Unlearn AI は、生成系AIを使用して個々の患者の「デジタル ツイン」を作成します。 これらのデジタル ツインは、さまざまなシナリオの下での潜在的な健康転帰の包括的なモデルを提供するシミュレートされた臨床記録です。 医療専門家は、治療計画をパーソナライズし、患者を監視し、情報に基づいた意思決定を行って患者の転帰を改善できます。
Unlearn.AI の患者のデジタル ツインは、実世界のデータを使用して、患者の個々の生物学に対するさまざまな治療の影響をシミュレートするために使用できます。 これにより、医療従事者は患者ごとに治療計画をカスタマイズし、治療中の患者の進行状況を監視し、必要に応じて治療計画を調整できるため、患者の転帰の改善に役立ちます。
血液学の具体例として、慢性リンパ性白血病（CLL）と診断された患者について考えてみましょう。 臨床医は Unlearn のデジタル ツイン テクノロジーを使用して、化学療法や標的療法などのさまざまな治療戦略の下での患者の潜在的な病気の進行をシミュレートできます。 これらのシミュレートされた結果を比較することで、臨床医は患者にとって最善の行動方針について、より多くの情報に基づいた決定を下すことができます。 さらに、デジタルツインは臨床試験の状況でも使用できるため、研究者は大規模な対照群を必要とせずに、CLLの新しい治療法の潜在的な効果をより深く理解できるようになります。
臨床医の専門教育とより良い患者フォローアップのサポートという点で、これらのデジタルツインを使用して臨床研究と意思決定を改善できます。 Unlearn は、患者のデジタルツインから予測される健康転帰を使用して、各患者に最適な治療法を決定する新しい方法を開発しています。 これらのアプリケーションはプロセスを合理化し、プロセスをより効率的かつパーソナライズするのに役立ちます。
コーネル大学が発表した研究では、デジタル ツイン プラットフォームのパフォーマンスを、保持されたテスト データセットに対して評価し、MCI や軽度から中等度のアルツハイマー病を含む広範な疾患重症度にわたる臨床試験において、デジタル ツインがどのようにして多数の重要なエンドポイントの進行を同時に捕捉するかを示しました。
「デジタルツインを使用した軽度認知障害およびアルツハイマー病の疾患進行のモデル化」。 2020年12月
https://arxiv.org/abs/2012.13455
注：Unlearn で使用される生成 AI は、多変量時系列データの深層学習モデルに基づいており、これらのモデルは個々の患者の潜在的な健康結果を予測するために構築および展開されています。 このアプローチは、外部コホートから患者の正確な複製を作成することではなく、むしろ患者の特定の健康結果の確率的予測を提供する計算モデルです。
