Unlearn

Unlearn은 의학에서의 시행착오를 없애 의학을 혁신하는 데 전념하는 선구적인 AI 기업입니다. 이 회사는 임상 시험을 위한 환자의 디지털 트윈을 생성하는 획기적인 플랫폼을 개발했습니다. 이 디지털 트윈은 특정 환자가 대조군에 있었을 경우 어떤 일이 일어났을지에 대한 포괄적이고 종단적인 예측입니다. Unlearn은 이러한 AI 생성 예후 모델을 활용하여 제약 회사와 바이오테크가 더 작고, 더 빠르며, 더 성공적인 임상 시험을 수행할 수 있도록 지원합니다. 그들의 임무는 AI를 발전시켜 의학을 계산 과학으로 변모시키고, 정밀 의학을 모두를 위한 새로운 치료 표준으로 만드는 것입니다.

이 기술은 100만 건 이상의 종단적 임상 연구 기록으로 구성된 독점적인 데이터베이스에서 훈련된 질병별 머신러닝 모델을 기반으로 합니다. 이 방대한 데이터 세트는 신경과학(알츠하이머, 파킨슨병, ALS), 면역학, 대사 질환과 같은 복잡한 분야를 포함하여 20개 이상의 적응증에 걸쳐 있습니다. 이 풍부한 데이터 기반을 통해 Unlearn은 각 시험 참가자의 기준선 데이터만을 사용하여 매우 정밀하고 신뢰할 수 있는 예측을 생성할 수 있습니다.

Unlearn 사용 방법

Unlearn과의 협력은 속도, 보안 및 적응성이 필요한 바이오 제약 파트너를 위해 설계된 협업 프로세스입니다. 일반적인 작업 흐름은 다음과 같습니다:

1. 파트너십 및 상담: 제약 또는 바이오테크 회사가 특정 임상 연구를 지원하기 위해 Unlearn과 파트너 관계를 맺습니다. Unlearn의 팀은 스폰서와 협력하여 시험의 목표, 평가 변수 및 설계를 이해합니다.
2. 데이터 통합: 시험에 등록된 각 참가자에 대해서는 기준선 데이터만 필요합니다. Unlearn의 플랫폼은 이 기준선 정보를 수집하여 해당 디지털 트윈을 생성합니다.
3. 디지털 트윈 생성: Unlearn 플랫폼은 질병별 머신러닝 모델을 사용하여 각 참가자에 대한 개인화된 예측을 생성합니다. 이 예측은 참가자가 위약을 투여받았을 경우 미래의 모든 시점에서 임상 결과를 예측합니다.
4. 통계 분석: 디지털 트윈의 예측 결과는 시험의 최종 통계 분석에서 예후 공변량으로 사용됩니다. 이는 치료 효과 추정치의 분산을 크게 줄입니다.
5. 시험 최적화 및 의사 결정: 결과는 스폰서가 더 적은 참가자로 더 높은 통계적 검정력을 달성하고, 등록 기간을 단축하며, 더 자신감 있는 '진행/중단' 결정을 내릴 수 있도록 합니다. 이 플랫폼은 또한 모든 하위 그룹에 대한 예측 결과를 탐색하여 중간 분석 및 시험 설계 최적화를 지원하는 데 사용될 수 있습니다.

Unlearn은 프로세스를 종단 간 처리하는 풀 서비스 모델과 클라이언트의 독점 데이터 및 시스템과 통합하는 맞춤형 인프라 모델을 포함한 유연한 참여 모델을 제공합니다.

