QurAlis zal gebruik maken van machine-learning algoritmen van Unlearn.AI om digitale tweelingen te creëren van patiënten die zijn geïncludeerd in klinische studies voor amyotrofische laterale sclerose (ALS).

Op 27 juni kondigde QurAlis, een biotechbedrijf dat zich richt op de ontwikkeling van precisiemedicijnen voor ALS, aan dat het een samenwerking is aangegaan met Unlearn.AI, een startup op het gebied van machine-learning, om zijn klinische programma voor ALS te versnellen en te optimaliseren.

QurAlis zal de geavanceerde machine-learning algoritmen van Unlearn.AI gebruiken om digitale tweelingen of synthetische versies te creëren van patiënten die zijn ingeschreven in klinische onderzoeken. Deze digitale tweelingen, die worden gegenereerd op basis van de gegevens van de patiënten, zullen, in de loop van  tijd, voor de regelgeving geschikt bewijsmateriaal opleveren door individuele gezondheidsresultaten te voorspellen onder de controlebehandeling.

"Vooruitgang op het gebied van machine-learning en AI maakt het mogelijk om het vermogen van onderzoek te vergroten om een positief resultaat te detecteren wanneer dit er echt is, terwijl er gecontroleerd wordt voor type-1 fouten en ook de tijdlijnen aanzienlijk te kunnen verkorten, zonder bias in het onderzoek te introduceren", zegt Dr Kasper Roet, oprichter en chief executive officer (CEO) van QurAlis.

"We zijn verheugd om samen te werken met Unlearn.AI om ons klinische programma vooruit te helpen met AI en andere innovatieve technologieën om bewijsmateriaal te genereren dat geschikt is voor het ondersteunen van regelgevende beslissingen en om nieuwe en zo sneller levensreddende precisiemedicijnen te bekomen voor patiënten met ALS en andere neurodegeneratieve ziekten."
Deze "intelligente controlearm"-benadering kan, naast het controleren op type-1 fouten, het aantal patiënten dat nodig is om deel te nemen aan een controlegroep in klinische onderzoeken verminderen, waardoor de tijdsduur korter wordt en patiënten minder worden blootgesteld aan mogelijks ineffectieve behandelingen. Dit is vooral belangrijk bij klinische studies voor aandoeningen zoals ALS, waarbij tijd een kritieke factor is voor patiënten. 

Volgens de analyse van GlobalData zouden deze gerandomiseerde klinische onderzoeken het landschap van klinische studies kunnen veranderen: "De genAI-aanpak van Unlearn.AI zou een game-changer kunnen zijn voor de gezondheidszorg, omdat het een efficiëntere en ethisch meer verantwoorde manier is om nieuwe behandelingen te testen, met name voor ziektes als ALS waar veel op het spel staat." 

"Naarmate de technologie volwassener wordt en wettelijke goedkeuringen krijgt, zouden meer klinische onderzoeken gebruik kunnen maken van deze methode om de ontdekking van medicijnen te versnellen en de resultaten voor patiënten te verbeteren. De samenwerking zal beginnen met een klinische studie naar ALS, die zal dienen als proeftuin voor de technologie. Als dit succesvol is, zou dit kunnen leiden tot een bredere toepassing van deze technologie in klinische studies voor een hele reeks aandoeningen."

Vertaling: Fabien
Bron: Clinical Trials Arena