Unlearn

Unlearn 是一家 B 端临床开发与生物统计软件公司，二零一七年在波士顿剑桥区起家，只做临床试验设计与分析。它把患者数字孪生压成一个「预后协变量」塞进协方差分析，靠降方差减样本量——不是大模型，也没有自助注册入口。

核心能力

• TrialPioneer 设计台：Scout 检索文献与监管先例，Hindsight 查历史试验基准，SimLab 比较样本量情景，Monitor 盯站点数据异常。
• 患者数字孪生：用基线数据推算受试者若进入对照组的纵向结局轨迹，官网列二十六个适应症，可部署在申办方自有云内。
• PROCOVA 协变量调整：把孪生预测值当作单个协变量并入 ANCOVA，压低残差方差来提功效，这是它唯一拿到监管资格意见的方法。
• 条件受限玻尔兹曼机：底层是无监督概率模型加统计改良，公司自称「ANCOVA 的一个特例」；九个前端 bundle 查不到第三方大模型痕迹。

适用场景 适合手上有二三期、连续终点、神经退行或免疫代谢试验，且内部有生物统计团队能跟监管对话的药企与临床阶段生物科技公司。想自助注册、想用 AI 顶掉对照臂报注册的，都不在这里。

独特优势 这条赛道玩家不少，握有一手监管资格文件的只有它：二零二二年的 EMA 意见是迄今唯一针对「机器学习在确证性试验里减样本量」的正式文件，竞品短期难复制。

编辑评价 落差三处。其一，监管口径比官网保守：那份意见只认预后评分协变量、用于连续终点的随机试验，从未认可「孪生替代对照臂」，官网却写成 digital twins as the comparator；向 FDA ISTAND 递交的意向书被拒收，理由是已属现行指南覆盖，「双认证」是误述。其二，公司 AI 负责人自认全合成对照只是「长期可能性」，现状为混合设计、只服务内部决策。其三，控制臂缩减幅度在各渠道从一成八到三成三不等，全是自述；SOC 2 与 GxP 无公开审计报告，G2、Capterra、Trustpilot 均无档案。