Unlearn.ai
Type 스타트업
미국 2017 2-10명 
Themes
Unlearn.AI는 2017년에 설립된 미국 기반 스타트업으로, 임상시험 최적화를 위한 AI 기반 디지털 트윈 기술을 개발합니다. 이 회사는 개별 임상시험 참가자에 대한 계산 모델을 만들어 대조군 규모를 줄이고, 환자 모집 속도를 높이며, 전체 임상시험의 효율을 개선합니다.
주요 플랫폼인 TrialPioneer는 임상시험 설계, 계획, 통계 분석을 위한 통합 작업 공간을 제공하며, 참가자 수준의 예측 모델을 생성하는 Digital Twin Generators가 이를 보완합니다. Unlearn.AI는 제약, 생명과학, 임상 연구 산업에 서비스를 제공하고 있으며, 파트너로 AbbVie, QurAlis, VectorY Therapeutics가 있습니다.
회사의 방법론은 유럽 의약품청의 자격을 인정받았고, FDA 가이드라인과도 부합하여 임상 개발을 현대화하는 규제에서 인정받은 접근 방식으로 자리매김하고 있습니다.
디지털 트윈의 과학적 기반
Unlearn의 기술은 개별 임상시험 참가자를 그대로 반영하는 디지털 트윈—계산 기반 모델—을 만드는 데 초점을 맞춥니다. 이러한 모델은 과거 임상시험 데이터, 실제 세계의 근거, 그리고 머신러닝 알고리즘을 활용해 구축됩니다.
이 과정은 대규모 데이터셋에 AI를 학습시켜 환자가 치료에 어떻게 반응할지 예측하는 것에서 시작됩니다. 이러한 예측은 참가자의 행동을 대조군에서 시뮬레이션하는 디지털 트윈의 기반이 됩니다.
전통적인 대조군의 일부를 디지털 트윈으로 대체함으로써 필요한 실제 참가자 수를 줄일 수 있습니다. 이 접근은 통계적 엄밀성을 유지하면서도 모집 속도를 높이고 비용을 낮춥니다.
회사의 방법론은 유럽의약품청을 포함한 규제 기관들에 의해 검증되었으며, 임상 개발에서 사용하기 위한 접근 방식으로 자격을 인정받았습니다.
시험 혁신을 뒷받침하는 플랫폼
Unlearn의 대표 제품인 TrialPioneer는 시험 설계와 분석을 위해 여러 도구를 단일 작업 공간에 통합합니다. 플랫폼은 문헌 검토, 데이터 탐색, 시뮬레이션 기능을 결합해 단절된 워크플로를 없앱니다.
Scout은 규제 선례와 과학 문헌을 검색하고 요약하는 작업을 자동화합니다. PubMed 및 ClinicalTrials.gov 같은 소스에서 데이터를 가져와 팀이 수작업으로 조사하는 데 쓰는 시간을 줄여줍니다.
Hindsight는 통합된 임상시험 및 실제 세계 데이터셋에 대한 접근을 제공합니다. 연구자들은 이를 활용해 프로토콜을 최종 확정하기 전에 환자 집단, 평가변수, 시험 타당성에 관한 가정을 검증합니다.
SimLab은 팀이 시험 설계 시나리오를 만들고 비교할 수 있도록 합니다. 사용자는 서로 다른 포함 기준, 표본 크기, 평가변수를 시험해 볼 수 있으며, 모든 시나리오는 투명성을 위해 기반 근거와 연결됩니다.
리더십과 성장 궤적
Unlearn은 2017년 Aaron Smith와 Jon Walsh가 설립했으며, 각각 AI 책임자(Head of AI)와 최고과학책임자(Chief Scientific Officer)를 맡고 있습니다. 회사는 바이오테크 및 제약 기업에서 임원 역할을 수행한 뒤 합류한 CEO Steve Herne가 이끌고 있습니다.
임원진에는 CFO 겸 COO인 Prathyusha Duraibabu, 사업 개발 담당인 Andrew Stelzer, CTO인 Krates Ng가 포함됩니다. Kwame Marfo는 제품 개발을 총괄하고, Theresa Vermeersch는 인사(HR)를 이끕니다.
이사회에는 OpenAI의 전 CTO였던 Mira Murati, AstraZeneca의 전 CMO였던 Ann Taylor 같은 업계 베테랑이 참여합니다. 투자자에는 8VC, DCVC Bio, Insight Partners가 포함되며, 이는 생명과학 및 기술 분야에 대한 강력한 지원을 반영합니다.
샌프란시스코에 본사를 둔 Unlearn은 약 60명의 인력을 두고 있으며, AI, 임상 연구, 소프트웨어 개발 분야의 인재를 유치하는 데 집중하고 있습니다. 회사는 현재까지 1억 3,000만 달러를 조달했으며, 최신 투자 라운드는 2023년에 마감되었습니다.
임상 개발에 미치는 영향
Unlearn의 기술은 임상시험 효율성에서 측정 가능한 개선을 입증했습니다. 디지털 트윈을 활용한 연구에서는 대조군 규모를 약 33% 줄였고, 모집 일정은 4개월 이상 단축되었습니다.
회사는 신경과학, 면역학, 대사 질환을 포함한 다양한 치료 영역에서 제약 파트너들과 협력하고 있습니다. 예를 들어 AbbVie는 Unlearn의 플랫폼을 사용해 알츠하이머병 임상시험을 최적화하여 설계와 실행을 간소화했습니다.
규제 정합성은 여전히 우선순위입니다. 디지털 헬스 기술에 관한 FDA의 가이던스와 Unlearn의 방법론에 대한 EMA의 자격 인정은 더 넓은 도입을 위한 틀을 제공합니다. 이는 회사를 전통적인 임상시험 방법론과 AI 기반 혁신 사이의 연결 고리로 자리매김하게 합니다.
임상시험을 넘어 Unlearn의 접근은 실제 세계 근거 생성과 시판 후 감시로까지 확장될 수 있습니다. 기반 기술—개별 환자의 예후를 예측하는 모델링—은 맞춤형 의학과 치료 최적화에 대한 잠재적 적용 가능성을 지닙니다.