Mantis Biotech, una startup con sede en Nueva York, es pionera en la creación de “gemelos digitales” (modelos del cuerpo humano altamente detallados basados en la física) para superar un cuello de botella crítico en la investigación biomédica moderna: la escasez de datos. Si bien los modelos de lenguajes grandes (LLM) prometen avances en genómica, diagnóstico y descubrimiento de fármacos, su eficacia depende del acceso a conjuntos de datos completos. Estos conjuntos de datos suelen ser limitados, especialmente cuando se trata de enfermedades raras, casos inusuales o información éticamente sensible del paciente.
El desafío de los datos limitados
El problema central es simple: Los LLM requieren cantidades masivas de datos para funcionar de manera efectiva. Pero los datos de atención médica a menudo están fragmentados, desestructurados o sujetos a estrictas regulaciones de privacidad. Esto deja a los investigadores luchando por entrenar modelos en escenarios realistas, particularmente en áreas donde los datos son inherentemente escasos. Por ejemplo, comprender la biomecánica de un atleta al que le falta un dedo es difícil porque simplemente no existen conjuntos de datos etiquetados.
La solución de Mantis Biotech aborda esto directamente. Su plataforma integra datos de diversas fuentes (libros de texto, captura de movimiento, sensores biométricos, imágenes médicas) y utiliza LLM para sintetizar modelos predictivos completos. La innovación clave es un motor de física que basa estos conjuntos de datos sintéticos en limitaciones anatómicas y fisiológicas realistas.
Cómo funcionan los gemelos digitales
El proceso implica tres pasos principales:
- Integración de datos : recopilación de información de múltiples fuentes, incluidos registros médicos estructurados y texto no estructurado.
- Síntesis de LLM : uso de LLM para validar, refinar y combinar estos datos en un marco coherente.
- Modelado basado en la física : ejecutar los datos integrados a través de un motor de física para crear simulaciones de alta fidelidad de la anatomía y el comportamiento humanos.
Esto permite a Mantis Biotech generar conjuntos de datos sintéticos para escenarios en los que los datos del mundo real no están disponibles. Por ejemplo, la plataforma puede simular una estimación de la postura de la mano de alguien a quien le falta un dedo simplemente eliminando el dígito del modelo y regenerando la simulación. Esto evita la necesidad de conjuntos de datos raros o inexistentes.
Aplicaciones actuales y expansión futura
El éxito inicial de la empresa se produce en los deportes profesionales, donde los atletas de alto rendimiento requieren un análisis biomecánico detallado. Un equipo de la NBA está utilizando los gemelos digitales de Mantis Biotech para realizar un seguimiento del rendimiento de los jugadores, predecir riesgos de lesiones y optimizar los regímenes de entrenamiento. La plataforma puede analizar años de datos de saltos junto con patrones de sueño, movimientos de brazos y otros marcadores biométricos para proporcionar información procesable.
Mantis Biotech planea expandirse a aplicaciones de atención médica más amplias, que incluyen:
- Entrenamiento quirúrgico : Simulación de procedimientos para que los cirujanos practiquen operaciones de alto riesgo.
- Desarrollo de fármacos : Predicción de las respuestas de los pacientes a tratamientos basados en ensayos clínicos simulados.
- Atención médica preventiva : identificación de personas en riesgo de padecer afecciones específicas basándose en datos fisiológicos y de comportamiento.
La compañía obtuvo recientemente 7,4 millones de dólares en financiación inicial, que se utilizará para contratación, marketing y desarrollo de plataformas.
“Queremos que la gente tenga la mentalidad de que se pueden realizar pruebas con humanos cuando se utilizan humanos virtuales”, dice la directora ejecutiva Georgia Witchel, lo que refleja una visión audaz para el futuro de la experimentación biomédica.
En última instancia, la tecnología de gemelos digitales de Mantis Biotech representa un cambio hacia una atención sanitaria más proactiva y basada en datos. Al cerrar la brecha entre las limitaciones del mundo real y los modelos predictivos, la empresa pretende acelerar la innovación en toda la industria biomédica.
