Les modèles de langage de grande taille, entraînés sur d’immenses ensembles de données, offrent un potentiel considérable pour accélérer la recherche biomédicale, optimiser la documentation clinique, améliorer les diagnostics en temps réel, soutenir la prise de décision médicale, accélérer la découverte de médicaments, et même générer des données synthétiques pour faire avancer les expérimentations. Cependant, leur capacité à transformer la recherche en biologie et médecine est souvent freinée par un défi majeur : au-delà des données structurées sur lesquelles ils peuvent s’appuyer, ces modèles peinent à traiter des cas extrêmes tels que les maladies rares ou les conditions inhabituelles, pour lesquelles les données fiables et représentatives font défaut.
C’est dans ce contexte que la sociéténew-yorkaise Mantis Biotech se positionne en développant une solution innovante pour combler cette lacune en disponibilité de données. La plateforme de l’entreprise intègre diverses sources de données pour créer des ensembles synthétiques pouvant servir à bâtir ce qu’elle appelle des « jumeaux numériques » du corps humain : des modèles prédictifs basés sur la physique de l’anatomie, de la physiologie, et du comportement. Ces jumeaux permettent ainsi une nouvelle approche pour l’analyse, la formation, et la simulation dans le domaine médical, ouvrant la voie à de nombreuses applications allant du test de nouvelles procédures médicales à la formation de robots chirurgicaux, en passant par la prévision de problèmes de santé ou encore la modélisation de comportements humains.
Les jumeaux numériques, alimentés par une intégration innovante de données diverses, offrent une nouvelle plateforme pour la recherche et la pratique médicales, tout en respectant la confidentialité et l’éthique.
Pour la construction de ces jumeaux, la plateforme de Mantis commence par agréger des données provenant de sources variées telles que des manuels médicaux, des capteurs de capture de mouvement, des biométriques, des journaux d’entraînement ou encore de l’imagerie médicale. Ces flux sont ensuite traités par un système basé sur un modèle de langage de grande taille (LLM) pour la validation, la synthèse, et le routage. Tout cela est couplé à un moteur physique qui génère des rendus à haute fidélité permettant d’aboutir à des modèles prédictifs précis. Selon Georgia Witchel, la fondatrice et CEO de Mantis, cette approche permet par exemple de créer rapidement des datasets pour estimer la pose de la main d’une personne ayant un doigt manquant, une tâche difficile avec les données disponibles traditionnellement en raison des contraintes éthiques et réglementaires.
Elle précise que cette capacité à remplir les lacunes en données est particulièrement utile dans le secteur biomédical, où l’accès à des informations sur les procédures ou les patients est souvent limité, dispersé ou difficile à exploiter en raison de la nature sensible des données. La perspective d’utiliser ces jumeaux numériques pour tester et simuler des cas rares ou complexes, tout en respectant la vie privée, constitue une avancée majeure. La société voit un grand potentiel à l’échelle de l’industrie, notamment pour ses applications dans le sport de haut niveau, où des modèles précis d’athlètes peuvent permettre d’optimiser leur entraînement et leur récupération.
De fait, Mantis a déjà rencontré un certain succès dans le domaine du sport professionnel, notamment auprès d’une équipe NBA où la technologie permet de suivre la performance d’un athlète sur une année entière, en couplant différentes variables telles que le sommeil, l’entraînement ou encore la charge physique. La société a récemment levé 7,4 millions de dollars en financement initial, notamment auprès de Decibel VC, Y Combinator, et d’autres investisseurs, pour poursuivre le développement de la plateforme, renforcer ses équipes, et préparer une version accessible au grand public. À terme, Mantis souhaite également s’ouvrir au secteur de la santé préventive et collaborer avec des laboratoires pharmaceutiques et des chercheurs engagés dans des essais réglementaires, pour fournir des insights précieux sur la réponse des patients aux traitements, tout en assurant une démarche éthique et respectueuse des données personnelles.
