Mantis использует разрозненные источники данных для создания синтетических наборов данных, которые могут быть использованы для построения так называемых «цифровых двойников» человеческого тела, представляющих анатомию, физиологию и поведение. — techcrunch.com
Однако их обещание трансформировать биомедицинские исследования часто наталкивается на узкое место: помимо структурированных данных, на которые опирается здравоохранение, эти модели с трудом справляются с пограничными случаями, такими как редкие заболевания и необычные состояния, где надежные, репрезентативные данные скудны.
Компания Mantis Biotech из Нью-Йорка заявляет, что разрабатывает решение для устранения этого дефицита данных. Платформа компании интегрирует разрозненные источники данных для создания синтетических наборов данных, которые можно использовать для построения так называемых «цифровых двойников» человеческого тела: физически обоснованных, прогностических моделей анатомии, физиологии и поведения.
Компания предлагает использовать эти цифровые двойники для агрегации и анализа данных. Эти цифровые двойники могут применяться для изучения и тестирования новых медицинских процедур, обучения хирургических роботов, а также для моделирования и прогнозирования медицинских проблем или даже поведенческих паттернов. Например, спортивная команда сможет предсказать вероятность получения конкретным игроком НФЛ травмы ахиллова сухожилия на основе его недавних результатов, нагрузки на тренировках, диеты и продолжительности активности, — объяснила основатель и генеральный директор Mantis Джорджия Витчел в недавнем интервью TechCrunch.
Для создания этих двойников платформа Mantis сначала собирает данные из различных источников, таких как учебники, камеры захвата движения, биометрические датчики, журналы тренировок и медицинские изображения. Затем она использует систему на базе LLM для маршрутизации, проверки и синтеза различных потоков данных, пропуская всю эту информацию через физический движок для создания высокоточных рендеров этого набора данных, который затем может быть использован для обучения прогностических моделей.
«Мы можем взять все эти разрозненные источники данных и превратить их в прогностические модели того, как люди будут выступать. Так что всякий раз, когда вам нужно предсказать, как будет выступать человек, это очень хороший сценарий использования нашей технологии», — сказала Витчел.
Слой физического движка здесь имеет ключевое значение, сообщила Витчел TechCrunch, поскольку он помогает платформе дополнять имеющуюся информацию, обосновывая сгенерированные синтетические данные и реалистично моделируя физику анатомии.
«Если бы я попросила вас оценить позу руки человека, у которого отсутствует палец, это было бы очень, очень сложно, потому что нет общедоступных наборов данных с маркированными положениями рук человека, у которого отсутствует палец. Мы могли бы сгенерировать такой набор данных очень, очень легко, потому что мы просто берем нашу физическую модель и говорим: удалить палец X, перегенерировать модель», — сказала она.
Поскольку платформа Mantis восполняет пробелы в источниках данных, Витчел считает, что у нее есть потенциал для широкого применения в биомедицинской отрасли, где информация о процедурах или пациентах может быть труднодоступной, неструктурированной или разрозненной по различным источникам. Она подчеркнула пограничные случаи или редкие заболевания, по которым трудно получить данные, поскольку часто существуют этические и регуляторные ограничения на включение данных пациентов в общедоступные наборы данных или их использование для обучения моделей ИИ.
«Вы знаете, как когда вы видите трехлетнего ребенка, бегающего вокруг с куклой Барби, и он держит ее за одну ногу и бьет о стол? Я хочу, чтобы у людей было такое же мышление в отношении наших цифровых двойников», — сказала она. «Я думаю, это откроет людям глаза на идею о том, что людей можно тестировать, когда вы используете виртуальных людей. Мне кажется, в настоящее время люди действуют с точно противоположным мышлением, что вполне логично, поскольку конфиденциальность людей должна уважаться. Фактически, я вообще не думаю, что данные людей следует эксплуатировать, особенно когда у вас есть эти цифровые двойники».
На данный момент Mantis добилась успехов в профессиональном спорте, вероятно, потому, что существует потребность в моделировании спортсменов с высокими показателями. Витчел сообщила, что один из основных клиентов стартапа — команда НБА.
«Мы создаем эти цифровые представления спортсменов, которые по сути показывают, как этот спортсмен прыгал не только сегодня, но и каждый день за последний год, и как меняются его прыжки с течением времени по сравнению с тем, сколько он спит, или по сравнению с тем, сколько раз он поднимает руки над головой», — объяснила она.
Недавно стартап привлек 7,4 миллиона долларов начального финансирования под руководством Decibel VC при участии Y Combinator, нескольких ангельских инвесторов и Liquid 2. Средства будут направлены на найм персонала, рекламу, маркетинг и функции вывода продукта на рынок.
Следующим шагом для Mantis, по словам Витчел, является продолжение развития технологий и, в конечном итоге, выпуск платформы для широкой публики с ориентацией на превентивное здравоохранение. Компания также работает над тем, чтобы обслуживать фармацевтические лаборатории и исследователей, участвующих в испытаниях FDA, стремясь предоставить информацию о том, как пациенты реагируют на лечение.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Ram Iyer