Gjentakelse er et grunnleggende begrep i maskinlæring og andre former for AI, forestillingen om at noe som skjer akkurat nå er en funksjon av noe lignende som skjedde for et øyeblikk siden, eller helt tilbake i forbi.
Bare det du er nå er sannsynligvis en funksjon av ting du har spist, for eksempel næringsstoffer, i går, dagen før, og i flere måneder eller år, et faktum som oppstart Twin Health utnytter med maskinlæring for å prøve å knekk koden for medisinske tilstander inkludert diabetes.
“Vi løser årsaken til kroniske metabolske sykdommer, inkludert diabetes, hypertensjon, fedme, en klynge som påvirker en milliard mennesker og forårsaker tjuefem millioner dødsfall i året,” sa administrerende direktør og medgründer Jahangir Mohammed til ZDNet i et intervju via Zoom. “Det er utrolig kaos.”
Twin Health, en tre år gammel oppstart med kontorer i Mountain View, California og Bangalore, India, annonserte onsdag at den har mottatt 140 millioner dollar i finansiering i en C-runde ledet av verdipapirforetaket Iconiq Growth å ytterligere kommersialisere maskinlæringsmetoden for å anbefale til leger og pasienter behandlinger som forbedrer diabetes.
De nye pengene bringer Twin Healths totale trekk til 186 millioner dollar. Andre investorer i runden var venturekapitalfirmaet Sequoia Capital, Perceptive Advisors, Corner Ventures, LTS Investments, Helena og Sofina. Twin Health har en verdivurdering etter penger på 740 millioner dollar.
Også: Den subtile kunsten med virkelig big data: Recursion Pharma kartlegger kroppen
Twin Health, sa Mohammed, bruker en simulering, kombinert med det tilbakevendende nevrale nettverket, for å gjøre spådommer som fører til anbefalinger om ernæring for diabetespasienter.
“Det har egentlig ikke vært mulig å programmatisk løse årsaken til [metabolsk sykdom],” sa Mohammed. “Det vi har oppfunnet er en ny teknologi kalt en helkropp digital tvilling som gjør det mulig for oss å hjelpe til med å løse årsaken.”
Digital tvilling er et begrep som er vanlig innen ingeniørfag i disse dager, hvor en datasimulering lages av detaljene til et objekt, for eksempel en gassrørledning eller et fly. Den brukes til å kjøre eksperimenter på det simulerte objektet, og legge merke til detaljene, før du prøver handlingene på objektet i virkeligheten.
Når det gjelder mennesker, bygger Twin Health digitale tvillinger av hvert fags metabolisme som deretter kan bli gjenstand for tester av nevrale nettverk.
Sensorer som bæres av en person samler inn data som sendes til datamaskinen for å danne en digital tvilling, en modell av individets vitale statistikk over tid. Tvillinga kan deretter opereres av et nevrale nettverk som forutsier utfallet av inngrep som kosthold og mosjon. Resultatene av disse simuleringene fører deretter til anbefalinger for mennesker å ta i samråd med lege og trener.
Twin Health
Emner som bruker Twin Health -teknologien har bærbare sensorer som sender informasjon til Twin Health, sammen med en app de bruker til matinntak dagbøker og kvartalsvise blodprøver. Alle datapunkter, 3000 signaler per dag, brukes til å konstruere individets hele tvilling av hele kroppen.
En nevral tilnærming til nettverket blir deretter brukt på den digitale tvillingen som et optimaliseringsproblem, målet, det som er kjent i maskinlæring som den objektive funksjonen, er å forutsi gjennomsnittlig absolutt feil i blodsukkeret som en utgang av alle signalene.
“Vi bruker en rekke forskjellige maskinlæringsalgoritmer, inkludert spesielt tilbakevendende nevrale nettverk, RNN-er, fordi dataene vi bruker er veldig høyoppløselige tidsseriedata,” sa teknologisjef og medgründer Terry Poon , i det samme intervjuet med Mohammed.
