曼蒂斯生物技术公司打造人类“数字双胞胎”以应对医疗数据短缺问题

在海量数据集上训练的大型语言模型，有潜力加速基因组研究、简化临床文档工作、提升实时诊断能力、辅助临床决策、加快药物研发进程，甚至还能生成合成数据以推动实验进展。

然而，这些模型在生物医学研究中的变革性应用往往会遇到障碍：除了医疗保健领域所依赖的结构化数据外，对于罕见疾病和非典型病症等边缘案例，由于缺乏可靠且具有代表性的数据，这些模型的效果就会大打折扣。

总部位于纽约的Mantis Biotech公司声称，他们正在开发解决方案来弥补这一数据缺失的问题。该公司的平台整合了多种数据来源，生成合成数据集，进而可以用来构建人体的“数字孪生体”——这些基于物理原理的预测性模型能够模拟人体的解剖结构、生理机能和行为特征。

该公司推崇使用这些数字孪生体进行数据聚合与分析。它们可以用于研究和测试新的医疗程序、训练外科手术机器人，甚至可以模拟或预测医疗问题及行为模式。例如，Mantis公司的创始人兼首席执行官Georgia Witchel在最近接受TechCrunch采访时解释说，一支运动队可以根据某位NFL球员近期的表现、训练强度、饮食习惯以及职业生涯长度，来预测他出现跟腱损伤的概率。

为了构建这些数字孪生体，Mantis的平台首先会从教科书、动作捕捉摄像头、生物识别传感器、训练日志以及医学影像等来源收集数据，然后利用基于大型语言模型的系统对这些多样化的数据流进行整理、验证和合成。这些信息会通过物理引擎进行处理，从而生成高度逼真的数据集渲染结果，进而用于训练预测模型。

Witchel表示：“我们可以将所有这些不同的数据源转化为预测人类表现的模型。任何需要预测一个人表现情况的场景，都是我们这项技术的绝佳应用场景。”

Witchel向TechCrunch强调，物理引擎这一环节至关重要，因为它通过为生成的合成数据提供现实依据，并真实模拟解剖学上的物理规律，从而提升了数据的可靠性。

她举例说明：“如果需要估算一个缺了手指的人的手部姿势，由于目前缺乏针对这种状况的公开可用的标记化数据集，这会是一项极其困难的任务。但我们可以通过修改物理模型来轻松生成这样的数据集——让模型忽略掉某根手指，然后重新生成图像。”

由于Mantis平台能够弥补数据来源上的不足，Witchel认为它在生物医学领域具有广泛的应用前景。在许多情况下，关于手术流程或患者信息的数据往往难以获取、结构不清晰，或者被孤立保存在不同的系统中。对于那些由于伦理和监管限制而无法在公共数据集或人工智能训练中使用患者数据的边缘案例和罕见疾病研究来说，这一平台的价值尤为突出。

她说道：“想象一下，一个三岁的孩子会怎么玩芭比娃娃吧，他们会抓住娃娃的一条腿，在桌子上敲打它。我希望人们也能用这种思维方式来理解我们的数字孪生体。我相信这会让人们意识到，人类是可以进行虚拟测试的。目前人们的普遍观念恰恰相反，这也是可以理解的——必须尊重人们的隐私。事实上，我认为根本就不应该利用个人数据，尤其是当我们有这些数字孪生体作为替代方案时。”

目前，Mantis公司在职业体育领域已经取得了成功，这很可能是因为他们需要为高性能运动员建立模型。Witchel指出，这家初创企业的其中一个主要客户就是一支NBA球队。

她解释说：“我们为这些运动员创建了数字表征。这些数据不仅能显示运动员今天的跳跃表现，还能展示他们在过去一年里每一天的跳跃情况，以及他们的跳跃动作是如何随着时间推移而发生变化的——比如这些变化与他们的睡眠模式或举手频率是否有关联。”

这家初创企业最近获得了740万美元的种子资金支持，投资方包括Decibel VC、Y Combinator、几位天使投资者以及Liquid 2。这些资金将用于招聘人员、开展广告宣传、市场推广以及产品上市相关工作。

Witchel表示，Mantis公司的下一步计划是继续开发这项技术，并最终向公众开放这一平台，重点关注预防性医疗保健领域。该公司还致力于为进行FDA试验的制药实验室和研究人员提供帮助，旨在帮助他们了解患者对治疗的反应情况。