Mantis Biotech đang tạo ra 'cặp song sinh kỹ thuật số' của con người để giúp giải quyết vấn đề về tính sẵn có của dữ liệu y học
Các mô hình ngôn ngữ lớn được đào tạo trên các bộ dữ liệu khổng lồ có thể tăng tốc độ nghiên cứu bộ gen, hợp lý hóa tài liệu lâm sàng, cải thiện chẩn đoán theo thời gian thực, hỗ trợ ra quyết định lâm sàng, tăng tốc phát hiện thuốc và thậm chí tạo ra dữ liệu tổng hợp để cải tiến các thí nghiệm.
Nhưng lời hứa của họ về việc chuyển đổi nghiên cứu y sinh thường gặp phải trở ngại: ngoài dữ liệu có cấu trúc mà chăm sóc sức khỏe dựa vào, các mô hình này gặp khó khăn trong các trường hợp khó khăn như bệnh hiếm gặp và điều kiện bất thường, nơi khan hiếm dữ liệu đại diện, đáng tin cậy.
Công ty công nghệ sinh học Mantis có trụ sở tại New York tuyên bố họ đang phát triển giải pháp để lấp đầy khoảng trống về tính sẵn có của dữ liệu này.
Nền tảng của công ty tích hợp các nguồn dữ liệu khác nhau để tạo ra các bộ dữ liệu tổng hợp có thể được sử dụng để xây dựng cái gọi là “cặp song sinh kỹ thuật số” của cơ thể con người: các mô hình dự đoán, dựa trên vật lý về giải phẫu, sinh lý học và hành vi.
Công ty đang giới thiệu những cặp song sinh kỹ thuật số này để sử dụng trong việc tổng hợp và phân tích dữ liệu.
Những cặp song sinh kỹ thuật số này có thể được sử dụng để nghiên cứu và thử nghiệm các quy trình y tế mới, huấn luyện robot phẫu thuật cũng như mô phỏng và dự đoán các vấn đề y tế hoặc thậm chí là các mô hình hành vi.
Ví dụ: một đội thể thao có thể dự đoán khả năng một cầu thủ NFL cụ thể bị chấn thương gót chân Achilles dựa trên hiệu suất gần đây, cường độ luyện tập, chế độ ăn uống và thời gian họ hoạt động, người sáng lập và Giám đốc điều hành của Mantis, Georgia Witchel giải thích với TechCrunch trong một cuộc phỏng vấn gần đây.
Để xây dựng những cặp song sinh này, nền tảng của Mantis trước tiên lấy dữ liệu từ nhiều nguồn khác nhau như sách giáo khoa, camera ghi chuyển động, cảm biến sinh trắc học, nhật ký đào tạo và hình ảnh y tế.
Sau đó, nó sử dụng hệ thống dựa trên LLM để định tuyến, xác thực và tổng hợp các luồng dữ liệu khác nhau, đồng thời chạy tất cả thông tin đó thông qua một công cụ vật lý để tạo ra các kết xuất có độ chính xác cao của tập dữ liệu đó, sau đó có thể được sử dụng để huấn luyện các mô hình dự đoán.
“Chúng tôi có thể lấy tất cả các nguồn dữ liệu khác nhau này và sau đó biến chúng thành mô hình dự đoán về cách mọi người sẽ thực hiện.
Vì vậy, bất cứ khi nào bạn muốn dự đoán con người sẽ hoạt động như thế nào, đó là một trường hợp sử dụng thực sự tốt cho công nghệ của chúng tôi,” Witchel nói.
Witchel nói với TechCrunch rằng lớp công cụ vật lý là chìa khóa ở đây vì nó giúp nền tảng nâng cao thông tin có sẵn bằng cách tạo nền tảng cho dữ liệu tổng hợp được tạo ra và mô hình hóa thực tế vật lý của giải phẫu.
“Nếu tôi yêu cầu bạn ước tính tư thế bàn tay của một người bị mất một ngón tay thì điều đó sẽ thực sự rất khó khăn vì không có bộ dữ liệu nào được công bố công khai về vị trí bàn tay được dán nhãn của người bị thiếu một ngón tay.
Chúng tôi có thể tạo tập dữ liệu đó thực sự, thực sự dễ dàng, bởi vì chúng tôi chỉ cần lấy mô hình vật lý của mình và nói, loại bỏ ngón tay X, tái tạo mô hình,” cô nói.
Vì nền tảng của Mantis lấp đầy những khoảng trống trong nguồn dữ liệu, Witchel cho rằng nó có tiềm năng được sử dụng rộng rãi trong ngành y sinh, nơi thông tin về các thủ tục hoặc bệnh nhân có thể khó truy cập, không có cấu trúc hoặc được lưu trữ trong nhiều nguồn khác nhau.
