人工智能籌集1200萬(wàn)美元加速數(shù)字雙胞胎臨床試驗(yàn)

一家為臨床研究設(shè)計(jì)軟件工具的公司Unlearn.ai今天宣布，它獲得了1200萬(wàn)$股權(quán)融資。 不了解“數(shù)字孿生”試驗(yàn)方法，即用數(shù)字模型代替真正的試驗(yàn)對(duì)象，可以減少在不犧牲證據(jù)標(biāo)準(zhǔn)的情況下進(jìn)行試驗(yàn)所需的人數(shù)。

不學(xué)習(xí)的技術(shù)也有助于解決臨床研究中的系統(tǒng)性重復(fù)性問(wèn)題，拜耳和安根最近的一對(duì)調(diào)查使這一問(wèn)題得到了明顯的緩解。 拜耳報(bào)告成功復(fù)制了它分析的僅25%的已發(fā)表的臨床前研究，而安根在53項(xiàng)里程碑式的癌癥研究中只有6項(xiàng)(11%)證實(shí)了這一發(fā)現(xiàn)。

未學(xué)習(xí)是由物理學(xué)家查爾斯·費(fèi)舍爾、亞倫·史密斯和喬恩·沃爾什在2017年共同創(chuàng)建的，他們最初在一個(gè)名為受限Boltzmann機(jī)器(RBMS)的人工智能體系結(jié)構(gòu)上構(gòu)建了該公司的平臺(tái)。 RBMS受統(tǒng)計(jì)力學(xué)的啟發(fā)，可以模擬一個(gè)人的特征，同時(shí)面對(duì)丟失的數(shù)據(jù)保持穩(wěn)健，但它們對(duì)來(lái)自不同群體的數(shù)據(jù)建模不好，產(chǎn)生了混合而不是不同的分布，例如病人。

為了解決這些缺點(diǎn)，該團(tuán)隊(duì)設(shè)計(jì)了一個(gè)名為Paysage的開(kāi)源軟件包，該軟件包實(shí)現(xiàn)了無(wú)監(jiān)督學(xué)習(xí)算法(這意味著它們使用的數(shù)據(jù)沒(méi)有被分類(lèi)或標(biāo)記)，包括RBM和生成對(duì)抗性網(wǎng)絡(luò)的混合：Boltzmann編碼對(duì)抗性機(jī)器(B EAM)。 GANS是兩部分人工智能模型，由一個(gè)generatorthat創(chuàng)建樣本和adiscrickinator組成，試圖區(qū)分生成的樣本和真實(shí)世界的樣本，這種獨(dú)特的安排使它們能夠獲得令人印象深刻的媒體合成成就。

未學(xué)習(xí)的DiGenes is平臺(tái)是建立在這個(gè)混合模型之上的。 它處理來(lái)自數(shù)千名患者的歷史臨床試驗(yàn)數(shù)據(jù)集，以構(gòu)建特定疾病的機(jī)器學(xué)習(xí)模型，用于創(chuàng)建數(shù)字雙胞胎及其相應(yīng)的虛擬病歷.. 數(shù)字雙胞胎記錄是縱向的，包括人口學(xué)信息、常見(jiàn)的實(shí)驗(yàn)室測(cè)試、終點(diǎn)和/或生物標(biāo)志物，這些記錄看起來(lái)與臨床試驗(yàn)中的實(shí)際病人記錄相同。