Mantis Biotech crea “gemelos digitales” humanos para abordar la escasez de datos médicos

Los grandes modelos de lenguaje entrenados con enormes conjuntos de datos tienen el potencial de acelerar la investigación genómica, simplificar la documentación clínica, mejorar los diagnósticos en tiempo real, ayudar en la toma de decisiones médicas, agilizar el descubrimiento de fármacos e incluso crear datos sintéticos para avanzar en los experimentos.

Sin embargo, su potencial transformador para la investigación biomédica a menudo se topa con un obstáculo: más allá de los datos estructurados que son fundamentales para la atención sanitaria, estos modelos fallan en casos marginales como las enfermedades raras y las condiciones atípicas, donde faltan datos confiables y representativos.

Mantis Biotech, con sede en Nueva York, afirma estar desarrollando una solución para cerrar esta brecha de disponibilidad de datos. La plataforma de la empresa integra diversas fuentes de datos para generar conjuntos de datos sintéticos, que luego pueden utilizarse para crear “gemelos digitales” del cuerpo humano: modelos predictivos basados en la física de la anatomía, fisiología y comportamiento.

La empresa promueve el uso de estos gemelos digitales para la agregación y análisis de datos. Podrían emplearse para estudiar y probar nuevos procedimientos médicos, entrenar robots quirúrgicos y simular o predecir problemas médicos e incluso patrones de comportamiento. Por ejemplo, un equipo deportivo podría predecir la probabilidad de que un jugador de la NFL sufriera una lesión en el tendón de Aquiles basándose en su rendimiento reciente, carga de entrenamiento, dieta y duración de su carrera, explicó Georgia Witchel, fundadora y CEO de Mantis, en una entrevista reciente con TechCrunch.

Para crear estos gemelos digitales, la plataforma Mantis primero agrega datos provenientes de fuentes como libros de texto, cámaras de captura de movimiento, sensores biométricos, registros de entrenamiento e imágenes médicas. Luego utiliza un sistema basado en grandes modelos de lenguaje para dirigir, validar y sintetizar estos diversos flujos de datos. Esta información es procesada a través de un motor físico para crear representaciones de alta fidelidad del conjunto de datos, que posteriormente se utilizan para entrenar modelos predictivos.

“Podemos tomar todos estos datos dispares y transformarlos en modelos predictivos del rendimiento humano. Cualquier escenario en el que sea necesario predecir cómo se desempeñará una persona es un excelente caso de uso para nuestra tecnología”, dijo Witchel.

La capa del motor físico es crucial, explicó Witchel a TechCrunch, ya que mejora la información disponible al basar los datos sintéticos generados en principios físicos reales.

“Si necesitaras estimar la postura de la mano de alguien que le falta un dedo, sería extremadamente difícil debido a la falta de conjuntos de datos etiquetados y disponibles públicamente para esa condición. Podríamos generar ese conjunto de datos muy fácilmente simplemente modificando nuestro modelo físico: indicándole que elimine un dedo específico y lo regenere”, explicó.

Debido a que la plataforma Mantis aborda las brechas en las fuentes de datos, Witchel cree que tiene un amplio potencial en toda la industria biomédica, donde la información sobre procedimientos o pacientes a menudo es difícil de acceder, no estructurada o está aislada. Destacó su valor para casos marginales y enfermedades raras, donde los datos son escasos debido a restricciones éticas y regulatorias en el uso de datos de pacientes en conjuntos de datos públicos o para el entrenamiento de IA.

“¿Sabes cómo un niño de tres años podría jugar con una muñeca Barbie, sosteniéndola por una pierna y golpeándola contra la mesa? Quiero que la gente adopte esa mentalidad con nuestros gemelos digitales”, dijo. “Creo que abrirá las puertas a la idea de que los humanos pueden ser probados virtualmente. Actualmente, la mentalidad predominante es la opuesta, lo cual es completamente comprensible: la privacidad de las personas debe respetarse. De hecho, no creo que los datos personales deberían explotarse en absoluto, especialmente cuando se tienen estos gemelos digitales como alternativa”.

Actualmente, Mantis ha tenido éxito en el deporte profesional, probablemente debido a la necesidad de modelar a atletas de alto rendimiento. Witchel señaló que uno de los principales clientes de la startup es un equipo de la NBA.

“Creamos representaciones digitales de los atletas. No solo muestra cómo ha saltado un atleta hoy, sino también cómo ha saltado cada día durante el último año, y cómo esos saltos cambian con el tiempo en relación a sus patrones de sueño o la frecuencia con la que levantan los brazos por encima de la cabeza”, explicó.

La startup recientemente obtuvo 7.4 millones de dólares en fondos iniciales liderados por Decibel VC, con la participación de Y Combinator, varios inversores ángeles y Liquid 2. El capital se utilizará para contratar personal, publicidad, marketing e iniciativas de lanzamiento al mercado.

Witchel indicó que los próximos pasos de Mantis son continuar desarrollando la tecnología y eventualmente lanzar la plataforma al público, centrándose en la atención sanitaria preventiva. La empresa también está trabajando para servir a laboratorios farmacéuticos e investigadores que realizan ensayos de la FDA, con el objetivo de proporcionar información sobre las respuestas del tratamiento de los pacientes.