Mantis Biotech делает цифровых «двойников» людей для медицины и спорта — VogueTech

Что появилось / что изменилось

Нью-йоркский стартап Mantis Biotech строит платформу для создания цифровых «двойников» человека — детализированных виртуальных моделей тела, которые можно использовать вместо реальных пациентских данных.

Главное, что добавляет Mantis:

Генерация синтетических датасетов там, где реальных данных мало или их сложно легально собрать: редкие заболевания, атипичная анатомия, сложные случаи.
Физически корректные 3D-модели анатомии и движений: система не просто «рисует» человека, а симулирует тело с учётом законов физики.
Сбор и склейка разнородных источников данных: учебники, медицинские изображения, записи тренировок, данные биосенсоров, motion capture.
Практическое применение уже сейчас: один из ключевых клиентов — команда НБА; Mantis строит их спортсменам цифровые профили прыжков за каждый день года и отслеживает изменения.

Mantis предлагает использовать цифровых двойников для:

моделирования и тестирования новых медицинских процедур;
обучения и калибровки хирургических роботов;
прогнозирования травм и медицинских рисков;
симуляции паттернов поведения и нагрузок, например в профессиональном спорте.

Как это работает

Архитектура платформы выглядит так:

Сбор данных. Mantis агрегирует:
- медицинские учебники и текстовые источники;
- изображения и сканы (медицинская визуализация);
- данные motion capture с камер;
- биометрические сенсоры;
- тренировочные журналы и логи нагрузок.
Маршрутизация и проверка через LLM. Платформа использует систему на базе большой языковой модели, которая:
- определяет, куда отправить каждый поток данных;
- проверяет согласованность и валидность информации;
- объединяет разнородные форматы в единую представимую структуру.
Физический движок. Дальше всё проходит через физический engine:
- он строит анатомически правдоподобную модель тела;
- симулирует движения с учётом масс, суставов, ограничений;
- позволяет изменять анатомию и сразу пересчитывать модель.
Пример от CEO Mantis Джорджии Уитчел: если нужно обучить систему оценивать позу руки человека без одного пальца, публичных размеченных датасетов просто нет. Mantis берёт существующую физическую модель кисти, «удаляет палец X», пересобирает модель и автоматически генерирует новый синтетический датасет поз.
Тренировка предсказательных моделей. На этих рендерах и временных рядах Mantis тренирует модели, которые предсказывают, как человек будет двигаться или как изменится его состояние под разными нагрузками.

Что это значит для вас

Для медицины и биотеха

Исследования редких заболеваний. Там, где пациентских данных мало и есть жёсткие регуляторные ограничения, можно тренировать модели на виртуальных пациентах.
Планирование и тестирование процедур. Хирурги и разработчики медтехники могут «ломать» цифрового двойника сколько угодно, не рискуя живыми людьми.
Реалистичные симуляторы. Обучение ИИ-систем, роботизированных ассистентов и врачей на синтетических, но физически правдоподобных сценариях.

Зона риска: синтетические данные всё равно завязаны на исходные источники. Если базовые представления об анатомии или патологии искажены, ИИ тоже будет ошибаться. Использовать такие модели без клинической валидации опасно.

Для спорта и human performance

Профилактика травм. Клуб может оценивать вероятность, что конкретный игрок порвёт ахилл, исходя из:
- динамики прыжков за год;
- текущей нагрузки;
- питания;
- общего стажа и истории нагрузок.
Мониторинг формы. Анализ, как меняется техника и высота прыжка по дням и неделям, и где начинается перегруз.

Если вы работаете в профспорте или high-performance тренировках, Mantis — инструмент для аналитиков, тренеров и медштаба. Для любительского спорта продукт пока избыточен.

Для ИИ-разработчиков и дата-сайентистов

Источник синтетических датасетов там, где разметка нерешаема или этически проблемна.
Возможность тестировать модели на экстремальных и редких сценариях, которые почти не встречаются в реальном логе.

Использовать разумно как дополнение к реальным данным, а не как их полную замену.

Доступность

Mantis Biotech работает как B2B-платформа. Это не массовый веб-сервис вроде GPT-4o: к нему приходят команды клиник, спортивных клубов, R&D-подразделения. Открытого интерфейса «зашёл и сгенерировал себе цифрового двойника» нет.

Место на рынке

Mantis Biotech работает на стыке трёх направлений:

генерация синтетических данных для ИИ;
физически обоснованные симуляции тела человека;
прикладные решения для медицины и спорта.

Классические LLM вроде GPT-4o или Claude 3.5 тут решают другие задачи: они хорошо работают с текстом и структурированными записями, но плохо покрывают крайние случаи, где данных мало и нет готовых датасетов движений или атипичной анатомии.

Mantis закрывает именно эту нишу: создаёт синтетический слой данных поверх текстов, сенсоров и картинок и привязывает его к физике тела. При этом компания не конкурирует «в лоб» с OpenAI или Anthropic по качеству генерации текста — она использует LLM как один из компонентов конвейера.

Минусы подхода:

высокая сложность разработки и валидации физических моделей;
необходимость тесной работы с доменными экспертами (врачи, физиологи, тренеры);
риски переоценки точности симуляций, если заказчик воспринимает цифрового двойника как «истину», а не как модель.

Сейчас фокус Mantis — профессиональный спорт и перспективы в биомедицине. Для массового пользователя это пока больше индикатор того, куда движется рынок: от простых LLM к системам, которые связывают текст, сенсоры, физику и поведение человека в единую среду моделирования.