Unlearn機器學(xué)習(xí)平臺可加快阿爾茨海默氏癥藥物開發(fā)

（文章來源：教育新聞網(wǎng)）

查爾斯·費舍爾(Charles K. Fisher)博士說：“我們今天發(fā)布的結(jié)果令我們感到興奮，因為它們進一步驗證了我們的平臺及其潛在的潛力，可大大減少在阿爾茨海默氏病等重要患者需求領(lǐng)域開展臨床試驗所花費的時間?！?，Unlearn.AI的創(chuàng)始人兼首席執(zhí)行官。阿爾茨海默氏病的藥物開發(fā)越來越昂貴且耗時。我們相信，我們的平臺可以幫助減輕這些負擔并加快臨床試驗，從而為需要它們的患者提供新藥?！?/p>

Unlearn正在通過其基于機器學(xué)習(xí)的模型來解決患者招募這一與阿爾茨海默氏病臨床試驗相關(guān)的最大挑戰(zhàn)之一，該模型將數(shù)字化雙胞胎納入臨床研究的智能控制臂。Digital Twin是綜合的，縱向的和計算生成的臨床記錄，描述了如果特定患者接受安慰劑會發(fā)生的情況。專有的DiGenesis?工藝利用了成千上萬名患者的歷史臨床試驗數(shù)據(jù)集，特定疾病的機器學(xué)習(xí)模型以及嚴格的統(tǒng)計分析，以創(chuàng)建與研究治療組中的患者完全匹配的數(shù)字記錄。

為了從其阿爾茨海默氏病模型中獲得大量多樣的控制數(shù)據(jù)樣本，Unlearn通過其16個歷史臨床試驗的對照研究中的5,000名患有早至中度阿爾茨海默氏病的人的阿爾茨海默氏病關(guān)鍵路徑(CPAD)的成員身份使用了記錄。該模型在18個月內(nèi)捕獲了與阿爾茨海默氏病相關(guān)的50個臨床變量(如神經(jīng)系統(tǒng)檢查的組成部分)之間的關(guān)系，以跟蹤疾病的進展。

輝瑞醫(yī)療部門負責疼痛和神經(jīng)科學(xué)的前副總裁瑪麗娜·布羅德斯基(Marina Brodsky)博士說：“目前的臨床試驗狀態(tài)極具挑戰(zhàn)性，特別是對于衰弱性疾病如阿爾茨海默氏病，患者招募特別困難?！薄斑@些發(fā)現(xiàn)令我感到鼓舞，并看到Unlearn平臺具有巨大的潛力，可以改變我們?yōu)榕R床試驗填充控制臂的方式，從而大大減少了將其盡快送給迫切需要它們的患者的時間。”

有關(guān)Unlearn早期阿爾茨海默氏病模型有效性的詳細信息，也已發(fā)表在《自然科學(xué)報告》的一篇名為《機器學(xué)習(xí)來全面預(yù)測阿爾茨海默氏病進展的文章》中。
? ? ? ?