今日，Unlearn公司宣布完成5000万美元B轮融资，公司致力于利用机器学习构建患者的数字双胞胎，使临床试验能够更小、更快地进行。

临床试验通常面临着患者注册的挑战，需要注册足够多的患者往往会延缓临床试验的进展。在随机对照试验中，高达一半的患者可能接受没有治疗效果的安慰剂，这可能对参与临床试验的患者没有吸引力。解决这个问题的策略之一是使用外部对照，但通常没有验证外部对照的可靠性。

Unlearn与医药公司、生物技术公司、学术研究所合作，优化其名称TwinRCT人体临床试验。TwinRCT它是一种随机临床试验，利用机器学习和历史数据，根据患者数量减少，提高试验成功率。与传统的随机对照临床试验类似，患者随机进入治疗组和对照组。然而，与传统的临床试验不同，基于历史对照数据，机器学习模型将为每个患者建立一个数字双胞胎。根据历史数据的模拟，这种数字双胞胎可以预测患者接受安慰剂治疗，疾病的进展程度。

通过比较患者及其数字双胞胎，可以准确预测治疗对主次终点的影响。欧洲药品管理局（EMA）草案表明，该策略可用于二期和三期临床试验的主要分析，因为它不会引入偏见。与传统的随机对照试验相比，TwinRCT对照组数量较少，对患者更有吸引力，需要的患者数量较少，更容易实现患者入组目标，缩短患者入组所需时间。

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