Unlearn.ai宣布它获得了1200万$股权融资

一家为临床研究设计软件工具的公司Unlearn.ai今天宣布，它获得了1200万$股权融资。 不了解“数字孪生”试验方法，即用数字模型代替真正的试验对象，可以减少在不牺牲证据标准的情况下进行试验所需的人数。

不学习的技术也有助于解决临床研究中的系统性重复性问题，拜耳和安根最近的一对调查使这一问题得到了明显的缓解。 拜耳报告成功复制了它分析的仅25%的已发表的临床前研究，而安根在53项里程碑式的癌症研究中只有6项（11%）证实了这一发现。

未学习是由物理学家查尔斯·费舍尔、亚伦·史密斯和乔恩·沃尔什在2017年共同创建的，他们最初在一个名为受限Boltzmann机器（RBMS）的人工智能体系结构上构建了该公司的平台。 RBMS受统计力学的启发，可以模拟一个人的特征，同时面对丢失的数据保持稳健，但它们对来自不同群体的数据建模不好，产生了混合而不是不同的分布，例如病人。

为了解决这些缺点，该团队设计了一个名为Paysage的开源软件包，该软件包实现了无监督学习算法（这意味着它们使用的数据没有被分类或标记），包括RBM和生成对抗性网络的混合：Boltzmann编码对抗性机器（B EAM）。 GANS是两部分人工智能模型，由一个generatorthat创建样本和adiscrickinator组成，试图区分生成的样本和真实世界的样本，这种独特的安排使它们能够获得令人印象深刻的媒体合成成就。

未学习的DiGenes is平台是建立在这个混合模型之上的。 它处理来自数千名患者的历史临床试验数据集，以构建特定疾病的机器学习模型，用于创建数字双胞胎及其相应的虚拟病历。. 数字双胞胎记录是纵向的，包括人口学信息、常见的实验室测试、终点和/或生物标志物，这些记录看起来与临床试验中的实际病人记录相同。