Gentagelse er et grundlæggende begreb inden for maskinlæring og andre former for AI, forestillingen om at noget sker lige nu er en funktion af noget lignende, der skete for et øjeblik siden, eller endda helt tilbage i fortiden.
Bare det, du er nu, er sandsynligvis en funktion af ting, du har indtaget, såsom næringsstoffer, i går, dagen før og i måneder eller år, en kendsgerning, som opstart Twin Health udnytter med maskine lære at prøve at knække koden om medicinske tilstande, herunder diabetes.
“Vi løser grundårsagen til kroniske stofskiftesygdomme, herunder diabetes, hypertension, fedme, en klynge, der påvirker en milliard mennesker og forårsager 25 millioner dødsfald om året,” siger administrerende direktør og medstifter Jahangir Mohammed til ZDNet i et interview via Zoom. “Det er utrolig ravage.”
Twin Health, en tre-årig startup med kontorer i Mountain View, Californien og Bangalore, Indien, meddelte onsdag, at den har modtaget $ 140 millioner i finansiering i en C-runde ledet af venturekapitalfirmaet Sequoia Kapital til yderligere at kommercialisere sin machine learning -tilgang for at anbefale læger og patienter behandlinger, der forbedrer diabetes.
De nye penge bringer Twin Health's samlede træk til 186 millioner dollars. Andre investorer i runden var Iconiq Growth, Perceptive Advisors, Corner Ventures, LTS Investments, Helena og Sofina. Twin Health har en værdiansættelse efter penge på 740 millioner dollars.
Også: Den subtile kunst med virkelig big data: Recursion Pharma kortlægger kroppen
Twin Health, sagde Mohammed, bruger en simulering kombineret med det tilbagevendende neurale netværk til at lave forudsigelser, der fører til anbefalinger om ernæring til diabetespatienter.
“Det har ikke rigtig været muligt programmæssigt at løse for [metabolisk sygdom] grundårsagen,” sagde Mohammed. “Det, vi har opfundet, er en ny teknologi kaldet en helkrops digital tvilling, der gør det muligt for os at hjælpe med at løse årsagen.”
Digital tvilling er et begreb, der er almindeligt inden for teknik i disse dage, hvorved der oprettes en computersimulering af detaljerne i et objekt, såsom en gasledning eller et fly. Det bruges til at køre eksperimenter på det simulerede objekt og notere dets detaljer, før de afprøver disse handlinger på det virkelige objekt.
For menneskers vedkommende bygger Twin Health digitale tvillinger af hvert fags stofskifte, som derefter kan blive genstand for test af de neurale netværk.
Sensorer, der bæres af en person, indsamler data, der sendes til computeren for at danne en digital tvilling, en model af individernes vitale statistik over tid. Tvillingerne kan derefter opereres af et neuralt netværk, der forudsiger resultatet af interventioner som kost og motion. Resultaterne af disse simuleringer fører derefter til anbefalinger, som mennesket kan tage i samråd med læge og coach.
Twin Health
Emner, der bruger Twin Health -teknologien, har bærbare sensorer, der sender information til Twin Health, sammen med en app, de bruger til fødeindtagelsesdagbøger og kvartalsvise blodprøver. Alle disse datapunkter, 3.000 signaler om dagen, bruges til at konstruere individets hele tvilling af hele kroppen.
En neural netværksmetode anvendes derefter på den digitale tvilling som et optimeringsproblem, målet, hvad der er kendt i maskinlæring som den objektive funktion, er at forudsige den gennemsnitlige absolutte fejl i blodsukker som output af alle signaler.
“Vi bruger en række forskellige maskinlæringsalgoritmer, herunder især tilbagevendende neurale netværk, RNN'er, fordi de data, vi bruger, er meget højopløselige tidsseriedata,” sagde teknologichef og medstifter Terry Poon , i samme interview med Mohammed.
Også: MIT's dybe læring fandt et antibiotikum for en kim, intet andet kunne dræbe
“Det, vi lærer ved at bruge modellerne, er virkelig mønstrene på tværs af alle disse forskellige signaler,” sagde Poon. For eksempel kan dataene om puls og aktivitetsdata kombineres med blodglukoseniveauer.
“Det, vi ser, er, at pulsmønsteret er forskelligt afhængigt af, hvad dit blodsukkerniveau er.” En person, der er diabetiker, vil have et “hakket” mønster af genopretning til baseline efter træning, kontra en person uden diabetes, hvis puls hurtigt vender tilbage til det normale efter træning.
Twin Healths digitale tvilling i hele kroppen tager ideen om en simulering af en virkelighed i verden, en almindelig praksis inden for konstruktion af fremstillede kunstarter, og udvider den til modellering af den menneskelige krop.
Twin Health
Med den gennemsnitlige absolutte fejl i blodsukkeret som objektiv funktion tillader RNN'erne Twin Health at simulere interventioner, såsom ændring af ernæring eller ændring af søvnregimer, og se hvordan disse interventioner påvirker blodsukkerniveauet. En nøgle, sagde Mohammed, modellerer i den tvilling, hvilke former for indgreb der er vigtige for det specifikke individ, en slags personlig medicinsk regime, med andre ord.
“Det er ikke kun hvis du spiser denne mad, hvad er resultatet,” sagde Poon. “Det er mere i betragtning af din metaboliske baggrund og alt hvad du har gjort indtil nu, hvis du spiser denne mad, hvad vil svaret være.”
Sensorerne giver en feedback -sløjfe ind i den digitale tvilling, mens mennesket tager anbefalinger i samråd med en deltagende læge, f.eks. ændring af kost eller ændring af søvn eller motion.
