利用人工智能預(yù)測(cè)臨床試驗(yàn)結(jié)果 機(jī)器學(xué)習(xí)新銳獲5000萬美元助力

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(cè)方面通常面臨挑戰(zhàn)，需要注冊(cè)足夠多的患者往往會(huì)延緩臨床試驗(yàn)的進(jìn)展。隨機(jī)對(duì)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(duì)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(gè)策略是使用外部對(duì)照，然而通常外部對(duì)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(duì)照臨床試驗(yàn)相仿，患者隨機(jī)入組治療組和對(duì)照組。不過與傳統(tǒng)臨床試驗(yàn)不同的是，基于歷史對(duì)照數(shù)據(jù)，機(jī)器學(xué)習(xí)模型會(huì)為每個(gè)患者構(gòu)建一個(gè)數(shù)字化雙胞胎，這個(gè)數(shù)字化雙胞胎可以根據(jù)對(duì)歷史數(shù)據(jù)的模擬，預(yù)測(cè)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(duì)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(cè)。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?huì)引入偏倚。與傳統(tǒng)隨機(jī)對(duì)照試驗(yàn)相比，TwinRCT中的對(duì)照組人數(shù)更少，對(duì)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。

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(hào)