Die Idee digitaler Zwillinge – digitale Repräsentationen von Menschen, die mit Computermodellen erstellt wurden – für die medizinische Forschung gewinnt sowohl im privaten als auch im akademischen Bereich an Bedeutung. Einige Experten sagen, dass digitale Zwillinge mit prädiktiver Simulationstechnologie das Potenzial haben, die Gesundheitsversorgung zu verbessern, indem sie Gesundheitsrisiken bewerten, bevor eine Krankheit symptomatisch wird, und Ärzten helfen, beispielsweise zu bestimmen, wann (und ob) sie eingreifen müssen.
Eine Zukunft, in der Ärzte die Auswirkungen aller möglichen Behandlungen auf die digitalen Zwillinge der Patienten simulieren können, um den effektivsten Weg zu bestimmen, ist zugegebenermaßen ehrgeizig. Das ist vielleicht der Grund Verlernen.KI, ein Startup, das heute bekannt gab, dass es in einer Finanzierungsrunde der Serie B 50 Millionen US-Dollar gesammelt hat, begann mit klinischen Studien. Das digitale Zwillingsprodukt von Unlearn repliziert die Merkmale von Patienten in Studien, um nach Angaben des Unternehmens kleinere, schnellere Studien zu ermöglichen, die auf einer Kombination aus KI und historischen Daten basieren.
„Wir verwenden kombinierte Daten aus einer großen Anzahl zuvor durchgeführter klinischer Studien. Unser Produkt ist kein KI-Modell – es ist eine klinische Studie“, sagte CEO Charles Fisher per E-Mail gegenüber Tech. „Das Warten auf die Impfstoffentwicklung [during the pandemic] bedeutete, dass jedem Journalisten und den meisten informierten Verbrauchern die Notwendigkeit bewusst wurde, klinische Studien zu beschleunigen und gleichzeitig sicher durchzuführen … [While there] Sind andere Unternehmen daran interessiert, reale Daten zu verwenden, um Versuche schneller oder besser zu machen, gibt es keine direkten Wettbewerber mit einem direkten regulatorischen Weg zur Verwendung ihrer Technologien in [late-stage] klinische Versuche.“
Unlearn wurde 2017 von Fisher, Aaron Smith und Jon Walsh gegründet – allesamt ausgebildete Physiker. Die drei trafen sich während ihrer Zusammenarbeit bei Leap Motion, dem inzwischen aufgelösten Startup, das Bewegungssensoren für Desktops und Augmented-Reality-Headsets entwickelt.
Fisher, Smith und Walsh wollten einen Dienst schaffen, der historische Datensätze klinischer Studien von Patienten verarbeiten kann, um „krankheitsspezifische“ maschinelle Lernmodelle zu erstellen, die wiederum zur Erstellung digitaler Zwillinge mit entsprechenden virtuellen Krankenakten verwendet werden könnten. Diese Aufzeichnungen über digitale Zwillinge würden längsschnittlich sein – dh Daten aus dem Laufe der Zeit und systemübergreifend enthalten – und demografische Informationen, allgemeine Testergebnisse und Biomarker abdecken, die mit tatsächlichen Patientenaufzeichnungen in einer klinischen Studie identisch aussehen.
„[Our] Die Absicht war nicht, klinische Studien zu beschleunigen – es war reine Forschung zum maschinellen Lernen. Aber [I] hatte einen Hintergrund in der pharmazeutischen Industrie und es stellte sich bald heraus, dass in maschinelles Lernen als Technologie für die pharmazeutische Entwicklung nicht investiert worden war“, sagte Fisher. (Fisher war zuvor leitender Wissenschaftler bei Pfizer.) „[Unlearn] durch Interaktion entwickelt[s] mit der pharmazeutischen Industrie.“
Heute arbeitet Unlearn mit Pharma-, Biotech-Unternehmen und akademische Forscher, um digitale Zwillinge für jeden Patienten in einer klinischen Studie zu erstellen. Das sagt Fischer Behandlungseffekte können nach Korrektur der aus den digitalen Zwillingen abgeleiteten Ergebnisse genauer abgeschätzt werden.
