Veliki jezični modeli obučeni na opsežnim skupovima podataka mogu ubrzati istraživanje u genomici, unaprijediti kliničku dokumentaciju, poboljšati dijagnostiku u stvarnom vremenu, podržati kliničko odlučivanje, ubrzati otkrivanje lijekova, pa čak i generirati sintetičke podatke za napredak eksperimenta.
Međutim, njihova obećanja da će transformirati biomedicinska istraživanja često se suočavaju s problemima: osim strukturiranih podataka na kojima se zdravstvena skrb oslanja, ovi modeli se bore u rubnim slučajevima poput rijetkih bolesti i neobičnih stanja, gdje su pouzdani, reprezentativni podaci rijetki.
Tvrtka Mantis Biotech sa sjedištem u New Yorku tvrdi da razvija rješenje za popunjavanje ovog praznine u dostupnosti podataka. Platforma tvrtke integrira različite izvore podataka kako bi stvorila sintetičke skupove podataka koji se mogu koristiti za izradu takozvanih “digitalnih blizanaca” ljudskog tijela: modela anatomije, fiziologije i ponašanja temeljenih na fizici i predikciji.
Mantis nudi ove digitalne blizance za korištenje u agregaciji i analizi podataka. Ovi digitalni blizanci mogli bi se koristiti za proučavanje i testiranje novih medicinskih postupaka, obučavanje kirurških robota te simulaciju i predviđanje medicinskih problema ili obrazaca ponašanja. Na primjer, sportski tim mogao bi predvidjeti vjerojatnost da će određeni NFL igrač razviti ozljedu Ahilove tetive na temelju njegovih nedavnih performansi, radnog opterećenja, dijete i koliko dugo su aktivni, objasnila je osnivačica i izvršna direktorica Mantis-a, Georgia Witchel, u nedavnom intervjuu za TechCrunch.
Kako bi izradila ove blizance, platforma Mantis prvo uzima podatke iz raznih izvora kao što su udžbenici, kamere za snimanje pokreta, biometrijski senzori, dnevnici treninga i medicinska slika. Zatim koristi sustav temeljen na LLM-u za usmjeravanje, validaciju i sintezu različitih tokova podataka, te sve te informacije propušta kroz fizikalni motor kako bi stvorila visoko-fidelne prikaze tog skupa podataka, koji se zatim mogu koristiti za obuku prediktivnih modela.
“Sposobni smo uzeti sve te različite izvore podataka i pretvoriti ih u prediktivne modele za to kako će ljudi izvoditi. Tako da svaki put kada želite predvidjeti kako će ljudsko biće izvesti, to je stvarno dobar slučaj upotrebe za našu tehnologiju,” rekla je Witchel.
Fizikalni motor je ključan, istaknula je Witchel, jer pomaže platformi da poboljša dostupne informacije temeljenjem generiranih sintetičkih podataka i realističnim modeliranjem fizike anatomije.
U međuvremenu, Mantis je postigao uspjeh u profesionalnom sportu, vjerojatno zbog potrebe za modeliranjem sportaša visokih performansi. Witchel je rekla da je jedan od glavnih klijenata startupa NBA tim.
Start-up je nedavno prikupio 7,4 milijuna dolara u početnom financiranju, koje je predvodio Decibel VC, uz sudjelovanje Y Combinatora, nekoliko anđeoskih investitora i Liquid 2. Financiranje će se koristiti za zapošljavanje, oglašavanje, marketing i tržišne funkcije.
Sljedeći korak za Mantis, rekla je Witchel, je nastaviti s razvojem tehnologije i na kraju je objaviti javnosti, usmjeravajući se na preventivnu zdravstvenu zaštitu.
