Unlearn.AI, uma startup que desenvolve um serviço de ‘gêmeo digital’ para ensaios clínicos, levanta US$ 50 milhões – Techdoxx

A ideia de gêmeos digitais – representações digitais de humanos construídas com modelos de computador – para pesquisa médica está ganhando força nos setores privado e acadêmico. Com a tecnologia de simulação preditiva, alguns especialistas dizem que os gêmeos digitais têm o potencial de melhorar os cuidados de saúde, avaliando os riscos à saúde antes que uma doença se torne sintomática, ajudando os médicos a determinar, por exemplo, quando (e se) intervir.

Um futuro em que os médicos possam simular os efeitos de todos os tratamentos possíveis nos gêmeos digitais dos pacientes para determinar o curso mais eficaz é reconhecidamente ambicioso. Talvez seja por isso Desaprender.AI, uma startup que anunciou hoje que levantou US$ 50 milhões em uma rodada de financiamento da Série B, iniciada com ensaios clínicos. O produto gêmeo digital da Unlearn replica as características dos pacientes em testes para permitir o que a empresa afirma serem estudos menores e mais rápidos, construídos em uma combinação de IA e dados históricos.

“Usamos dados combinados de um grande número de ensaios clínicos realizados anteriormente. Nosso produto não é um modelo de IA – é um ensaio clínico”, disse o CEO Charles Fisher ao Techdoxx por e-mail. “A espera pelo desenvolvimento da vacina [during the pandemic] significava que todos os jornalistas e consumidores mais informados tornaram-se dolorosamente conscientes da necessidade de acelerar os ensaios clínicos ao fazê-los com segurança… [While there] há outras empresas interessadas em usar dados do mundo real para tornar os testes mais rápidos ou melhores, não há concorrentes diretos com um caminho regulatório direto para usar suas tecnologias em [late-stage] testes clínicos.”

A Unlearn foi fundada em 2017 por Fisher, Aaron Smith e Jon Walsh – todos físicos por formação. Os três se conheceram enquanto trabalhavam juntos na Leap Motion, a já extinta startup que desenvolve sensores de movimento para desktops e headsets de realidade aumentada.

Fisher, Smith e Walsh procuraram criar um serviço que pudesse processar conjuntos de dados históricos de ensaios clínicos de pacientes para construir modelos de aprendizado de máquina “específicos de doenças”, que por sua vez poderiam ser usados ​​para criar gêmeos digitais com registros médicos virtuais correspondentes. Esses registros de gêmeos digitais seriam longitudinais – ou seja, incorporariam dados ao longo do tempo e entre sistemas – e abrangeriam informações demográficas, resultados de testes comuns e biomarcadores que parecem idênticos aos registros reais de pacientes em um ensaio clínico.

“[Our] a intenção não era acelerar os ensaios clínicos – era pura pesquisa em aprendizado de máquina. Mas [I] tinha experiência na indústria farmacêutica e logo ficou claro que não havia investimento em aprendizado de máquina como tecnologia para o desenvolvimento farmacêutico”, disse Fisher. (Fisher foi anteriormente um cientista principal da Pfizer.) “[Unlearn] evoluiu através da interação[s] com a indústria farmacêutica”.

Hoje, a Unlearn trabalha com farmacêuticas, empresas de biotecnologia e pesquisadores acadêmicos para gerar gêmeos digitais para cada paciente em um ensaio clínico. Fisher diz que os efeitos do tratamento podem ser estimados com maior precisão após a correção dos resultados derivados dos gêmeos digitais.

As capacidades da Unlearn foram suficientes para convencer três empresas a se envolverem em estudos com seu produto, embora Fisher estivesse disposto a citar apenas uma: Merck KGaA, Darmstadt, Alemanha (uma entidade farmacêutica separada da Merck). A Merck KGaA está usando o Unlearn para incorporar informações prognósticas de gêmeos digitais em seus ensaios controlados randomizados, que o primeiro espera que permita grupos de controle menores e gere evidências “adequadas para apoiar decisões regulatórias em seu pipeline de imunologia”, de acordo com Fisher.

Se a tecnologia de gêmeos digitais da Unlearn funcionar tão bem quanto anunciada, pode ser uma dádiva de Deus para uma indústria médica que há muito é forçada a engolir os altos custos e os desafios logísticos associados aos ensaios clínicos. De acordo com um estudo de 2018 da Johns Hopkins, ensaios clínicos que Apoio, suporte As aprovações de novos medicamentos pela Food and Drug Administration dos EUA têm um custo médio de US$ 19 milhões. Esses ensaios clínicos – que ocorrem em vários estágios de meses – podem se arrastar por anos (seis a sete na média) e se deparam com obstáculos imprevistos como falta de participantes qualificados e mudanças no protocolo.

Mas vários estudos levantam questões sobre as limitações da tecnologia de gêmeos digitais, como sua potencial suscetibilidade a conjuntos de dados tendenciosos. Um recente papel observa que o viés – decorrente, por exemplo, de uma sub-representação de pacientes negros em dados de ensaios clínicos – pode afetar a precisão das previsões feitas usando gêmeos digitais.

Fisher contesta a ideia de que a tecnologia da Unlearn possa levar a decisões comprometidas, apontando para um projecto de parecer de Agência Europeia de Medicamentos (EMA) indicando que gêmeos digitais podem ser usados ​​para a análise primária de estudos de drogas de fase 1 e fase 2. (A EMA é aproximadamente paralela à parte de medicamentos da Food and Drug Administration dos EUA.)

“TA questão é se pode haver viés no ensaio clínico usando essa tecnologia. Seria matematicamente impossível”, disse Fisher. “[Moreover,] O Unlearn usa apenas dados densitizados e não tem acesso a informações privadas.”

Com o novo capital, que eleva o total da Unlearn até o momento para US$ 69,85 milhões, a empresa pretende dobrar seu quadro de 40 pessoas e expandir as operações para novas áreas de doenças.

“A indústria de tecnologia de ensaios clínicos tem um grande problema: as empresas farmacêuticas são céticas em relação a novas tecnologias”, disse Fisher. “O grande desafio é construir evidências para convencê-los de que novas abordagens agregarão valor e ainda fornecerão evidências que podem ser usadas no processo regulatório.”

A Insight Partners participou da Série B da Unlearn, que também contou com a participação da Radical Ventures e dos investidores existentes 8VC, DCVC, DCVC Bio e Mubadala Capital Ventures.