Большие языковые модели, обученные на огромных наборах данных, могут ускорить исследования в области геномики, оптимизировать клиническую документацию, улучшить диагностику в реальном времени, поддерживать принятие клинических решений, ускорять открытие новых препаратов и даже генерировать синтетические данные для продвижения экспериментов.
Но их потенциал трансформировать биомедицинские исследования часто сталкивается с проблемой нехватки данных: за пределами структурированных данных, на которых основана система здравоохранения, эти модели испытывают трудности в необычных случаях, таких как редкие заболевания и необычные состояния, где надежные и репрезентативные данные скудны.
Решение от Мантис Байотех
Компания Мантис Байотех, базирующаяся в Нью-Йорке, утверждает, что она разрабатывает решение для устранения пробела в доступности данных. Платформа компании объединяет разнообразные источники данных для создания синтетических наборов данных, которые можно использовать для построения так называемых «цифровых двойников» человеческого тела: физических, прогностических моделей анатомии, физиологии и поведения.
Эти цифровые двойники могут быть использованы для изучения и тестирования новых медицинских процедур, обучения хирургических роботов и симуляции и прогнозирования медицинских проблем или даже закономерностей поведения. Например, спортивная команда может предсказать вероятность развития у конкретного игрока НФЛ травмы ахиллова сухожилия на основе его недавней производительности, нагрузки тренировок, диеты и продолжительности активности.
Для построения этих двойников платформа Мантис сначала собирает данные из различных источников, таких как учебники, камеры захвата движения, биометрические датчики, журналы тренировок и медицинская визуализация. Затем она использует систему на основе модели машинного обучения (МЛО) для маршрутизации, проверки и синтеза различных потоков данных и запуска всей этой информации через физический движок для создания высококачественных рендеров этого набора данных, который можно использовать для обучения прогностических моделей.
Преимущества цифровых двойников
«Мы можем взять все эти разрозненные источники данных и превратить их в прогностические модели для того, как люди будут выступать. Итак, всякий раз, когда вы хотите предсказать, как человек будет выступать, это очень хорошее применение нашей технологии», - сказала Джорджия Вичел, основатель и генеральный директор Мантис.
Слой физического движка имеет решающее значение здесь, поскольку он помогает платформе улучшить доступную информацию, основываясь на сгенерированных синтетических данных и реалистично моделируя физику анатомии.
Платформа Мантис может заполнить пробелы в источниках данных, и Вичел считает, что существует потенциал для ее широкого использования в биомедицинской промышленности, где информация о процедурах или пациентах может быть трудна для доступа, неструктурирована или разрознена по различным источникам.
Компания Мантис недавно привлекла 7,4 миллиона долларов в рамках раунда финансирования, возглавляемого Decibel VC, с участием Y Combinator, нескольких бизнес-ангелов и Liquid 2. Финансирование будет использовано для найма сотрудников, рекламы, маркетинга и выхода на рынок.
Следующий шаг для Мантис, по словам Вичел, - продолжить развитие технологии и в конечном итоге выпустить платформу для широкой публики, ориентируясь на профилактическое здравоохранение. Компания также работает над тем, чтобы удовлетворить потребности фармацевтических лабораторий и исследователей, работающих над клиническими испытаниями FDA, с целью предоставления информации о том, как пациенты реагируют на лечение.