Også: MITs dype læring fant et antibiotikum for en bakterie som ingenting annet kunne drepe
“Det vi lærer å bruke modellene er egentlig mønstrene på tvers av alle disse forskjellige signalene,” sa Poon. For eksempel kan dataene om hjertefrekvens og aktivitetsdata kombineres med blodsukkernivåer.
“Det vi ser er at pulsmønsteret er forskjellig avhengig av hva blodsukkernivået ditt er.” Noen som er diabetiker, vil ha et “hakket” mønster for gjenoppretting til grunnlinjen etter trening, kontra en person uten diabetes hvis hjertefrekvens blir normal igjen veldig raskt etter trening.
Twin Healths digitale tvilling i hele kroppen tar ideen om en simulering av en virkelighet, en vanlig praksis innen konstruksjon av produserte kunstarter, og utvider den til å modellere menneskekroppen.
Twin Health
Med den gjennomsnittlige absolutte feilen av blodsukker som objektiv funksjon, tillater RNNene Twin Health å simulere inngrep, for eksempel å endre ernæring eller endre søvnregimer, og se hvordan disse inngrepene påvirker blodsukkernivået. En nøkkel, sa Mohammed, er å modellere i den tvillingen hva slags inngrep som betyr noe for den spesifikke personen, et slags personlig medisinsk regime, med andre ord.
“Det er ikke bare hvis du spiser denne maten, hva er utfallet,” sa Poon. “Det er mer gitt din metabolske bakgrunn, og alt du har gjort til nå, så hvis du spiser denne maten, hva vil svaret være.”
Sensorene gir en tilbakemeldingssløyfe inn i den digitale tvillingen mens mennesket tar anbefalinger i samråd med en deltakende lege, for eksempel endring av kosthold eller endring av søvn eller trening.
Å finne ut hva den objektive funksjonen skal være, og hva som skal måles for å utvikle nevrale nettverk, har vært en prosess med å jobbe med forskere for å utføre engineering basert på det som allerede er kjent. Noen faktorer og sammenhenger av faktorer finnes imidlertid under utviklingen av det nevrale nettverket, sa Poon.
Gjentakelse betyr at det er et mer komplekst signal å behandle enn noen andre emner innen maskinlæring, sa han.
“Spesielt mange av tidsseriens funksjoner: du spiser en mat, du får et blodsukkerrespons, men forholdet er veldig komplekst er veldig komplekst ved at det ikke bare er måltidet du nettopp spiste, det påvirkes virkelig av hva skjedde før, for eksempel hvis du i går kveld spiste et stort måltid som forårsaket en veldig stor økning i blodsukkeret, selv om du spiser frokost i dag, vil det ha en viss innvirkning på det. ”
” Kroppen vår er et hav, den er uendelig med hensyn til hvor mye vi kan forstå om den, sier administrerende direktør i Twin Health Jahangir Mohammed.
Twin Health
“Det er en veldig kompleks tidsserie forholdet mellom handlinger og atferd over lang tid. ”
Teknologien har allerede blitt brukt med tusenvis av emner i løpet av to og et halvt år, og har samlet inn data som har bidratt til å foredle nevrale nettverksmodeller, sa Poon. Disse tusenvis av mennesker blir konteksten for hvert nytt menneske hvis tvilling er skapt.
Fordi tiltakene som blir bedt om er behandlinger, for eksempel kosthold og mosjon, og ikke kjemikalier, krever tilnærmingen ikke godkjenning fra myndighetene og er allerede blitt tatt opp i kliniske omgivelser.
“De tidlige kliniske resultatene våre er veldig gode,” sa Mohammed. “Vi ser fra de tidlige resultatene at 90% av diabetikerne reverserer” og “90% av menneskene slipper diabetesmedisinering.” I tillegg sa han at folk som bruker dietten har gått ned 9 kilo kroppsvekt og har sett forbedret leverfunksjon, med “ALT” leverenzymer som viser kvantifiserbar forbedring.
