INTRODUÇÃO: Modelos de linguagem de grande escala prometem revolucionar a pesquisa biomédica, acelerando desde a descoberta de medicamentos até o diagnóstico clínico. No entanto, essa promessa esbarra em um obstáculo crítico: a escassez de dados confiáveis e representativos para casos de borda, como doenças raras e condições incomuns. A startup norte-americana Mantis Biotech afirma ter desenvolvido uma solução para preencher essa lacuna, integrando fontes de dados díspares para criar conjuntos sintéticos que alimentam os chamados "gêmeos digitais" do corpo humano.
DESENVOLVIMENTO: A plataforma da Mantis Biotech coleta dados de livros didáticos, câmeras de captura de movimento, sensores biométricos, registros de treinamento e imagens médicas. Em seguida, um sistema baseado em modelos de linguagem (LLM) roteia, valida e sintetiza esses fluxos de dados diversos. As informações são processadas por um motor de física para gerar renderizações de alta fidelidade, que servem como base para modelos preditivos. Esses gêmeos digitais são modelos baseados em física que simulam anatomia, fisiologia e comportamento, permitindo aplicações como estudo de novos procedimentos médicos, treinamento de robôs cirúrgicos e simulação de problemas de saúde. Por exemplo, uma equipe esportiva poderia prever o risco de lesão no tendão de Aquiles de um jogador da NFL, analisando desempenho recente, carga de treino, dieta e tempo de atividade.
CONCLUSÃO: A abordagem da Mantis Biotech representa um avanço significativo na superação das limitações de dados em biomedicina. Ao combinar IA com princípios físicos, a empresa não apenas gera dados sintéticos para casos raros, mas também cria ferramentas preditivas robustas. Isso pode acelerar a pesquisa, melhorar diagnósticos e personalizar tratamentos, transformando a maneira como a medicina lida com a complexidade e variabilidade humanas.
