Unlearn

概述

Unlearn 是一家以AI 生成的数字孪生为核心的临床试验优化平台。平台通过在历史临床数据上训练的疾病特异性机器学习模型，为每位试验受试者生成可预测的个体化病程轨迹，从而在试验设计、随机对照试验（RCT）运行和中期决策中提供定量化支持。Unlearn 的目标是帮助制药和生物技术公司节省资源、缩短开发周期并提高试验成功率，同时保持科学严谨与监管合规。

核心能力

1. 数字孪生生成: 使用疾病特异性 ML 模型基于受试者基线数据生成个体化预测轨迹，覆盖“每个时间点的每个临床结局”。

2. 对照组优化: 通过用数字孪生补充或替代传统对照组，可在保持统计效能的前提下减少对照受试者数量，从而节省成本和时间。

3. 试验设计优化: 帮助研究者调整纳入/排除标准与终点设置，模拟不同设计情形以提高中标概率和效率。

4. 中期决策支持: 提供对任意子群和终点的预测，支持中期分析、去/留决策以及关键时间点的定量评估。

5. 合规与证据展示: 提供临床验证与监管沟通材料，展示方法学的科学依据和已有的案例研究（如与大型药企的合作）。

应用场景与优势

Unlearn 适用于阿尔茨海默病、帕金森、免疫学和代谢等领域的临床开发。通过在真实世界与历年试验数据上训练模型，平台能够在试验早期预测长期结局，支持快速判断候选药物的潜力，特别适合资源受限或入组困难的适应症。其可视化与交互式报告便于临床团队、统计学家和监管沟通时使用。

推荐理由

• 节省时间与成本：减少对照组、加速入组并缩短试验周期。
• 增强决策信心：通过个体化预测支持更可靠的中期和终期判断。
• 科学与监管友好：已有证据与案例研究支撑，方法论可以用于与监管机构的沟通。

如需进一步了解，可查看网站提供的案例研究、科学证据或联系团队申请演示。