Mantis Biotech sta creando “gemelli digitali” di esseri umani per contribuire a risolvere il problema della disponibilità dei dati in medicina

Grandi modelli linguistici addestrati su vasti set di dati potrebbero accelerare la ricerca genomica, semplificare la documentazione clinica, migliorare la diagnostica in tempo reale, supportare il processo decisionale clinico, accelerare la scoperta di farmaci e persino generare dati sintetici per far avanzare gli esperimenti.

Ma la loro promessa di trasformare la ricerca biomedica spesso si scontra con un collo di bottiglia: al di là dei dati strutturati su cui fa affidamento l’assistenza sanitaria, questi modelli faticano in casi limite come le malattie uncommon e le condizioni insolite, dove i dati affidabili e rappresentativi scarseggiano.

Con sede a New York Mantis Biotech afferma che sta sviluppando la soluzione per colmare questa lacuna nella disponibilità dei dati. La piattaforma dell’azienda integra numerous fonti di dati per creare set di dati sintetici che possono essere utilizzati per costruire i cosiddetti “gemelli digitali” del corpo umano: modelli predittivi di anatomia, fisiologia e comportamento basati sulla fisica.

L’azienda sta lanciando questi gemelli digitali da utilizzare nell’aggregazione e nell’analisi dei dati. Questi gemelli digitali potrebbero essere utilizzati per studiare e testare nuove process mediche, addestrare robotic chirurgici e simulare e prevedere problemi medici o persino modelli di comportamento. Advert esempio, una squadra sportiva potrebbe prevedere la probabilità che uno specifico giocatore della NFL sviluppi un infortunio al tallone d’Achille in base alle sue prestazioni recenti, al carico di allenamento, alla dieta e al tempo di attività, ha spiegato a TechCrunch Georgia Witchel, fondatrice e CEO di Mantis, in una recente intervista.

Per costruire questi gemelli, la piattaforma di Mantis prende innanzitutto i dati da una varietà di fonti come libri di testo, telecamere di movement seize, sensori biometrici, registri di formazione e imaging medico. Quindi, utilizza un sistema basato su LLM per instradare, convalidare e sintetizzare i vari flussi di dati ed esegue tutte queste informazioni attraverso un motore fisico per creare rendering advert alta fedeltà di quel set di dati, che possono quindi essere utilizzati per addestrare modelli predittivi.

“Siamo in grado di prendere tutte queste fonti di dati disparate e poi trasformarle in modelli predittivi sulle prestazioni delle persone. Quindi, ogni volta che vuoi prevedere come si comporterà un essere umano, questo è davvero un ottimo caso d’uso per la nostra tecnologia”, ha affermato Witchel.

Il livello del motore fisico è fondamentale qui, ha detto Witchel a TechCrunch, perché aiuta la piattaforma a migliorare le informazioni disponibili radicando i dati sintetici generati e modellando realisticamente la fisica dell’anatomia.

“Se ti chiedessi di fare una stima della posa della mano di qualcuno a cui manca un dito, sarebbe davvero, davvero difficile, perché non ci sono set di dati pubblicamente disponibili sulle posizioni delle mani etichettate di qualcuno a cui manca un dito. Potremmo generare quel set di dati davvero, davvero facilmente, perché prendiamo semplicemente il nostro modello fisico e diciamo: rimuovi il dito X, rigenera il modello”, ha detto.

Poiché la piattaforma Mantis colma le lacune nelle fonti di dati, Witchel ritiene che esista il potenziale per essere ampiamente utilizzata nel settore biomedico, dove le informazioni sulle process o sui pazienti possono essere di difficile accesso, non sono strutturate o isolate in varie fonti. Ha sottolineato i casi limite o le malattie uncommon, in cui i dati sono difficili da ottenere poiché spesso esistono vincoli etici e normativi riguardo all’inclusione dei dati dei pazienti in set di dati pubblici o al loro utilizzo per l’addestramento di modelli di intelligenza artificiale.

“Hai presente quando vedi un bambino di tre anni che corre in giro e ha una Barbie, la tiene per una gamba e la sbatte contro un tavolo? Voglio che le persone abbiano questa mentalità con i nostri gemelli digitali”, ha detto. “Penso che ciò aprirà le persone all’concept che gli esseri umani possono essere testati quando si utilizzano esseri umani virtuali. Penso che attualmente le persone operino con una mentalità esattamente opposta, il che ha assolutamente senso, perché la privateness delle persone dovrebbe essere rispettata. In effetti, non penso davvero che i dati delle persone dovrebbero essere sfruttati, soprattutto quando ci sono questi gemelli digitali.”

Per ora, Mantis ha riscontrato successo negli sport professionistici, presumibilmente perché è necessario modellare atleti advert alte prestazioni. Witchel ha detto che uno dei principali clienti della startup è una squadra NBA.

“Creiamo queste rappresentazioni digitali degli atleti, in cui sostanzialmente viene mostrato come questo atleta ha saltato, non solo oggi, ma per ogni singolo giorno dell’anno passato, ed ecco come i suoi salti cambiano nel tempo rispetto alla quantità di sonno o rispetto a quante volte alzano le braccia sopra la testa”, ha spiegato.

La startup ha recentemente raccolto 7,4 milioni di dollari in finanziamenti iniziali guidati da Decibel VC, con la partecipazione di Y Combinator, alcuni angel investor e Liquid 2. Il finanziamento sarà utilizzato per assunzioni, pubblicità, advertising e funzioni go-to-market.

Il prossimo passo per Mantis, ha affermato Witchel, è continuare a sviluppare la tecnologia e, infine, rilasciare la piattaforma al grande pubblico, mirando all’assistenza sanitaria preventiva. L’azienda sta anche lavorando per soddisfare i laboratori farmaceutici e i ricercatori che lavorano sugli studi della FDA, con l’obiettivo di fornire informazioni su come i pazienti rispondono ai trattamenti.