Berichten zufolge reichten die Fähigkeiten von Unlearn aus, um drei Unternehmen davon zu überzeugen, Studien mit seinem Produkt durchzuführen, obwohl Fisher nur bereit war, einen Namen zu nennen: Merck KGaA, Darmstadt, Deutschland (eine von Merck getrennte Pharmaeinheit). Merck KGaA verwendet Unlearn, um prognostische Informationen aus digitalen Zwillingen in seine randomisierten kontrollierten Studien einzubeziehen, von denen die ersteren hoffen, kleinere Kontrollgruppen zu ermöglichen und Beweise zu generieren, „die geeignet sind, regulatorische Entscheidungen in ihrer Immunologie-Pipeline zu unterstützen“, so Fisher.
Wenn die digitale Zwillingstechnologie von Unlearn so gut funktioniert wie beworben, könnte dies ein Glücksfall für eine medizinische Industrie sein, die seit langem gezwungen ist, die hohen Kosten und logistischen Herausforderungen im Zusammenhang mit klinischen Studien zu schlucken. Laut einer Studie von Johns Hopkins aus dem Jahr 2018 sind klinische Studien, die Unterstützung Die Zulassung neuer Medikamente durch die US Food and Drug Administration kostet durchschnittlich 19 Millionen US-Dollar. Diese klinischen Studien – die in mehreren, monatelangen Phasen stattfinden – können sich über Jahre hinziehen (sechs bis sieben im Durchschnitt) und stoßen auf unvorhergesehene Hürden wie einen Mangel an qualifizierten Teilnehmern und Änderungen im Protokoll.
Aber mehrere Studien Fragen zu den Grenzen der Digital-Twin-Technologie aufwerfen, wie z. B. ihre potenzielle Anfälligkeit für voreingenommene Datensätze. Eine neuere Papier weist darauf hin, dass Verzerrungen – die sich beispielsweise aus einer Unterrepräsentation von Patienten mit schwarzer Hautfarbe in klinischen Studiendaten ergeben – die Genauigkeit von Vorhersagen beeinträchtigen könnten, die mit digitalen Zwillingen getroffen wurden.
Fisher bestreitet die Vorstellung, dass die Technologie von Unlearn zu einer Beeinträchtigung der Entscheidungsfindung führen könnte, und weist auf a Gutachtenentwurf von dem Europäische Arzneimittel-Agentur (EMA) Dies weist darauf hin, dass digitale Zwillinge für die Primäranalyse von Phase-1- und Phase-2-Arzneimittelstudien verwendet werden könnten. (Die EMA ist ungefähr parallel zum Arzneimittelteil der US-amerikanischen Food and Drug Administration.)
„TDie Frage ist, ob es bei der klinischen Studie mit dieser Technologie zu Verzerrungen kommen könnte. Es wäre mathematisch unmöglich“, sagte Fischer. „[Moreover,] Unlearn verwendet nur verdichtete Daten und hat keinen Zugriff auf private Informationen.“
Mit dem neuen Kapital, das Unlearns bisher aufgebrachte Gesamtsumme auf 69,85 Millionen US-Dollar erhöht, beabsichtigt das Unternehmen, seine 40-köpfige Belegschaft zu verdoppeln und seine Geschäftstätigkeit auf neue Krankheitsgebiete auszudehnen.
„Die Technologiebranche für klinische Studien hat ein großes Problem: Pharmaunternehmen stehen neuen Technologien skeptisch gegenüber“, sagte Fisher. „Die große Herausforderung besteht darin, Beweise zu sammeln, um sie davon zu überzeugen, dass neue Ansätze einen Mehrwert liefern und gleichzeitig Beweise liefern, die im Regulierungsprozess verwendet werden können.“
Insight Partners nahm an Unlearns Serie B teil, an der auch Radical Ventures und die bestehenden Investoren 8VC, DCVC, DCVC Bio und Mubadala Capital Ventures teilnahmen.