数字双胞胎预测
对单个参与者的临床结局生成 AI 预测，为「AI-generated forecast of one participant’s clinical outcomes」，可用于已入组参与者或假设参与者。
价格仅提供「联系咨询」入口。
平台Web
归类医疗与健康
收录2026-01-01
复核2026-01-01
编辑评分
4.3 / 5
★★★★☆
unlearn.ai编辑总结
Unlearn 是一家把 AI 数字双胞胎用于临床试验的医疗健康工具，面向药企与临床研究团队。它按「设计前」「进行中」「读出后」三个阶段介入，用数字双胞胎对每位参与者做结局预测，从而重构对照臂、压缩样本量与成本。给出的案例显示：设计阶段的 Phase 1/2 研究样本量可降 20%，总成本节省约 2M 美元；一个已完成的 Phase 3 研究重新分析后，在同等统计功效下减少参与者，成本降低约 18%；某全球前五申办方的已完成 Phase 3 试验重分析后对照臂缩小 33%，入组时间节省 4 个月以上。未公开具体价格，页面只提供「联系咨询」，且合作案例与引述多来自其合作方，独立第三方验证信息有限。
unlearn.ai是什么？
Unlearn 是一个面向临床开发的 AI 工具，核心是用「数字双胞胎」（Digital Twins）来强化临床试验中的每一个高风险决策点。它按研究生命周期把自己拆成三个入口：方案定稿前的设计阶段、从首例患者入组到读出的进行中阶段，以及读出之后进入下一项研究的阶段。
根据官网，数字双胞胎是「对单个参与者临床结局的 AI 生成预测」。在不同阶段它的用法不同：设计阶段用于对预期入组人群建模，终点与样本量；进行中阶段为每位已入组参与者生成数字双胞胎预测，用于预先设定的期中分析，读出后阶段则把数字双胞胎当作对照，在随机与单臂研究中都从既有数据里提取更多信息。官网还提到其在单臂试验中相对 PSM 更接近随机化结果，并提及 ALS DTG 等具体资产。
不同角色的用法有差异：药企与临床团队通常在方案定稿前用它做样本量与终点决策，在期中分析时用它强化信号判断；研究负责人可以把它当作读出后解释与下一项设计规划的辅助视角；而普通患者或消费者并不是它的目标用户，官网入口是「Talk to us」，需要联系商务团队。
unlearn.ai核心功能
设计阶段降样本
在方案定稿前对预期入组人群建模，压力测试入组资格、终点与样本量。官网案例称 Phase 1/2 研究在设计阶段即可锁定 20% 的样本量降低。
期中分析强化
为每位已入组参与者配上数字双胞胎预测，用预先设定的数字双胞胎分析强化期中判断。
数据二次利用
把数字双胞胎当作对照，从已收集的数据中提取更多信息，随机化研究与单臂研究都适用，用于获得更清晰的疗效信号。
单臂研究增强
案例称一项 Phase 3 研究按无对照臂方式重分析后，结果比 PSM 更接近随机化结果；Total Functional Capacity 上的统计功效从 PSM 的 70% 提升到 86%。
对照臂与入组优化
某全球前五申办方的已完成 Phase 3 试验重分析后，对照臂缩小 33%，入组时间节省 4 个月以上。
监管策略经验
在生命周期模块中单列「AI Regulatory Strategy Expertise」，把 AI 监管策略专长作为介入点之一。
合作数据库挖掘
引述合作方提到，通过与 Unlearn 合作挖掘其「extensive, well-curated database」并结合 ALS DTG，用于探索更聪明的设计与规划 Phase 1/2 试验。
unlearn.ai值不值得用？
当你在做临床试验的方案设计、期中分析或读出后规划，并且手上已有可用的历史数据时，Unlearn 的数字双胞胎思路值得放进候选清单——官网给出的样本量降低 20%、对照臂缩小 33%、入组时间节省 4 个月以上这些数字，指向的是实打实的成本与周期压缩。但它是需要联系的商务型工具，评估周期会比较长。另外官网的案例与推荐语多来自合作方，独立第三方验证信息有限，把它当作决策唯一依据并不稳妥。更适合已有明确试验方案、且能接受定制化评估流程的团队。
建议选它的情况
- 正在做 Phase 1/2 或 Phase 3 临床试验设计，需要论证样本量与对照臂规模
- 希望用历史数据做读出后的再分析，从既有数据中获取更多疗效信号
- 单臂研究需要更强的统计功效支撑，且愿意评估数字双胞胎对照路径
不建议选它的情况
- 需要自助注册、立即上手试用的个人研究者或早期项目
- 无法接受先联系商务、再进入定制化评估流程的采购节奏
- 需要公开报价、标准化套餐来快速比价的团队
unlearn.ai使用建议
入门先把路子走对
- 先选生命周期入口官网把介入点分成「In design」「In progress」「After readout」三段，先确认你的研究当前落在哪一段，再点对应的「Explore every entry point」。
- 带着当前决策点提问首页入口写的是「Talk to us about where your study is today」，沟通前先列清楚样本量、入组资格、终点、对照臂这几个待定项。
- 先看三条案例数字页面直接给出 20% 样本量降低、约 2M 美元成本节省、33% 对照臂缩小等案例，用它对照自己项目的量级再判断是否值得接触。
进阶省时间也省钱
- 按期中期预设定分析强调用「pre-specified digital twins analyses」做期中分析，提前把分析方案写进设计，比事后补做更容易被接受。
- 涉及可在研究进行中「re-run design scenarios when the evidence moves mid-study」，把重跑设计情景设为常规动作而非一次性动作。
