2022年值得关注的8家AI+临床试验公司

临床试验是药物开发工作流程的一个关键阶段 (候选药物从I期走向批准的平均成功率约为11%)。即使候选药物是安全和有效的，临床试验也可能因为缺乏资金、注册人数不足或研究设计不当而失败。 

2022年4月7日，BiopharmaTrend网站发布一篇文章，总结了目前将AI技术应用于临床试验的8家公司的简要情况。

前言

人工智能越来越被认为是提高临床试验效率和最大限度降低临床开发成本的潜在机会。通常情况下，AI公司在三个主要方面提供他们的服务和专业知识。

第一个方面是应用自然语言处理 (NLP)，帮助客户从不同的数据源 (如科学论文、医疗记录、疾病登记，甚至医疗索赔数据) 中解锁信息，支持病人招募和分层、中心选择，并改善临床研究设计和对疾病机制的理解。

第二个方面是改进病人分层。临床试验患者费用高昂 (2017年招募一名患者的平均费用为15,700-26,000美元)，因此能够预测哪位患者会从治疗中获得更大的益处或风险是很重要的。人工智能利用多种数据类型 (如电子健康记录、全息图和成像数据) 进行操作，以减少异质性，提高临床研究能力。人工智能还可以利用语音生物标志物来识别神经系统疾病的进展，利用成像分析来跟踪治疗进展，或利用基因生物标志物来识别症状更严重的患者。

第三个方面是简化临床试验的操作流程。人工智能可以从家里跟踪病人的健康状况，监测治疗反应，以及病人对试验程序的遵守情况，减少患者退出的风险。通常情况下，III期临床试验需要1000-3000名受试者，其中一部分人服用安慰剂。这就是为什么合成控制臂的发展 (人工智能模型可以取代安慰剂对照组的个人，从而减少临床试验所需的受试者数量) 可能成为一种新的趋势。

下面我们总结了一份为临床试验提供先进工具的著名人工智能公司的名单。

信息化和分析引擎

ConcertAI

ConcertAI (原名Concerto HealthAI) 是一家成立于2017年的美国公司。该公司为精准肿瘤学提供真实世界证据 (RWE) 服务。它通过与社区肿瘤学网络的合作和授权，建立了最广泛的临床网络，从而获得了电子医疗记录、NGS诊断结果和病人报告的结果。然后ConcertAI分析这些数据并为新的治疗方法提供证据。该公司从一些投资者那里总共筹集了3亿美元，最新的1.5亿美元的C轮融资来自Sixth Street。

Saama

Saama是人工智能驱动的临床试验分析领域的领先者之一，提供多样化的解决方案：通过集中的数据分析和控制中心加速临床试验，包括实时数据处理能力、数据质量相关的自动化能力、简化的监管提交能力 (包括药物警戒分析和提交) 等。

Saama是一家位于硅谷的公司，成立于1997年，在2015年筹集了第一笔风险资本。该公司已经筹集了超过5亿美元的风险投资，包括来自Carlyle的4.3亿美元的最新巨额融资，以及来自默克、辉瑞、安进、麦肯锡等公司的风险基金。Saama转让了公司控制权。

患者招募和分层

PathAI

总部位于波士顿的PathAI公司成立于2015年，是一家为病理学提供人工智能成像分析工具的供应商。它主要专注于癌症研究，目的是为每个病人提供精准医疗，帮助他们从新型疗法中获益。

PathAI与领先的生物医药公司合作，包括与百时美施贵宝的合作 (在该合作中，PathAI评估PD-L1的表达)，与GSK的最新多年合作。PathAI从包括 Kaiser Permanente在内的投资者那里筹集了2.5亿美元。 

Owkin

Owkin是一家位于纽约的人工智能驱动的公司，成立于2016年。该公司使用联邦学习来训练和开发其机器学习模型，专门用于提高临床试验效率。他们已经建立了一个高级模型目录，使他们能够从成像、基因组学和临床数据中识别新的生物标志物。Owkin致力于识别具有严重疾病进展特征的患者，这些患者可能对开发中的治疗反应最好。Owkin已经从一些投资者那里总共筹集了2.54亿美元，其中包括赛诺菲、Bpifrance和Mubadala资本风险投资公司。

