مدلهای زبانی بزرگ که با مجموعهدادههای گسترده آموزش دیدهاند، میتوانند پژوهشهای ژنومیک را سریعتر کنند، مستندسازی بالینی را سادهتر سازند، تشخیصهای لحظهای را بهبود دهند، از تصمیمگیریهای پزشکی پشتیبانی کنند، کشف دارو را تسریع کنند و حتی دادههای مصنوعی برای پیشبرد آزمایشها تولید کنند.
با این حال، تحقق این وعدهها در تحقیقات زیستپزشکی با یک مانع روبهرو است. این مدلها فراتر از دادههای ساختاریافتهای که در حوزه سلامت رایج است، در موارد خاص مانند بیماریهای نادر یا شرایط غیرمعمول با مشکل مواجه میشوند، زیرا دادههای کافی و قابلاعتماد در این زمینهها وجود ندارد.
شرکت مانتیس بایوتک مستقر در نیویورک مدعی است که در حال توسعه راهحلی برای این کمبود داده است. پلتفرم این شرکت منابع مختلف داده را با هم ترکیب میکند تا مجموعهدادههای مصنوعی ایجاد کند که میتوان از آنها برای ساخت «دوقلوهای دیجیتال» از بدن انسان استفاده کرد؛ مدلهای پیشبینیکننده مبتنی بر فیزیک که آناتومی، فیزیولوژی و رفتار را شبیهسازی میکنند.
این شرکت این دوقلوهای دیجیتال را برای استفاده در تجمیع و تحلیل دادهها معرفی کرده است. از این مدلها میتوان برای مطالعه و آزمایش روشهای جدید پزشکی، آموزش رباتهای جراحی و شبیهسازی و پیشبینی مشکلات پزشکی یا حتی الگوهای رفتاری استفاده کرد. برای مثال، یک تیم ورزشی میتواند با استفاده از این فناوری احتمال آسیبدیدگی تاندون آشیل یک بازیکن لیگ NFL را بر اساس عملکرد اخیر، میزان تمرین، رژیم غذایی و مدت زمان فعالیت او پیشبینی کند.