- 单臂试验关注功效提升若考虑单臂设计，重点核对官网所述 Total Functional Capacity 统计功效从 PSM 的 70% 提升到 86% 这一路径是否适用于你的终点。
- 先要监管策略说明单列 AI Regulatory Strategy Expertise，沟通时可优先索取这部分材料，判断其思路是否匹配你计划申报的监管路径。
unlearn.ai适合谁用？
药企临床开发团队
推荐案例中的「top 5 global sponsor」即为此类用户，关注样本量、对照臂规模与入组周期。
生物技术公司
推荐引述了 Trace Neuroscience、QurAlis、remynd 等公司高管的合作表态，早期阶段项目也在此列。
统计与生物统计团队
推荐数字双胞胎作为对照替代 PSM 的思路，与统计方法选择直接相关，适合参与评估。
个人研究者或学生
不推荐只有联系商务入口，无自助试用与公开报价，个人评估成本高、见效路径不明确。
需要即时试用的早期项目
有条件产品需先接触商务再进入定制评估，无法注册即用，赶进度的小型项目容易被流程拖慢。
unlearn.ai优点和缺点
优点
- 案例称 Phase 1/2 研究设计阶段即可锁定 20% 的样本量降低
- Phase 1/2 研究总成本节省约 2M 美元
- 已完成 Phase 3 重分析后成本降低约 18%
- 某全球前五申办方案例中对照臂缩小 33%，入组时间节省 4 个月以上
- 单臂研究中统计功效从 PSM 的 70% 提升到 86%
- 覆盖设计前、进行中、读出后三个阶段，介入点明确
缺点
- 只有「Talk to us」联系入口
- 无自助注册与免费试用，评估周期偏长
- 案例与推荐语多来自合作方，独立验证信息有限
- 未标注支持的平台与集成方式
- 功能效果以案例数字呈现，缺少公开的方法学细节
unlearn.ai常见问题
Unlearn 多少钱？免费吗？＋
没有公开任何价格数字，页面只提供「Talk to us about where your study is today」这样的联系入口，公开介绍也标注为 Contact for Pricing。也就是说它既不是自助注册的免费工具，也没有标价套餐，需要先与商务团队沟通项目情况，再获得针对性的方案与报价。具体费用取决于研究阶段与范围，官网未披露。
它当前的主力能力是什么？＋
核心是数字双胞胎，官网定义为「AI-generated forecast of one participant’s clinical outcomes」。围绕它展开三条路径：设计阶段建模预期入组人群、压力测试入组资格与样本量；进行中阶段为已入组参与者生成预测、做预先设定的期中分析；读出后阶段把数字双胞胎当对照，从既有数据中提取更多信息。还单列了 AI Regulatory Strategy Expertise。
和其他临床数据方案怎么选？＋
在单臂研究场景中直接给出了与 PSM（倾向性评分匹配）的比较：按无对照臂方式重分析后，数字双胞胎的结果比 PSM 更接近随机化结果，Total Functional Capacity 上的统计功效从 PSM 的 70% 提升到 86%。如果你现在用的是匹配类方法且受限于功效，这条差异化值得重点关注。
国内能不能用？有什么限制？＋
未公开任何关于地区可用性、语言支持或本地部署的信息，官网页面也未提及地域限制或中国区服务情况。可以确认的是其入口为英文站的商务联系形式，合作方以海外生物技术与药企为主。是否有国内落地路径，需要直接联系官方确认，官网不支持给出结论。
它主要解决什么问题？＋
的表述是「Every clinical trial is a chain of high-stakes decisions」，Unlearn 帮助的是这条决策链上的每一个节点。具体包括：设计阶段决定样本量、入组资格、终点与对照选择；进行中阶段决定是否因疗效或无效提前停止、是否加速项目；读出后阶段影响结果解读与下一项研究的设计。
有人真的在用吗？＋
包括了若干公开的合作与引述：Trace Neuroscience 的联合创始人兼 CEO Eric Green 提到用 ALS DTG 探索更聪明的设计并规划 Phase 1/2 试验；QurAlis 创始人兼 CEO Kasper Roet 给出评价；remynd 的 CSO Gerard Griffioen 提到在阿尔茨海默领域用数字双胞胎解读生物标志物趋势。此外还有 Acumen Pharmaceuticals 等合作新闻。
它在试验哪个阶段介入最合适？＋
官网把它拆成三个入口：In design（方案定稿前）、In progress（首例患者入组到读出）、After readout（进入下一项研究）。对应的待定决策分别是样本量/入组资格/终点/对照、因疗效或无效停止/加速项目、结果解读与下一项设计。你可以在任意一个点接入，也可以跨阶段连续使用。
unlearn.ai竞品对比
| 工具 | 编辑评分 | 价格 | 核心功能 | 平台 |
|---|---|---|---|---|
| unlearn.ai本工具 | 4.3 | 仅提供「联系咨询」入口。 | 数字双胞胎预测；设计阶段降样本；期中分析强化；数据二次利用 | Web |
| gnshealthcare.com | — | 未标价 | Aitia 利用人工智能和数字双胞胎发现突破性药物 | — |
| Flow Trials | — | 未标价 | 连接患者与临床试验并协助研究人员的人工智能平台 | — |
| 加拿大临床 | — | 未标价 | 简介:加拿大临床试验搜索 | — |
| 国际临床 ICTRP | — | 未标价 | 简介:国际临床试验查询入口 | — |
| 中国临床 ChiCTR | — | 未标价 | 简介:中国临床试验注册中心... | — |
