Mantis Biotech는 의학의 데이터 가용성 문제를 해결하기 위해 인간의 '디지털 쌍둥이'를 만들고 있습니다.

방대한 데이터 세트에 대해 훈련된 대규모 언어 모델은 유전체학 연구 속도를 높이고, 임상 문서화를 간소화하고, 실시간 진단을 개선하고, 임상 의사 결정을 지원하고, 약물 발견을 가속화하고, 합성 데이터를 생성하여 실험을 진행할 수도 있습니다.

그러나 생물의학 연구를 혁신하겠다는 그들의 약속은 종종 병목 현상에 부딪히게 됩니다. 의료가 의존하는 구조화된 데이터를 넘어서, 이러한 모델은 신뢰할 수 있고 대표적인 데이터가 부족한 희귀 질병 및 비정상적인 조건과 같은 극단적인 사례에서 어려움을 겪습니다.

뉴욕에 본사를 둔 Mantis Biotech는 이러한 데이터 가용성 격차를 해소하기 위한 솔루션을 개발하고 있다고 주장합니다.이 회사의 플랫폼은 서로 다른 데이터 소스를 통합하여 소위 인체의 "디지털 트윈"(물리 기반 해부학, 생리학 및 행동의 예측 모델)을 구축하는 데 사용할 수 있는 합성 데이터 세트를 만듭니다.

회사는 데이터 집계 및 분석에 사용하기 위해 이러한 디지털 트윈을 선보이고 있습니다.이러한 디지털 트윈은 새로운 의료 절차를 연구 및 테스트하고, 수술 로봇을 훈련하고, 의료 문제 또는 심지어 행동 패턴을 시뮬레이션 및 예측하는 데 사용될 수 있습니다.예를 들어, 스포츠 팀은 최근 경기력, 훈련 부하, 식이 요법, 활동 기간을 바탕으로 특정 NFL 선수가 아킬레스건 부상을 입을 가능성을 예측할 수 있다고 Mantis의 창립자이자 CEO인 Georgia Witchel은 최근 인터뷰에서 TechCrunch에 설명했습니다.

이러한 쌍둥이를 구축하기 위해 Mantis의 플랫폼은 먼저 교과서, 모션 캡처 카메라, 생체 인식 센서, 훈련 로그 및 의료 영상과 같은 다양한 소스에서 데이터를 가져옵니다.그런 다음 LLM 기반 시스템을 사용하여 다양한 데이터 스트림을 라우팅, 검증 및 합성하고 물리 엔진을 통해 모든 정보를 실행하여 해당 데이터 세트의 충실도 높은 렌더링을 생성한 다음 예측 모델을 교육하는 데 사용할 수 있습니다.

"우리는 이러한 모든 서로 다른 데이터 소스를 가져와 사람들이 어떻게 수행할지에 대한 예측 모델로 바꿀 수 있습니다. 따라서 인간이 어떻게 수행할지 예측하고 싶을 때마다 이는 우리 기술의 정말 좋은 사용 사례입니다."라고 Witchel은 말했습니다.

여기서는 물리 엔진 레이어가 핵심이라고 Witchel은 TechCrunch에 말했습니다. 왜냐하면 생성된 합성 데이터를 기반으로 하고 해부학의 물리학을 현실적으로 모델링함으로써 플랫폼이 사용 가능한 정보를 향상시키는 데 도움이 되기 때문입니다.