Великі мовні моделі, навчені на величезних наборах даних, можуть прискорити геномні дослідження, оптимізувати клінічну документацію, покращити діагностику в реальному часі, підтримувати клінічні рішення, прискорити відкриття ліків і навіть генерувати синтетичні дані для просування експериментів.
Але їхній потенціал трансформувати біомедичні дослідження часто наштовхується на вузьке місце: поза структурованими даними, на які покладається охорона здоров’я, ці моделі погано працюють у крайніх випадках, таких як рідкісні захворювання та незвичайні стани, де бракує надійних репрезентативних даних.
Нью-йоркська компанія Mantis Biotech стверджує, що розробляє рішення для заповнення цієї прогалини в доступності даних. Платформа компанії інтегрує різнорідні джерела даних для створення синтетичних наборів даних, які можна використовувати для побудови так званих «цифрових двійників» людського тіла: фізичних прогностичних моделей анатомії, фізіології та поведінки.
Компанія пропонує цих цифрових двійників для використання в агрегації та аналізі даних. Цифрові двійники можуть використовуватися для вивчення та тестування нових медичних процедур, навчання хірургічних роботів, а також для моделювання та прогнозування медичних проблем або навіть патернів поведінки. Наприклад, спортивна команда могла б передбачити ймовірність того, що конкретний гравець НФЛ отримає травму ахіллового сухожилля, на основі його недавньої продуктивності, тренувального навантаження, дієти та того, як довго він залишається активним, пояснила TechCrunch у нещодавньому інтерв’ю засновниця та генеральна директорка Mantis Джорджія Вітчел.
Щоб створити цих двійників, платформа Mantis спочатку бере дані з різних джерел, таких як підручники, камери захоплення руху, біометричні датчики, тренувальні журнали та медичні зображення. Потім вона використовує систему на основі великої мовної моделі для маршрутизації, валідації та синтезу різних потоків даних, пропускаючи всю цю інформацію через фізичний рушій для створення високоякісних візуалізацій набору даних, які потім можна використовувати для навчання прогностичних моделей.
«Ми здатні взяти всі ці різнорідні джерела даних і перетворити їх на прогностичні моделі того, як люди будуть діяти. Тож будь-коли, коли ви хочете передбачити, як поводитиметься людина, це дуже гарний випадок використання нашої технології», — сказала Вітчел.
Рівень фізичного рушія є ключовим тут, повідомила Вітчел TechCrunch, оскільки він допомагає платформі покращити наявну інформацію, обґрунтовуючи згенеровані синтетичні дані та реалістично моделюючи фізику анатомії.
«Якби я попросила вас оцінити позу руки для людини, у якої не вистачає пальця, це було б дуже, дуже важко, тому що не існує загальнодоступних наборів даних із розміченими положеннями рук для когось, у кого не вистачає пальця. Ми могли б згенерувати цей набір даних дуже, дуже легко, тому що ми просто беремо нашу фізичну модель і говоримо: видали палець Х, згенеруй модель заново», — сказала вона.
Оскільки платформа Mantis заповнює прогалини в джерелах даних, Вітчел вважає, що вона має потенціал для широкого використання в біомедичній промисловості, де інформація про процедури або пацієнтів може бути важкодоступною, неструктурованою або розрізненою в різних джерелах. Вона наголосила на крайніх випадках або рідкісних захворюваннях, де дані важко отримати, оскільки часто існують етичні та регуляторні обмеження щодо включення даних пацієнтів у загальнодоступні набори даних або їх використання для навчання ШІ-моделей.
«Знаєте, як коли ви бачите трирічну дитину, яка бігає з лялькою Барбі, тримає її за одну ногу та б’є об стіл? Я хочу, щоб люди мали таке ж мислення з нашими цифровими двійниками», — сказала вона. «Я думаю, що це відкриє людям ідею про те, що людей можна тестувати, коли ви використовуєте віртуальних людей. Я відчуваю, що зараз люди діють з прямо протилежним мисленням, що цілком зрозуміло, тому що приватність людей слід поважати. Насправді я не думаю, що даними людей взагалі слід зловживати, особливо коли у вас є ці цифрові двійники».
Наразі Mantis досягла успіху в професійному спорті, ймовірно, тому що існує потреба в моделюванні високоефективних спортсменів. Вітчел сказала, що одним з головних клієнтів стартапу є команда НБА.
«Ми створюємо ці цифрові репрезентації спортсменів, які, по суті, показують, як цей спортсмен стрибав не тільки сьогодні, але й кожного дня протягом минулого року, і як його стрибки змінюються з часом порівняно з кількістю сну або порівняно з тим, скільки разів він піднімає руки над головою», — пояснила вона.
Нещодавно стартап залучив 7,4 мільйона доларів посівного фінансування під керівництвом Decibel VC за участі Y Combinator, кількох бізнес-ангелів та Liquid 2. Фінансування буде використане на найм персоналу, рекламу, маркетинг та вихід на ринок.
Наступним кроком для Mantis, за словами Вітчел, є продовження розробки технології та зрештою випуск платформи для широкої публіки, орієнтуючись на профілактичну охорону здоров’я. Компанія також працює над обслуговуванням фармацевтичних лабораторій і дослідників, які працюють над випробуваннями FDA, прагнучи надавати інформацію про те, як пацієнти реагують на лікування.
Залишити відповідь