Unlearn의 핵심 기능

• 디지털 트윈 생성기: 각 시험 참가자의 기준선 데이터를 기반으로 예후 예측을 생성하는 핵심 기술입니다.
• 시험 일정 가속화: 통계적 검정력을 유지하거나 높이면서 더 작은 무작위 대조 시험(RCT)을 설계할 수 있게 하여 등록 및 완료를 가속화합니다.
• 향상된 의사 결정: 모든 시점에서 모든 하위 그룹에 대한 예측 결과를 제공하여 중간 분석 및 '진행/중단' 마일스톤과 같은 중요한 결정을 지원합니다.
• 시험 설계 최적화: 스폰서가 디지털 트윈을 사용하여 포함/제외 기준 및 임상 평가 변수를 정제하여 더 효율적이고 성공 확률이 높은 시험을 설계할 수 있도록 합니다.
• 규제 기관 승인: Unlearn의 방법은 유럽 의약품청(EMA)으로부터 2상 및 3상 시험에서 사용하도록 자격을 부여받았으며, 예후 공변량 사용에 대한 현재 FDA 지침과 일치합니다.
• 광범위한 치료 영역 적용: 모델과 전문 지식은 신경과학, 면역학, 대사 질환에 대한 깊은 전문성을 바탕으로 20개 이상의 적응증을 다룹니다.

Unlearn의 사용 사례

Unlearn의 기술은 세계 유수의 제약 회사와 혁신적인 바이오테크에서 임상 개발의 중요한 과제를 해결하기 위해 적용되고 있습니다.

• 표본 크기 감소: AbbVie는 알츠하이머병 시험에서 Unlearn의 디지털 트윈을 활용하여 치료 효과 분산의 상당한 감소를 입증했으며, 이는 더 작은 표본 크기, 더 빠른 등록 및 비용 절감으로 이어질 수 있었습니다.
• 초기 효능 신호 강화: 초기 단계 알츠하이머 연구에서 remynd는 Unlearn과 협력하여 디지털 트윈을 사용하여 질병 진행을 예측함으로써 초기 임상 효능 신호에 대한 신뢰를 강화하는 데 도움을 받았습니다.
• 단일군 연구의 외부 비교군: ProJenX는 공개 라벨 ALS 시험에서 각 참가자에 대한 내장된 위약 대조군으로 AI 생성 디지털 트윈을 사용하여 전통적인 외부 대조군에 비해 효능 결과에 대한 더 큰 확신을 제공했습니다.
• 시험 설계 최적화: Trace Neuroscience는 Unlearn과 협력하여 광범위한 ALS 데이터베이스를 마이닝하여 1/2상 시험 계획을 위한 더 스마트한 시험 설계와 더 정보에 입각한 결정을 내릴 수 있었습니다.

Unlearn의 장점

Unlearn과의 파트너십은 약물 개발에서 뚜렷한 경쟁 우위를 제공합니다. 주요 장점은 다음과 같습니다:

• 효율성 증대: 통계적 검정력을 희생하지 않고 더 작고 빠른 시험을 실행합니다.
• 위험 감소: 개발 과정 초기에 더 정보에 입각한 결정을 내려 후기 단계 실패 위험을 줄입니다.
• 비용 절감: 필요한 표본 크기를 줄여 환자 모집 및 시험 운영 비용을 절감합니다.
• 과학적 및 규제적 엄격성: 이 플랫폼은 최첨단 머신러닝 연구에 기반을 두고 있으며 EMA 및 FDA와 같은 주요 규제 기관의 인정을 받았습니다.
• 깊은 전문성: Unlearn의 팀은 머신러닝, 임상 연구 및 데이터 과학 분야의 전문가로 구성되어 강력한 지원과 통찰력을 제공합니다.

가격 및 플랜

Unlearn은 제약 및 바이오테크 회사의 특정 요구에 맞춘 맞춤형 솔루션을 제공하는 기업 B2B 모델로 운영됩니다. 가격은 공개되지 않으며 프로젝트 범위, 치료 영역 및 선택한 참여 모델에 따라 결정됩니다. 맞춤형 견적과 플랫폼의 상세한 데모를 받으려면 Unlearn에 직접 연락하여 데모를 예약하는 것이 좋습니다.