Mantis Biotech tworzy cyfrowe bliźniaki ludzi, by wypełnić lukę danych w medycynie
Redakcja••2 min czytania•4
Mantis Biotech opracowuje platformę, która z różnych, rozproszonych źródeł tworzy syntetyczne zestawy danych i cyfrowe bliźniaki ludzi — modele opisujące anatomię, fizjologię oraz zachowania. Celem jest wypełnienie luk w dostępnych danych, zwłaszcza w przypadkach rzadkich schorzeń i nietypowych warunków klinicznych.
Cyfrowy bliźniak to przewidywalny, fizycznie ugruntowany model osoby lub jej układu biologicznego, który na podstawie danych pozwala symulować ruch, reakcje fizjologiczne i możliwe scenariusze kliniczne. Takie modele umożliwiają testy i analizy bez narażania pacjentów.
Słownik artykułu
Krótkie objaśnienia terminów występujących w tekście. Każde hasło prowadzi do szerszej definicji i przykładów użycia.
Platforma agreguje dane z podręczników, kamer motion capture, sensorów biometrycznych, dzienników treningowych i obrazowania medycznego. System wykorzystuje duży model językowy do routingu, walidacji i syntezy strumieni danych, a następnie przetwarza je przez silnik fizyczny, który generuje wysokiej jakości rendery i treningowe zbiory syntetyczne.
Mantis znajduje zastosowanie w profesjonalnym sporcie — firma tworzy historyczne i predykcyjne modele ruchu zawodników, pomagając oceniać ryzyko kontuzji. Jednym z klientów startupu jest zespół NBA. W planach są też wdrożenia dla laboratoriów farmaceutycznych, badań klinicznych i szeroko pojętej profilaktyki zdrowotnej.
Startup pozyskał 7,4 mln USD w rundzie seed prowadzanej przez Decibel VC, z udziałem Y Combinator i Liquid 2. Mantis zamierza rozwijać technologię, zatrudniać i przygotować wejście na rynek konsumencki i badawczy. Kluczowe wyzwania to regulacje i ochrona prywatności danych oraz zdobycie zaufania środowisk klinicznych.
Założycielka i CEO podkreśla, że cyfrowe bliźniaki mogą uzupełniać, a nie zastępować, dane pacjentów — zwłaszcza w przypadkach etycznych lub prawnych ograniczeń w udostępnianiu wrażliwych informacji. Firma widzi największą wartość tam, gdzie realne zbiory treningowe są niewystarczające.
Duży model językowy, czyli model sztucznej inteligencji trenowany na obszernych zbiorach tekstów do rozumienia i generowania języka naturalnego.
Brak komentarzy. Bądź pierwszy!
