Mantis Biotech, nowojorski startup, jest pionierem w tworzeniu „cyfrowych bliźniaków” – bardzo szczegółowych, opartych na fizyce modeli ludzkiego ciała – aby przezwyciężyć krytyczny problem współczesnej nauki biomedycznej: niedobór danych. Chociaż duże modele językowe (LLM) obiecują przełomy w genomice, diagnostyce i opracowywaniu leków, ich skuteczność zależy od dostępu do kompleksowych zbiorów danych. Te zbiory danych są często ograniczone, szczególnie w przypadku rzadkich chorób, nietypowych przypadków lub informacji o pacjencie wrażliwych z etycznego punktu widzenia.
Problem ograniczenia danych
Istota problemu jest prosta: LLM wymagają ogromnej ilości danych do efektywnego działania. Jednak dane dotyczące opieki zdrowotnej są często fragmentaryczne, nieustrukturyzowane lub podlegają rygorystycznym przepisom dotyczącym prywatności. Stawia to badaczy w trudnej sytuacji, gdy szkolą modele w oparciu o realistyczne scenariusze, szczególnie w obszarach, w których dane są z natury rzadkie. Na przykład zrozumienie biomechaniki sportowca bez palca jest trudne, ponieważ oznakowane zbiory danych po prostu nie istnieją.
Rozwiązanie Mantis Biotech bezpośrednio rozwiązuje ten problem. Ich platforma łączy dane z różnych źródeł – podręczników, przechwytywania ruchu, czujników biometrycznych, obrazowania medycznego – i wykorzystuje LLM do syntezy kompletnych modeli predykcyjnych. Kluczową innowacją jest silnik fizyczny, który odwzorowuje te syntetyczne zbiory danych na realistyczne ograniczenia anatomiczne i fizjologiczne.
Jak działają cyfrowe bliźniaki
Proces obejmuje trzy główne etapy:
- Integracja danych : Zbieraj informacje z różnych źródeł, w tym ustrukturyzowanej dokumentacji medycznej i nieustrukturyzowanego tekstu.
- Synteza LLM : Wykorzystanie LLM do sprawdzenia, udoskonalenia i zintegrowania tych danych w spójną strukturę.
- Symulacja oparta na fizyce : Przepuszczaj zintegrowane dane przez silnik fizyczny, aby stworzyć bardzo dokładne symulacje ludzkiej anatomii i zachowania.
Umożliwia to firmie Mantis Biotech generowanie syntetycznych zbiorów danych dla scenariuszy, w których rzeczywiste dane nie są dostępne. Platforma może na przykład symulować szacunkową pozycję dłoni osoby bez palca, po prostu usuwając palec z modelu i odtwarzając symulację. Pozwala to uniknąć konieczności stosowania rzadkich lub nieistniejących zbiorów danych.
Obecne zastosowania i przyszły rozwój
Początkowy sukces firmy dotyczył sportu zawodowego, gdzie wyczynowi sportowcy wymagają szczegółowej analizy biomechanicznej. Jedna z drużyn NBA wykorzystuje cyfrowe bliźniaki Mantis Biotech do śledzenia wyników zawodników, przewidywania ryzyka kontuzji i optymalizacji schematów treningowych. Platforma może analizować dane dotyczące skoków z lat, wzorce snu, ruchy ramion i inne dane biometryczne, aby zapewnić przydatne informacje.
Mantis Biotech planuje ekspansję na szersze obszary opieki zdrowotnej, w tym:
- Szkolenie chirurgiczne : Symulowane operacje dla chirurgów w celu ćwiczenia procedur wysokiego ryzyka.
- Opracowywanie leków : Przewidywanie reakcji pacjenta na leczenie na podstawie symulowanych badań klinicznych.
- Profilaktyczna opieka zdrowotna : Identyfikacja osób zagrożonych określonymi chorobami na podstawie danych behawioralnych i fizjologicznych.
Niedawno firma zebrała 7,4 miliona dolarów z funduszy zalążkowych, które zostaną wykorzystane na rekrutację, marketing i rozwój platformy.
„Chcemy, aby ludzie wierzyli, że można przetestować ludzi, korzystając z wirtualnych ludzi” – mówi dyrektor generalny Georgia Witchel, odzwierciedlając odważną wizję przyszłości eksperymentów biomedycznych.
Ostatecznie technologia cyfrowych bliźniaków firmy Mantis Biotech stanowi zwrot w kierunku bardziej proaktywnej opieki zdrowotnej opartej na danych. Wypełniając lukę między ograniczeniami świata rzeczywistego a modelowaniem predykcyjnym, firma zamierza przyspieszyć innowacje w branży biomedycznej.
