Unlearn公司宣布完成5000万美元的B轮融资，该公司致力于使用机器学习，构建患者的数字化双胞胎，从而让临床试验以更小的规模，更迅速地进行。
临床试验在患者注册方面通常面临挑战，需要注册足够多的患者往往会延缓临床试验的进展。随机对照试验中可能有高达一半的患者接受的是没有治疗效果的安慰剂，对参与临床试验的患者来说可能缺乏吸引力。解决这一问题的一个策略是使用外部对照，然而通常外部对照的可靠性未得到验证。
Unlearn与医药公司、生物技术公司和学术研究所合作，优化其名为TwinRCT的人体临床试验。TwinRCT是一种随机化临床试验，它使用机器学习和历史数据，基于更少的患者数量，提高试验的成功率。与传统的随机对照临床试验相仿，患者随机入组治疗组和对照组。不过与传统临床试验不同的是，基于历史对照数据，机器学习模型会为每个患者构建一个数字化双胞胎，这个数字化双胞胎可以根据对历史数据的模拟，预测这名患者如果接受安慰剂的治疗，疾病的进展程度如何。
治疗手段对主要终点和次要终点的影响都可以通过比较患者和他的数字化双胞胎来精准预测。欧洲药品管理局（EMA）已经发表的草案意见表明这种策略可以被用于2期和3期临床试验的主要分析，因为它不会引入偏倚。与传统随机对照试验相比，TwinRCT中的对照组人数更少，对患者来说更具有吸引力，而且它需要的患者数目更少，因此更容易达到患者入组目标，缩短患者入组完毕所需时间。
参考资料：
[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