Tıbbi araştırmalar için dijital ikizler – bilgisayar modelleriyle oluşturulmuş insanların dijital temsilleri – fikri hem özel hem de akademik sektörde çekiş kazanıyor. Tahmine dayalı simülasyon teknolojisi ile bazı uzmanlar, dijital ikizlerin bir hastalık semptomatik hale gelmeden önce sağlık risklerini değerlendirerek sağlık hizmetlerini iyileştirme potansiyeline sahip olduğunu ve klinisyenlerin örneğin ne zaman (ve ne zaman müdahale edip etmeyeceğini) belirlemelerine yardımcı olduğunu söylüyor.
Doktorların, en etkili yolu belirlemek için olası tüm tedavilerin hastaların dijital ikizleri üzerindeki etkilerini simüle edebilecekleri bir gelecek, kuşkusuz iddialı. belki de bu yüzden Unlearn.AIBugün B Serisi finansman turunda 50 milyon dolar topladığını açıklayan bir girişim, klinik denemelerle başladı. Unlearn’in dijital ikiz ürünü, şirketin iddia ettiği daha küçük, daha hızlı çalışmalar, AI ve geçmiş verilerin bir kombinasyonu üzerine inşa edilmesini sağlamak için denemelerdeki hastaların özelliklerini çoğaltır.
“Önceden yürütülen çok sayıda klinik araştırmadan elde edilen verileri bir araya getiriyoruz. Ürünümüz bir AI modeli değil – bu bir klinik deneme, ”diyor CEO Charles Fisher TechCrunch’a e-posta yoluyla. “Aşı geliştirme için bekleyiş [during the pandemic] her gazetecinin ve en bilgili tüketicilerin, klinik deneyleri güvenli bir şekilde yaparken hızlandırma ihtiyacının acı bir şekilde farkına varması anlamına geliyordu… [While there] Denemeleri daha hızlı veya daha iyi hale getirmek için gerçek dünya verilerini kullanmakla ilgilenen diğer şirketler, teknolojilerini [late-stage] klinik denemeler.”
Unlearn, 2017 yılında Fisher, Aaron Smith ve Jon Walsh tarafından kuruldu – hepsi eğitim yoluyla fizikçiler. Üçü, masaüstleri ve artırılmış gerçeklik kulaklıkları için hareket sensörleri geliştiren, artık feshedilmiş girişim olan Leap Motion’da birlikte çalışırken bir araya geldi.
Fisher, Smith ve Walsh, “hastalığa özgü” makine öğrenimi modelleri oluşturmak için hastalardan alınan tarihsel klinik deney veri kümelerini işleyebilecek ve buna karşılık gelen sanal tıbbi kayıtlarla dijital ikizler oluşturmak için kullanılabilecek bir hizmet oluşturmaya çalıştı. Bu dijital ikiz kayıtları, uzunlamasına olacaktır – yani, zaman içinde ve sistemler arasında verileri birleştirecek – ve bir klinik deneydeki gerçek hasta kayıtlarıyla aynı görünen demografik bilgileri, ortak test sonuçlarını ve biyobelirteçleri kapsayacaktır.
“[Our] Amaç klinik deneyleri hızlandırmak değildi – makine öğrenimi üzerine yapılan saf bir araştırmaydı. Ancak [I] bir ilaç endüstrisi geçmişine sahipti ve kısa süre sonra ilaç geliştirme için bir teknoloji olarak makine öğrenimine yatırım yapılmadığı ortaya çıktı,” dedi Fisher. (Fisher daha önce Pfizer’de baş bilim adamıydı.) “[Unlearn] etkileşim yoluyla gelişti[s] ilaç endüstrisi ile.”
Bugün, Unlearn ile çalışır ilaç, biyoteknoloji şirketleri ve akademik araştırmacıların klinik bir deneydeki her hasta için dijital ikizler üretmesini sağlamak. Fisher diyor ki dijital ikizlerden elde edilen sonuçlar için düzeltme yapıldıktan sonra tedavi etkileri daha büyük bir hassasiyetle tahmin edilebilir.
