Unlearn

Unlearn は、二千十七年にボストンのケンブリッジ地区で創業し、臨床試験の設計と解析だけを手がける企業向けの臨床開発・生物統計ソフトウェア企業です。患者デジタルツインを「予後共変量」一つに圧縮して共分散分析に組み込み、分散を下げることでサンプルサイズを削減します。大規模言語モデルではなく、セルフサインアップの窓口もありません。

主な機能

• TrialPioneer 設計ワークベンチ：Scout が文献と規制上の先例を検索し、Hindsight が過去の試験ベンチマークを照合し、SimLab がサンプルサイズのシナリオを比較し、Monitor が施設単位のデータ異常を監視します。
• 患者デジタルツイン：ベースラインのデータから、被験者が対照群に入った場合の縦断的なアウトカム軌跡を推計します。公式サイトには二十六の適応症が掲載され、スポンサー自社のクラウド内に配備できます。
• PROCOVA 共変量調整：ツインの予測値を単一の共変量として ANCOVA に組み込み、残差分散を抑えて検出力を高めます。同社が規制上の適格性評価意見を取得している唯一の手法です。
• 条件付き制限ボルツマンマシン：基盤は教師なし確率モデルと統計的な改良で、同社自身が「ANCOVA の一つの特例」と称しています。九つのフロントエンドバンドルを調べても、サードパーティ製の大規模モデルの痕跡はありません。

適する場面 第II相・第III相の連続エンドポイントを持つ神経変性疾患や免疫・代謝領域の試験があり、規制当局と対話できる生物統計チームを社内に持つ製薬企業や臨床段階のバイオテック企業に向きます。セルフサインアップを求めるチームや、AI で対照群を置き換えて申請しようとするチームには向きません。

独自の強み この分野には多くのプレイヤーがいますが、規制上の適格性評価文書を一次資料として持つのは同社だけです。二千二十二年の EMA の意見は、「確証的試験でサンプルサイズを削減する機械学習」を扱った唯一の正式文書であり、競合が短期間で再現するのは難しいでしょう。

編集部の評価 ギャップは三点あります。第一に、規制当局の説明は公式サイトより保守的です。この意見が認めているのは、連続エンドポイントを用いた無作為化試験における予後スコア共変量だけで、「ツインが対照群を代替する」ことは決して認めていませんが、公式サイトでは digital twins as the comparator と書かれています。FDA の ISTAND パイロットに提出した意向書は、既存ガイドラインで対応済みという理由で受理されず、「二重認証」は誤った説明です。第二に、同社の AI 責任者自身が、完全合成対照はあくまで「長期的な可能性」と述べており、現状はハイブリッドデザインで社内意思決定にのみ用いられています。第三に、対照群の削減幅は各チャネルで十八パーセントから三十三パーセントまで幅があり、いずれも自己申告です。SOC 2 と GxP には公開された監査報告書がなく、G2、Capterra、Trustpilot には登録情報すらありません。