Startup z Nowego Jorku twierdzi, że potrafi stworzyć wirtualną kopię człowieka, wystarczająco dokładną, by zastąpić prawdziwych pacjentów w testach i badaniach. Brzmi jak science fiction, ale Mantis Biotech właśnie zamknął rundę seed wartą 7,4 miliona dolarów i ma już pierwszych klientów z NBA.
Jeśli chcesz otrzymać raport przed oficjalną premierą oraz zobaczyć nazwę swojej firmy wśród uczestników badania – zostaw adres email na końcu ankiety.
Problem, o którym rzadko się mówi głośno
Wielkie modele językowe robią furorę w medycynie. Mówi się o przyspieszeniu odkrywania leków, diagnostyce w czasie rzeczywistym, wsparciu w podejmowaniu decyzji klinicznych. Tylko że za tym entuzjazmem kryje się niewygodna prawda: dane w medycynie to koszmar.
Poza ustrukturyzowanymi zbiorami, na których opierają się szpitale i laboratoria, modele AI regularnie się wywracają w przypadkach skrajnych. Rzadkie choroby, niestandardowe anatomie, grupy pacjentów, dla których danych po prostu nie ma, bo nikt ich nigdy nie zebrał albo ze względów etycznych zebrać nie mógł. To właśnie ten problem próbuje zaadresować Mantis Biotech.
Czym są „cyfrowe bliźniaki” w wydaniu Mantis
Platforma Mantis pobiera dane z wielu różnych źródeł:
- podręczniki medyczne i literatura naukowa
- kamery do przechwytywania ruchu (motion capture)
- czujniki biometryczne
- dzienniki treningowe sportowców
- obrazowanie medyczne (MRI, RTG itp.)
Następnie system oparty na dużym modelu językowym porządkuje, waliduje i syntetyzuje te strumienie danych. Całość przechodzi przez silnik fizyczny, który generuje wysokiej jakości modele numeryczne. Na tej podstawie powstają predykcyjne reprezentacje ludzkiego ciała, czyli właśnie owe „cyfrowe bliźniaki”.
Kluczowy jest ten silnik fizyczny. Nie chodzi tu o to, żeby model „wymyślał” dane, bo to byłoby po prostu halucynowanie. Silnik fizyczny zakotwicza wygenerowane dane w realiach anatomii i biomechaniki, co ma sprawić, że syntetyczne zbiory dają się realnie wykorzystać w badaniach.
Przykład z brakującym palcem
Georgia Witchel, założycielka i CEO Mantis, podała w rozmowie z TechCrunch konkretny przykład, który dobrze ilustruje potencjał technologii:
„If I asked you to do hand-pose estimation for someone who is missing a finger, it would be really, really hard, because there are no publicly available datasets of labeled hand positions of someone who is missing a finger. We could generate that dataset really, really easily, because we just take our physics model and we say, remove finger X, regenerate model.”
Innymi słowy, zamiast latami czekać na zebranie wystarczającej liczby danych o pacjentach z daną niepełnosprawnością czy rzadką chorobą, można po prostu wygenerować taki zbiór syntetycznie. Legalnie, bez naruszania prywatności kogokolwiek.
Redaktor mówi
Pomysł jest intrygujący i rozumiem entuzjazm. Braki danych w medycynie to realny problem, który spowalnia badania i wyklucza całe grupy pacjentów z postępu naukowego. Cyfrowe bliźniaki mogą to zmienić. Ale mam też pytania, na które nie znalazłem odpowiedzi w tym materiale. Jak dokładnie Mantis weryfikuje jakość generowanych danych? Jaka jest faktyczna granica między „syntetycznym uzupełnieniem luk” a „AI, która wymyśla dane medyczne”? To nie jest pytanie akademickie, bo decyzje kliniczne oparte na złym modelu mogą kosztować życie. Chciałbym zobaczyć niezależne recenzje naukowe tej technologii, zanim zacznę kibicować jej skalowaniu na FDA trials.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
NBA jako pierwszy klient
Na razie Mantis działa głównie w sporcie wyczynowym. Jednym z głównych klientów jest niesprecyzowany klub NBA. Witchel opisała, jak to wygląda w praktyce:
„We create these digital representations of the athletes, where it basically shows here’s how this athlete has jumped, not just today, but for every single day in the past year, and here’s how their jumps are changing over time compared to the amount that they’re sleeping, or compared to how many times they lift their arms above their head.”
Sport to naturalny punkt wejścia. Dane treningowe są dostępne, zawodnicy zgadzają się na monitoring, a presja wyników sprawia, że kluby chętnie płacą za przewagę analityczną. Ale Witchel wyraźnie patrzy dalej.
Plany na medycynę prewencyjną i badania kliniczne
Zebrany kapitał, 7,4 mln dolarów od Decibel VC, z udziałem Y Combinator i funduszu Liquid 2, ma zostać przeznaczony na rozbudowę zespołu oraz marketing i sprzedaż. Technologicznie Mantis chce docelowo udostępnić platformę publicznie, z fokusem na medycynę prewencyjną.
Równolegle startup pracuje nad zastosowaniami w laboratoriach farmaceutycznych i przy badaniach klinicznych dla FDA, gdzie cyfrowe bliźniaki miałyby dostarczać wgląd w to, jak pacjenci reagują na terapie.
To ambitny kierunek. Regulacje FDA w zakresie danych syntetycznych są wciąż w fazie kształtowania, więc Mantis wejdzie tu na niezbadany grunt. Ale właśnie o to może chodzić, pierwszeństwo na rynku, który dopiero się tworzy.