Unlearn’ün yeteneklerinin, üç şirketi ürünüyle ilgili çalışmalara katılmaya ikna etmek için yeterli olduğu bildirildi, ancak Fisher yalnızca bir tanesini söylemeye istekliydi: Merck KGaA, Darmstadt, Almanya (Merk’ten ayrı bir ilaç kuruluşu). Merck KGaA, Fisher’a göre, dijital ikizlerden gelen prognostik bilgileri randomize kontrollü denemelerine dahil etmek için Unlearn’i kullanıyor; bu, eski umutların daha küçük kontrol gruplarına olanak sağlayacağını ve Fisher’e göre “immünoloji boru hattındaki düzenleyici kararları desteklemek için uygun” kanıtlar üreteceğini umuyor.
Unlearn’ün dijital ikiz teknolojisi reklamı yapıldığı kadar iyi çalışıyorsa, uzun süredir klinik deneylerle ilgili yüksek maliyetleri ve lojistik zorlukları üstlenmek zorunda kalan bir tıp endüstrisi için bir nimet olabilir. Johns Hopkins’in 2018 yılında yaptığı bir araştırmaya göre, klinik deneyler destek ABD Gıda ve İlaç Dairesi yeni ilaçların onaylarının medyan maliyeti 19 milyon dolardır. Aylarca süren birden fazla aşamada gerçekleşen bu klinik deneyler yıllarca sürebilir (altı ila yedi ortalamada) ve nitelikli katılımcı eksikliği ve protokoldeki değişiklikler gibi öngörülemeyen engellerle karşılaşırsınız.
Ama birkaç çalışmalar Önyargılı veri kümelerine karşı potansiyel duyarlılığı gibi dijital ikiz teknolojisinin sınırlamaları hakkında sorular yöneltin. Son zamanlarda bir kağıt Örneğin klinik araştırma verilerinde Siyah hastaların yetersiz temsil edilmesinden kaynaklanan yanlılığın, dijital ikizler kullanılarak yapılan tahminlerin doğruluğunu etkileyebileceğine dikkat çekiyor.
Fisher, Unlearn’in teknolojisinin karar vermeye yol açabileceği fikrine karşı çıkıyor. taslak görüş itibaren Avrupa İlaç Ajansı (EMA) dijital ikizlerin, faz 1 ve faz 2 ilaç çalışmalarının birincil analizi için kullanılabileceğini gösterir. (EMA, ABD Gıda ve İlaç İdaresi’nin ilaç kısmına kabaca paraleldir.)
“TSoru, bu teknolojiyi kullanan klinik deneylerde yanlılık olup olmayacağıdır. Matematiksel olarak imkansız olurdu” dedi Fisher. “[Moreover,] Unlearn yalnızca yoğunlaştırılmış verileri kullanır ve özel bilgilere erişimi yoktur.”
Unlearn’in bugüne kadarki toplamını 69.85 milyon $’a çıkaran yeni sermaye ile şirket, 40 kişilik çalışan sayısını ikiye katlamayı ve operasyonlarını yeni hastalık alanlarına genişletmeyi planlıyor.
Fisher, “Klinik deney teknolojisi endüstrisinin büyük bir sorunu var: İlaç şirketleri yeni teknolojiye şüpheyle bakıyor” dedi. “En büyük zorluk, onları yeni yaklaşımların değer sağlayacağına ve yine de düzenleyici süreçte kullanılabilecek kanıtlar sunacağına ikna etmek için kanıt oluşturmaktır.”
Insight Partners, Radical Ventures ve mevcut yatırımcılar 8VC, DCVC, DCVC Bio ve Mubadala Capital Ventures’ın da katılımını gören Unlearn’s Series B’ye katıldı.