At finde ud af, hvad den objektive funktion skal være, og hvad der skal måles i udviklingen af det neurale netværk, har været en proces med at arbejde med forskere for at udføre teknik baseret på det, der allerede er kendt. Men nogle faktorer og sammenhænge af faktorer findes i løbet af udviklingen af det neurale netværk, sagde Poon.
Gentagelse betyder, at der er et mere komplekst signal at behandle end nogle andre emner inden for maskinlæring, sagde han.
“Især mange af tidsseriens funktioner: du spiser en mad, du får et blodsukkerrespons, men forholdet er meget komplekst er meget komplekst, fordi det ikke kun er måltidet, du lige har spist, det er virkelig påvirket af, hvad skete før, f.eks. hvis du i aftes havde et stort måltid, der forårsagede en meget stor stigning i blodsukkeret, selv når du spiser morgenmad i dag, vil det have en vis indflydelse på det. ”
” Vores krop er et hav, det er uendeligt med hensyn til, hvor meget vi kan forstå om det, “siger Twin Health CEO Jahangir Mohammed.
Twin Health
” Det er en virkelig kompleks tidsserie forhold mellem handlinger og adfærd på tværs af lange tidsrum. ”
Teknologien er allerede blevet brugt med tusinder af emner i løbet af to et halvt år og indsamlet data, der har hjulpet til at forfine neurale netværksmodeller, sagde Poon. Disse tusinder af mennesker bliver konteksten for hvert nyt menneske, hvis tvilling er skabt.
Fordi de tiltag, der bliver bedt om, er regimer, såsom kost og motion, og ikke kemikalier, kræver fremgangsmåden ikke myndighedsgodkendelse og er allerede blevet taget op i kliniske omgivelser.
“Vores tidlige kliniske resultater er meget gode,” sagde Mohammed. “Vi ser fra de tidlige resultater 90% af diabetikere omvendt” og “90% af mennesker slipper for diabetesmedicin.” Derudover sagde han, at folk, der bruger regimet, har tabt 9 kilo kropsvægt og har set forbedret leverfunktion, med “ALT” leverenzymer, der viser kvantificerbar forbedring.
Virksomheden har i år offentliggjort kontrollerede resultater af kliniske forsøg i flere publikationer, herunder American Association of Endocrinology's årsmøde 2021; International Society for Pharmacoeconomics ISPOR 2021 -møde; Europæisk og international kongres om fedme; Journal of the Endocrine Society, bind 5, april-maj i år; og i juni -udgaven af American Diabetes Association journal Diabetes.
Også: Etik for AI: Fordele og risici ved kunstig intelligens
I disse undersøgelser med patienter, der brugte regimet, fandt virksomheden statistisk signifikant remission af HbA1c, mængden af blodsukker knyttet til hæmoglobin, som den sagde tjener som “en tidlig indikator for oversættelse af den videnskabelige begrundelse for den teknologiske intervention, gennem digital tvillingeteknologi, drevet af tingenes internet og kunstig intelligens, som en metode til at muliggøre vending af diabetes. ”
“Et meget interessant fund for os er, hvor smukt modstandsdygtig vores krop er,” sagde Mohammed til ZDNet, “og hvordan disse naturlige ting vi gør, hvis du gør det rigtige sæt ting, hvordan du restituerer.”
En implikation kan være, at ligesom løsninger afkodes fra tvillingen ved at arbejde tilbage i tidsserierne, kan midlet mod metaboliske lidelser i sig selv betragtes som en sekvens af at lave de rigtige skridt i tiden.
“Vi er virkelig blevet overraskede over de sidste tre år over, hvor smukt modstandsdygtig vores krop er, hvis den kun får en chance for at gøre disse naturlige ting i det rigtige mønster og den rette kombination, den har en bemærkelsesværdig evne til at helbrede sig selv.”
Twin Health opererer allerede i kommerciel tilstand og sælger sine tjenester til patienter, der anvender behandlingen.
The Twin Health -appen giver statusopdateringer til den menneskelige deltager.
Twin Health
Twin Health gør en forretning væk fra teknologien ved at blive betalt for resultater, sagde Mohammed. “Vi viser en betydelig besparelse i omkostninger,” sagde Mohammed. Omkostningerne ved diabetes kommer til $ 3 billioner årligt, inklusive en betydelig lægemiddelomkostning, bemærkede Mohammed.
“Det skønne ved at forbedre sundhed og vende sygdomme er, at det sparer en sådan besparelse i form af lægemidler såvel som med hensyn til hospitalsindlæggelser og besøg.”
Twin Health er “betalt for forestillingen”, sagde han. “Vi er enige om de resultater, vi skal levere for patienten, når de opnår det, indser du fordel, og du betaler os for det, vi har bidraget med.”
Kunder sætter pris på den tilgang, fordi “det er hårde resultater,” sagde han, “du behøver ikke spekulere.”
Også: AI løber smæk op mod et stort dataproblem i diagnosen COVID-19
De nye penge vil give virksomheden mulighed for at sprede den kliniske brug af teknologien globalt, sagde Mohammed. Virksomheden nægtede at oplyse, hvor mange nuværende medlemskaber det har, men bemærkede, at de er begejstrede for deres fortsatte vækst.
“Vi er virkelig klar til at bringe dette til en bredere befolkning.” Det vil omfatte bemanding af de teams, der er ansvarlige for go-to-market, for coaching og pleje af patienter.
Pengene inkluderer også løbende forbedring af den digitale tvilling for at komme videre end diabetes til at nærme sig de andre metaboliske lidelser. Det inkluderer gigt og unormal nyrefunktion.
“Dette er en kontinuerlig optimeringsmetode,” sagde Mohammed. “Vores krop er et hav, det er uendeligt med hensyn til, hvor meget vi kan forstå om det.”
Relaterede emner:
Big Data Analytics Digital Transformation CXO Internet of Things Innovation Enterprise Software 