GNS healthcare

GNS是一家来自剑桥的公司，成立于2000年。该公司的技术基于各种复杂的数据创建”虚拟患者"，这是一个准确的疾病计算机模型。GNS专注于肿瘤学、免疫学、中枢神经系统和心脏代谢疾病。他们的技术支持更好的病人分层，并能确定哪些病人应该接受一线或二线治疗。GNS Healthcare通过50多篇科学出版物验证了其虚拟患者。该公司从包括Cinga Ventures在内的一批投资者那里共筹集了7730万美元的资金。 

Neucruit

Neucruit是一家英国创业公司，成立于2019年，专注于建立该公司声称的”改变游戏规则的创新，以改变临床试验的效率、透明度和与患者社区的多样性"。该公司的SaaS平台旨在让临床研究团队能够执行他们的数字患者招募任务，找到针对患者的见解，获得支持，并保持患者参与。该平台构建了基于人工智能驱动的分析和一个推荐引擎。

该公司向生物制药公司、现场团队和调查人员提供服务，使其有可能加强中心选择，优化招募材料，并接触到难以通过传统方法接触到的群体。

该公司从包括Nana Capital和PharmStars在内的4个投资者处共筹集了160万美元的种子资金。

运营效率

AICure

AICure是一家美国公司，成立于2010年。AiCure Patient Connect™是一套符合HIPAA和GDPR的工具，建立在一个移动APP内，以提高病人的参与度，改善中心和患者之间的关系，并实现对个人和整个人口的疾病症状学的深入了解，以改善健康和试验结果。AiCure Data Intelligence是高度可配置的数据摄取和可视化平台，为申办方提供实时和预测性的洞察力，以便对每项试验和研究机构的表现有更多的了解。

该公司的人工智能PaaS (平台即服务) 允许动态收集不同的数据源，将以前不相关的端点关联起来，并将其转化为有意义的、可操作的见解，以便大规模地部署。

AICure从包括Palisades Growth Capital在内的一些投资者那里总共筹集了5280万美元。

Unlearn.ai

Unlearn.AI是一家位于旧金山的公司，由辉瑞公司的前首席科学家于2017年创立。Unlearn.AI开发了TwinRCTs™平台，该平台结合了人工智能、数字孪生和新型统计方法，以实现更小、更有效的试验。数字孪生体由人工智能驱动，整合了来自真实世界患者的多种数据类型。Unlearn.AI正在通过他们的DiGenesis平台创建这些档案，目的是取代安慰剂对照组中的真实患者。TwinRCTs™将来自数字孪生的预后信息纳入随机对照试验，以实现较小的对照组，同时产生适合支持监管决策的证据。

该公司的活动包括阿尔茨海默病和多发性硬化症方面的工作。Unlearn.AI从7个投资者那里总共筹集了1500万美元，其中包括BVC和DCVC生物。

结论

人工智能被认为对改善临床研究过程提供了切实的影响。如今，有证据表明，人工智能可能会加速患者的注册。一项研究报告称，病人筛选时间减少了34%，病人注册率提高了11.1%。在另一个例子中，IQVIA报告说，临床试验患者的注册人数增加了20%。另一方面，AICure报告说，使用他们的平台将处方药的服用率从72%提高到90%。

临床试验是整个药物发现过程中最昂贵和要求最高的部分。采用人工智能进行临床试验设计、患者注册和分层、优化监管文件和预测临床试验结果是人工智能在医药研究中应用的最有利的使用案例。

参考资料

https://www.biopharmatrend.com/post/243-7-notable-ai-companies-in-clinical-research-to-watch-in-2020/

--------- End ---------

感兴趣的读者，可以添加小邦微信（zhiyaobang2020）加入读者实名讨论微信群。添加时请主动注明姓名-企业-职位/岗位 或  姓名-学校-职务/研究方向。

- 历史文章推荐 -

【AI+临床试验】