AI-платформа Mantis Biotech создает цифровых двойников человека

Большие языковые модели, обученные на обширных наборах данных, могут ускорить исследования геномики, оптимизировать клиническую документацию, улучшить диагностику в реальном времени, поддержать принятие клинических решений, ускорить открытие лекарств и даже генерировать синтетические данные для продвижения экспериментов.

Но их обещание трансформировать биомедицинские исследования часто наталкивается на узкое место: за пределами структурированных данных, на которые полагается здравоохранение, эти модели испытывают трудности в пограничных случаях, таких как редкие заболевания и необычные состояния, где надежные репрезентативные данные встречаются редко.

Нью-йоркская компания Mantis Biotech утверждает, что разрабатывает решение для устранения этого пробела в доступности данных. Платформа компании интегрирует разрозненные источники данных для создания синтетических наборов данных, которые можно использовать для построения так называемых "цифровых двойников" человеческого тела: основанных на физике прогностических моделей анатомии, физиологии и поведения.

Компания предлагает использовать эти цифровые двойники для агрегации и анализа данных. Их можно применять для изучения и тестирования новых медицинских процедур, обучения хирургических роботов, а также для моделирования и прогнозирования медицинских проблем или даже моделей поведения. Например, спортивная команда могла бы предсказать вероятность развития у конкретного игрока НФЛ травмы ахиллова сухожилия на основе его последних результатов, нагрузки тренировок, диеты и продолжительности активности, объяснила основательница и генеральный директор Джорджия Витчелл в недавнем интервью TechCrunch.

Для создания этих двойников платформа Mantis сначала получает данные из различных источников, таких как учебники, камеры захвата движения, биометрические датчики, тренировочные журналы и медицинские изображения. Затем она использует систему на основе LLM для маршрутизации, валидации и синтеза различных потоков данных и пропускает всю эту информацию через физический движок для создания высокоточных рендеров этого набора данных, которые затем можно использовать для обучения прогностических моделей.

"Мы можем взять все эти разрозненные источники данных и превратить их в прогностические модели того, как люди будут работать. В любой момент, когда вы хотите предсказать, как будет работать человек, это отличный вариант использования нашей технологии", - сказала Витчелл.

Слой физического движка здесь ключевой, сказала Витчелл TechCrunch, потому что он помогает платформе улучшить доступную информацию, закрепляя сгенерированные синтетические данные и реалистично моделируя физику анатомии.

"Если бы вы попросили меня оценить позу руки для человека, у которого нет пальца, это было бы действительно очень сложно, потому что нет общедоступных наборов данных с размечанными позициями рук для человека, у которого нет пальца. Мы могли бы легко сгенерировать этот набор данных, потому что мы просто берем нашу физическую модель и говорим: удалить палец X, регенерировать модель", - сказала она.

Поскольку платформа Mantis заполняет пробелы в источниках данных, Витчелл считает, что у нее есть потенциал для широкого применения в биомедицинской отрасли, где информация о процедурах или пациентах может быть труднодоступной, неструктурированной или разрозненной между различными источниками. Она подчеркнула пограничные случаи или редкие заболевания, где данные трудно получить, поскольку часто существуют этические и регуляторные ограничения на включение данных пациентов в общедоступные наборы данных или использование их для обучения AI-моделей.

"Вы знаете, как когда вы видите трехлетнего ребенка, бегающего вокруг, и у него есть Барби, и он держит ее за одну ногу и бьет об стол? Я хочу, чтобы люди имели такое мышление с нашими цифровыми двойниками", - сказала она. "Я думаю, это откроет людям идею, что на виртуальных людях можно тестировать людей. Сейчас люди действуют совершенно противоположным образом, что вполне логично, потому что конфиденциальность людей должна уважаться. На самом деле, я не думаю, что данные людей вообще должны эксплуатироваться, особенно когда у вас есть эти цифровые двойники".

Пока что Mantis добился успеха в профессиональном спорте, предположительно потому, что есть необходимость моделировать высокопроизводительных спортсменов. Витчелл сказала, что одним из основных клиентов стартапа является команда НБА.

"Мы создаем эти цифровые представления спортсменов, где показываем, как этот спортсмен прыгал не только сегодня, но и каждый день в течение прошлого года, и как их прыжки меняются с течением времени по сравнению с количеством сна или по сравнению с тем, сколько раз они поднимают руки над головой", - объяснила она.

Стартап недавно привлек 7,4 миллиона долларов в рамках раунда семян под руководством Decibel VC с участием Y Combinator, нескольких бизнес-ангелов и Liquid 2. Финансирование будет использовано для найма, рекламы, маркетинга и функций выхода на рынок.

Следующим шагом для Mantis, сказала Витчелл, является продолжение развития технологии и в конечном итоге выпуск платформы для широкой публики, ориентируясь на профилактическое здравоохранение. Компания также работает над обслуживанием фармацевтических лабораторий и исследователей, работающих над клиническими испытаниями FDA, стремясь предоставить информацию о том, как пациенты реагируют на лечение.