Selskapet har publisert kontrollerte resultater fra kliniske studier i flere publikasjoner i år, inkludert American Association of Endocrinology's årsmøte 2021; International Society for Pharmacoeconomics ISPOR 2021 -møte; Europeisk og internasjonal kongress for fedme; Journal of the Endocrine Society, bind 5, april-mai i år; og i juniutgaven av American Diabetes Association journal Diabetes.
Også: Etikk for AI: Fordeler og risiko ved kunstig intelligens
I disse studiene med pasienter som brukte regimet, fant selskapet statistisk signifikant remisjon av HbA1c, mengden blodsukker knyttet til hemoglobin, som den sa fungerer som “en tidlig indikator for oversettelsen av den vitenskapelige begrunnelsen for den teknologiske intervensjonen, gjennom digital tvillingteknologi, drevet av tingenes internett og kunstig intelligens, som en metode for å muliggjøre reversering av diabetes. ”
“Et veldig interessant funn for oss er hvor vakkert motstandsdyktig kroppen vår er,” sa Mohammed til ZDNet, “og hvordan disse naturlige tingene vi gjør, hvis du gjør det riktige settet med ting, hvordan du blir frisk.”
En implikasjon kan være at akkurat som løsninger dekodes fra tvillingen ved å jobbe tilbake over tidsseriene, kan midlet for metabolske lidelser i seg selv tenkes som en sekvens for å gjøre de riktige trekkene i tid.
“Vi har virkelig blitt overrasket de siste tre årene over hvor vakkert motstandsdyktig kroppen vår er hvis den bare er gitt en sjanse til å gjøre disse naturlige tingene i riktig mønster og riktig kombinasjon, den har en bemerkelsesverdig evne til å helbrede seg selv.”
Twin Health opererer allerede i kommersiell modus, og selger sine tjenester for pasienter som bruker dietten.
The Twin Health -appen gir statusoppdateringer til den menneskelige deltakeren.
Twin Health
Twin Health gjør en virksomhet av teknologien ved å få betalt for utfall, sa Mohammed. “Vi viser betydelige kostnadsbesparelser,” sa Mohammed. Kostnaden for diabetes kommer til $ 3 billioner årlig, inkludert en betydelig medisinskostnad, bemerket Mohammed.
“Det fine med å forbedre helse og reversere sykdommer er at det sparer en slik kostnadsbesparelse når det gjelder medisiner så vel som når det gjelder sykehusinnleggelser og besøk.”
Twin Health er “betalt for forestillingen”, sa han. “Vi er enige om utfall vi skal levere for pasienten. Når de oppnår det, innser du fordel og du betaler oss for det vi bidro med.”
Kunder setter pris på den tilnærmingen fordi “det er vanskelige utfall”, sa han, “du trenger ikke å spekulere.”
Også: AI løper opp mot et stort dataproblem i diagnosen COVID-19
De nye pengene vil tillate selskapet å spre den kliniske bruken av teknologien globalt, sa Mohammed. Selskapet nektet å oppgi hvor mange nåværende medlemskap det har, men bemerket at de er glade for den fortsatte veksten.
“Vi er virkelig klare til å bringe dette til en bredere befolkning.” Det vil inkludere bemanning av teamene som er ansvarlige for go-to-market, for coaching og omsorg for pasienter.
Pengene inkluderer også kontinuerlig forbedring av den digitale tvillingen for å gå utover diabetes til å nærme seg de andre metabolske forstyrrelsene. Det inkluderer leddgikt og unormal nyrefunksjon.
“Dette er en kontinuerlig optimaliseringstilnærming,” sa Mohammed. “Kroppen vår er et hav, den er uendelig med hensyn til hvor mye vi kan forstå om den.”
Relaterte emner:
Big Data Analytics Digital Transformation CXO Internet of Things Innovation Enterprise Software 