曼蒂斯生物技術公司打造人類“數字雙胞胎”以應對醫療資料短缺問題

在海量資料集上訓練的大型語言模型，有潛力加速基因組研究、簡化臨床文件工作、提升實時診斷能力、輔助臨床決策、加快藥物研發程序，甚至還能生成合成資料以推動實驗進展。

然而，這些模型在生物醫學研究中的變革性應用往往會遇到障礙：除了醫療保健領域所依賴的結構化資料外，對於罕見疾病和非典型病症等邊緣案例，由於缺乏可靠且具有代表性的資料，這些模型的效果就會大打折扣。

總部位於紐約的Mantis Biotech公司聲稱，他們正在開發解決方案來彌補這一資料缺失的問題。該公司的平臺整合了多種資料來源，生成合成資料集，進而可以用來構建人體的“數字孿生體”——這些基於物理原理的預測性模型能夠模擬人體的解剖結構、生理機能和行為特徵。

該公司推崇使用這些數字孿生體進行資料聚合與分析。它們可以用於研究和測試新的醫療程式、訓練外科手術機器人，甚至可以模擬或預測醫療問題及行為模式。例如，Mantis公司的創始人兼執行長Georgia Witchel在最近接受TechCrunch採訪時解釋說，一支運動隊可以根據某位NFL球員近期的表現、訓練強度、飲食習慣以及職業生涯長度，來預測他出現跟腱損傷的機率。

為了構建這些數字孿生體，Mantis的平臺首先會從教科書、動作捕捉攝像頭、生物識別感測器、訓練日誌以及醫學影像等來源收集資料，然後利用基於大型語言模型的系統對這些多樣化的資料流進行整理、驗證和合成。這些資訊會透過物理引擎進行處理，從而生成高度逼真的資料集渲染結果，進而用於訓練預測模型。

Witchel表示：“我們可以將所有這些不同的資料來源轉化為預測人類表現的模型。任何需要預測一個人表現情況的場景，都是我們這項技術的絕佳應用場景。”

Witchel向TechCrunch強調，物理引擎這一環節至關重要，因為它透過為生成的合成資料提供現實依據，並真實模擬解剖學上的物理規律，從而提升了資料的可靠性。

她舉例說明：“如果需要估算一個缺了手指的人的手部姿勢，由於目前缺乏針對這種狀況的公開可用的標記化資料集，這會是一項極其困難的任務。但我們可以透過修改物理模型來輕鬆生成這樣的資料集——讓模型忽略掉某根手指，然後重新生成影象。”

由於Mantis平臺能夠彌補資料來源上的不足，Witchel認為它在生物醫學領域具有廣泛的應用前景。在許多情況下，關於手術流程或患者資訊的資料往往難以獲取、結構不清晰，或者被孤立儲存在不同的系統中。對於那些由於倫理和監管限制而無法在公共資料集或人工智慧訓練中使用患者資料的邊緣案例和罕見疾病研究來說，這一平臺的價值尤為突出。

她說道：“想象一下，一個三歲的孩子會怎麼玩芭比娃娃吧，他們會抓住娃娃的一條腿，在桌子上敲打它。我希望人們也能用這種思維方式來理解我們的數字孿生體。我相信這會讓人們意識到，人類是可以進行虛擬測試的。目前人們的普遍觀念恰恰相反，這也是可以理解的——必須尊重人們的隱私。事實上，我認為根本就不應該利用個人資料，尤其是當我們有這些數字孿生體作為替代方案時。”

目前，Mantis公司在職業體育領域已經取得了成功，這很可能是因為他們需要為高效能運動員建立模型。Witchel指出，這家初創企業的其中一個主要客戶就是一支NBA球隊。

她解釋說：“我們為這些運動員建立了數字表徵。這些資料不僅能顯示運動員今天的跳躍表現，還能展示他們在過去一年裡每一天的跳躍情況，以及他們的跳躍動作是如何隨著時間推移而發生變化的——比如這些變化與他們的睡眠模式或舉手頻率是否有關聯。”

這家初創企業最近獲得了740萬美元的種子資金支援，投資方包括Decibel VC、Y Combinator、幾位天使投資者以及Liquid 2。這些資金將用於招聘人員、開展廣告宣傳、市場推廣以及產品上市相關工作。

Witchel表示，Mantis公司的下一步計劃是繼續開發這項技術，並最終向公眾開放這一平臺，重點關注預防性醫療保健領域。該公司還致力於為進行FDA試驗的製藥實驗室和研究人員提供幫助，旨在幫助他們瞭解患者對治療的反應情況。