医生可以模拟所有可能的治疗方案对患者的影响，以确定最有效的疗程。
据TechCrunch报道，近日，美国临床研究软件工具研发商Unlearn.AI宣布，公司已完成5000万美元B轮融资，本轮融资由Insight Partners、Radical Ventures共同投资，老股东8VC、DCVC、DCVC Bio和Mubadala Capital Ventures继续加资。
Unlearn迄今为止筹集的总额达到6985万美元，本轮融资后，该公司打算将其40名员工人数增加一倍，并将业务扩展到新的疾病领域。
Unlearn由Fisher、Aaron Smith和Jon Walsh于2017年创立，他们都是物理学家。这三人在Leap Motion合作时相遇，Leap Motion是一家现已倒闭的初创公司，主要研发如何为台式机和耳机增强运动传感器。
Fisher、Smith和Walsh试图创建一种服务，可以处理来自患者的历史临床数据集，以构建“特定于此人疾病”的机器模型，这些模型反过来又可用于创建具有和真人相应的虚拟医疗数字孪生体（由计算机模型构建的人类模型）记录。这些数字孪生体的医疗记录将是纵向的——即整合所有真人的临床历史记录和跨系统的数据，并涵盖人口统计信息、常见测试结果和生物标志物，这些看起来与临床试验中的实际患者记录相同。
反向创建一个数字孪生体的目的是：一些专家表示，通过预测模拟技术，数字孪生体能用来在疾病出现症状之前评估身体的健康风险，以此达到改善医疗和保健身体的效果。例如，临床医生可以在数字孪生体身上进行试验，以确定在治疗时是否以及何时对患者进行干预。医生可以模拟所有可能的治疗方案对患者数字孪生体的影响，以确定最有效的疗程。
Unlearn的数字孪生产品建立在人工智能和历史数据的集成之上，试验中复制了患者的特征，以实现更小、更快的临床研究。
“我们使用了大量历史临床试验的数据。我们的产品不是人工智能模型，而是一项临床试验。”首席执行官Charles Fisher表示，“新冠疫情期间，在所有人都只能干等着疫苗被研发时，每个记者和消费者都痛苦地意识到，在安全进行临床试验的同时，我们真的需要加快临床试验。我们的数字孪生体就是最高效的解决方案。”
如今，Unlearn与制药、生物技术公司和学术研究人员合作，为临床试验中的每位患者生成数字孪生体。Fisher说，通过校正从数字孪生体得出的结果，可以更精确地估计治疗效果。
附
查看更多项目信息，请前往「睿兽分析」。