪最有希望的疗法。

科学证据

Unlearn 积极参与科学会议并发表研究成果。例如，他们曾在 2025 年 AAIC 上介绍了 AI 生成的数字孪生模型，并在 2025 年维也纳 AD/PD 上与 AbbVie 共同介绍了用于加速帕金森病临床试验招募的机器学习模型。

如何使用 Unlearn？

要了解 Unlearn 如何为您的研究提供支持，只需通过他们的网站与他们联系即可。他们的团队可以帮助您评估数字孪生模型对您的临床试验设计和决策过程的潜在影响。

Unlearn 代表了临床试验方法学的重大进步，它提供了一种数据驱动的方法来加速药物开发并改善患者预后。它的 AI 驱动的数字孪生模型为希望优化其临床试验流程的研究人员和制药公司提供了一个强大的工具。