U

Unlearn

✓ geprüft, Sync 2026-08-20

11 Prüftermine verzeichnet, zuletzt 2026-11-02 (hat geantwortet).

Community-Scorenoch nicht bewertet
Indexiert seit2026-08-20

Beobachtungs-Datensatz.

Was wir selbst geprüft haben, mit Datum: kein Anbieter-Text, keine Bewertung.

Zuletzt geprüft 2026-11-02
Ergebnis: hat geantwortet.

Geprüft an 11 unterschiedlichen Daten, seit 2026-08-25. Nach den eigenen Daten dieses Eintrags im Schnitt alle 6,9 Nächte geprüft.

2026-11-022026-10-272026-10-212026-10-152026-10-092026-10-032026-09-272026-09-212026-09-152026-09-032026-08-25

Was das bedeutet: die 3-Miss-Regel markiert einen Eintrag erst als eingestellt, nachdem drei aufeinanderfolgende Prüfungen fehlgeschlagen sind; eine Bot-Sperre zählt dabei nicht als Fehlschlag. Methodik

Preisverlauf.

bei jedem Sync automatisch verglichen: das Changelog, das andere Verzeichnisse nicht führen

Der Preis wurde zuletzt am 2026-08-25 geprüft, keine Änderung seitdem festgestellt.

Keine freigegebenen Preisereignisse verzeichnet
Keine freigegebene Preisänderung liegt vor.

Was es tut.

Aus dem Englischen übersetzt · Originaltext: Englisch

Unlearn.ai bietet ein KI-gestütztes Tool namens 'Digital Twins', das darauf abzielt, die klinische Forschung zu revolutionieren. Das Tool bietet Unterstützung bei klinischen Studien in mehreren medizinischen Bereichen, von der Neurowissenschaft bis zur Immunologie bis zu Stoffwechselerkrankungen. 'Digital Twins' sind im Wesentlichen komplexe Modelle, die die potenzielle zukünftige Gesundheit eines Patienten vorhersagen. Das Tool funktioniert, indem es die Basisdaten eines Teilnehmers sammelt, diese gesammelten Daten durch ein KI-Modell laufen lässt, das mit historischen Daten trainiert wurde, und den 'Digital Twin' erstellt. Dieses Tool hat eine Doppel-Funktionalität, wobei es sowohl frühe Studien verbessern kann, indem die Fähigkeit zur Beobachtung von Behandlungseffekten verbessert wird, ohne mehr Patienten hinzuzufügen, als auch späte Studien beschleunigen kann, indem die Zeit bis zur Einschreibung verkürzt wird, da sie weniger Patienten benötigen, um die gleiche Power wie traditionelle Studiendesigns für klinische Studien zu erreichen. Ein weiteres Feature von 'Digital Twins' ist seine Fähigkeit, Prognosewerte für jeden Patienten in einer randomisierten klinischen Studie zu liefern. Dies erhöht die Power der Analyse unter Einhaltung der Leitlinien der US-amerikanischen Food and Drug Administration und der Europäischen Arzneimittel-Agentur. Diese Patient-'Twins' werden besonders in TwinRCTs verwendet, hochleistungsfähigen Studien mit kleineren Kontrollgruppen, was die Wahrscheinlichkeit erhöht, dass Patienten die experimentelle Behandlung erhalten. Dieses Tool erweist sich als innovative und bedeutende Unterstützung in klinischen Studien und der Bereitstellung personalisierter Medizin.

Registry-ID ndock:tool:unlearn