一家為臨床研究設(shè)計軟件工具的公司Unlearn.ai今天宣布，它獲得了1200萬$股權(quán)融資。 不了解“數(shù)字孿生”試驗方法，即用數(shù)字模型代替真正的試驗對象，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)性問題，拜耳和安根最近的一對調(diào)查使這一問題得到了明顯的緩解。 拜耳報告成功復(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項里程碑式的癌癥研究中只有6項（11%）證實了這一發(fā)現(xiàn)。

未學(xué)習(xí)是由物理學(xué)家查爾斯·費舍爾、亞倫·史密斯和喬恩·沃爾什在2017年共同創(chuàng)建的，他們最初在一個名為受限Boltzmann機器（RBMS）的人工智能體系結(jié)構(gòu)上構(gòu)建了該公司的平臺。 RBMS受統(tǒng)計力學(xué)的啟發(fā)，可以模擬一個人的特征，同時面對丟失的數(shù)據(jù)保持穩(wěn)健，但它們對來自不同群體的數(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，該團隊設(shè)計了一個名為Paysage的開源軟件包，該軟件包實現(xiàn)了無監(jiān)督學(xué)習(xí)算法（這意味著它們使用的數(shù)據(jù)沒有被分類或標(biāo)記），包括RBM和生成對抗性網(wǎng)絡(luò)的混合：Boltzmann編碼對抗性機器（B EAM）。 GANS是兩部分人工智能模型，由一個generatorthat創(chuàng)建樣本和adiscrickinator組成，試圖區(qū)分生成的樣本和真實世界的樣本，這種獨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平臺是建立在這個混合模型之上的。 它處理來自數(shù)千名患者的歷史臨床試驗數(shù)據(jù)集，以構(gòu)建特定疾病的機器學(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、常見的實驗室測試、終點和/或生物標(biāo)志物，這些記錄看起來與臨床試驗中的實際病人記錄相同。