FDA＆EMA双认证、用AI降低受试者数量，数字化CRO企业UNLEARN.AI完成5000万B轮融塔夫茨药物开发研究中心的数

塔夫茨药物开发研究中心的数据显示，新药研发的平均成本由二十世纪70年代的约1.8亿美元增长到二十一世纪初的26亿美元。新药临床I期上市的成功率也由二十世纪80年代的23%降低至目前的12% 。在这种情况下，医药研发外包(CRO)应运而生。 CRO将研发工程分解，既可以降低成本，又可以提升效率。根据蛋壳研究院的市场统计数据显示，药企通过CRO外包临床试验可以缩短约25%的研发时间，减少约40%的研发成本。
尽管CRO模式的推出已经是药品临床试验的积极革新，但开发新药的临床试验成本在持续相对增加，招募大量患者参加所有临床试验阶段的挑战也从未减弱。
根据约翰霍普金斯大学的研究，支持美国食品药品监督管理局批准新药的临床试验成本的中位数在1900万美元。这些分多个阶段进行的临床试验，可能会持续几个月甚至数年，期间可能遇到像缺乏合格参与者或协议被迫修改等的困难。近年来的新冠疫情大流行，更是让临床协调员的工作开展雪上加霜。来自美国的一家新型CRO公司UNLEARN.AI提出：在临床试验中使用人工智能技术可以降低试验参与者数量的要求，理想状态下甚至可以取消试验对照组患者的招募。
2022年4月19日， UNLEARN.AI宣布完成5000万美元的B轮融资，至此，该公司的总融资金额达到了7785万美元。 UNLEARN.AI总部位于美国加利福尼亚州旧金山，其创建的临床试验方法TwinRCTs能够通过机器学习和生物统计学实现依赖较少患者的临床试验。
本次融资由全球风险投资和私募股权公司InsightPartners牵头，新投资者RadicalVentures以及该公司的全部现有投资者8VC、DCVC、DCVCBio和MubadalaCapitalVentures共同完成。通过本次投资，牵头公司InsightPartners的常务董事DylanMorris加入了Unlearn董事会。

文章图片
数学家与物理学家们的理论与实践
UNLEARN.AI成立于2017年，汇集了制药、医疗技术、机器学习和商业领域的世界级专家团队，他们共同的愿景是利用人工智能来改善临床试验，以造福患者和临床协调员。

文章图片
创始人兼CEOCharlesK.Fisher博士毕业于哈佛大学，是一位对机器学习和生物统计学感兴趣的物理学家。创业前， Charles曾是法国巴黎高等师范学院的理论物理学的研究员，也在辉瑞集团担任过生物统计学家，并且在波士顿大学完成其生物物理学的博士后项目。
联合创始人兼机器学习负责人AaronSmith博士是毕业于宾夕法尼亚大学的数学家，对计算机视觉、机器学习、物理学与几何学有浓厚的兴趣。另一位联合创始人兼数据科学负责人JonWalsh博士毕业于华盛顿大学物理学系，在加州大学伯克利分校担任理论例子物理学博士后研究员期间，主要负责通过构建计算工具来分析、模拟和计算数据属性。
这三人是在一家人机交互传感设备的制造公司LeapMotion工作期间相识。 Charles当时担任机器学习工程师， Aaron担任算法工程师和手部传感器团队经理， Jon则是担任数据科学家。
三位科学家想要通过创立Unlearn来实现人工智能对药物临床试验的改善。他们想利用机器学习实现规模更小、效率更高的临床试验，最终减少开发新药所需要的时间，限制控制组患者的数量。
不难看出，创始人团队在知识背景、科研经历和工作能力三个方面都称得上“强强联手” 。
患者和模拟数据
共同参与的随机试验法
作为一家打破传统随机试验方法的CRO ， UNLEARN.AI是全球首家提出将“数字孪生(DigitalTwin)”应用到临床试验对照组的公司，并且创建了与之对应的随机试验法TwinRCTs和数字孪生生成器DiGenesis 。