Mantis Biotech crée des “jumeaux numériques” humains pour remédier au manque de données médicales

Les grands modèles linguistiques, entraînés sur de vastes ensembles de données, ont le potentiel d'accélérer la recherche en génomique, de rationaliser la documentation clinique, d'améliorer les diagnostics en temps réel, d'aider à la prise de décisions médicales, d'accélérer la découverte de médicaments et même de créer des données synthétiques pour faire avancer les expériences.

Cependant, leur potentiel transformateur dans la recherche biomédicale rencontre souvent un obstacle : au-delà des données structurées qui sont fondamentales pour la santé, ces modèles échouent face à des cas particuliers tels que les maladies rares et les affections atypiques, où il manque de données fiables et représentatives.

La société Mantis Biotech, basée à New York, affirme être en train de développer une solution pour combler ce manque de données. La plateforme de l'entreprise intègre diverses sources de données pour produire des ensembles de données synthétiques, qui peuvent ensuite être utilisés pour créer des « jumeaux numériques » du corps humain : des modèles prédictifs basés sur la physique de l'anatomie, de la physiologie et du comportement.

L'entreprise promeut ces jumeaux numériques pour l'agrégation et l'analyse des données. Ils pourraient être employés pour étudier et tester de nouvelles procédures médicales, entraîner des robots chirurgicaux, et simuler ou prédire des problèmes médicaux ainsi que des comportements humains. Par exemple, une équipe sportive pourrait prévoir la probabilité qu'un joueur de la NFL subisse une blessure au tendon d'Achille en se basant sur ses performances récentes, son volume d'entraînement, son régime alimentaire et la durée de sa carrière, a expliqué Georgia Witchel, fondatrice et PDG de Mantis, dans une interview récente avec TechCrunch.

Pour construire ces jumeaux numériques, la plateforme Mantis commence par agréger des données provenant de sources telles que les manuels scolaires, les caméras de capture de mouvement, les capteurs biométriques, les journaux d'entraînement et les images médicales. Elle utilise ensuite un système basé sur des LLM pour diriger, valider et synthétiser ces données variées. Ces informations sont traitées par un moteur physique afin de créer des rendus haute fidélité de l'ensemble de données, qui sont ensuite utilisés pour entraîner des modèles prédictifs.

« Nous pouvons prendre toutes ces sources de données disparates et les transformer en modèles prédictifs du comportement humain. Tout scénario où il est nécessaire de prédire la performance d'une personne constitue un excellent cas d'utilisation pour notre technologie », a déclaré Witchel.

La couche du moteur physique est cruciale, a précisé Witchel à TechCrunch, car elle améliore les informations disponibles en basant les données synthétiques générées sur des modèles physiques réalistes de l'anatomie.

« Si vous deviez estimer la position de la main d'une personne qui manque un doigt, ce serait extrêmement difficile en raison du manque de données étiquetées et disponibles publiquement pour cette condition. Nous pourrions générer ces données très facilement en modifiant simplement notre modèle physique – en lui disant de retirer un doigt spécifique et de le régénérer », a-t-elle expliqué.

Comme la plateforme Mantis comble les lacunes dans les sources de données, Witchel est convaincue qu'elle a un large potentiel dans l'industrie biomédicale, où les informations sur les procédures ou les patients sont souvent difficiles à obtenir, non structurées ou isolées. Elle souligne son utilité pour les cas particuliers et les maladies rares, où les données sont rares en raison de contraintes éthiques et réglementaires concernant l'utilisation des données patientes dans les ensembles de données publiques ou pour l'entraînement des IA.

« Vous savez comment un enfant de trois ans peut jouer avec une poupée Barbie, la tenant par une jambe et la frappant sur la table ? J'aimerais que les gens adoptent cette mentalité avec nos jumeaux numériques », a-t-elle dit. « Je crois que cela ouvrira les gens à l'idée que les humains peuvent être testés virtuellement. Actuellement, la mentalité dominante est l'inverse, ce qui est tout à fait compréhensible – la vie privée des personnes doit être respectée. En fait, je ne pense pas que les données personnelles devraient être exploitées du tout, surtout lorsque vous avez ces jumeaux numériques comme alternative. »

Actuellement, Mantis a connu le succès dans le sport professionnel, probablement en raison de la nécessité de modéliser des athlètes de haute performance. Witchel a noté que l'un des principaux clients de la start-up est une équipe de NBA.

« Nous créons des représentations numériques des athlètes. Cela montre non seulement comment un athlète a sauté aujourd'hui, mais aussi comment il a sauté chaque jour au cours de l'année écoulée, et comment ces sauts évoluent avec le temps en fonction de ses habitudes de sommeil ou de la fréquence à laquelle il lève les bras au-dessus de la tête », a-t-elle expliqué.

La start-up a récemment obtenu 7,4 millions de dollars en financement initial mené par Decibel VC, avec la participation de Y Combinator, plusieurs investisseurs angéliques et Liquid 2. Ces fonds seront utilisés pour recruter du personnel, faire de la publicité, mener des activités marketing et lancer le produit sur le marché.

Witchel a déclaré que les prochaines étapes de Mantis consisteraient à continuer à développer cette technologie et à la rendre publique à terme, en se concentrant sur la santé préventive. L'entreprise travaille également à servir les laboratoires pharmaceutiques et les chercheurs menant des essais FDA, dans le but de fournir des informations sur les réactions des patients aux traitements.