Återfall är ett grundläggande begrepp inom maskininlärning och andra former av AI, tanken att något som händer just nu är en funktion av något liknande som hände för ett ögonblick sedan, eller till och med långt tillbaka i det förflutna.
Det du är nu är sannolikt en funktion av saker du har konsumerat, till exempel näringsämnen, igår, dagen innan och i månader eller år, ett faktum som startar Twin Health utnyttjar med maskinen lära sig att försöka knäcka koden för medicinska tillstånd inklusive diabetes.
“Vi löser grundorsaken till kroniska metabola sjukdomar, inklusive diabetes, högt blodtryck, fetma, ett kluster som påverkar en miljard människor och orsakar tjugofem miljoner dödsfall per år”, säger VD och medgrundare Jahangir Mohammed till ZDNet i en intervju via Zoom. “Det är otroligt kaos.”
Twin Health, en treårig startup med kontor i Mountain View, Kalifornien och Bangalore, Indien, meddelade på onsdagen att de har fått 140 miljoner dollar i finansiering i en C-omgång som leds av riskkapitalbolaget Sequoia Kapital för att ytterligare kommersialisera sin maskininlärningsmetod för att rekommendera läkare och patienter behandlingar som förbättrar diabetes.
De nya pengarna ger Twin Health totala drag till 186 miljoner dollar. Andra investerare i omgången var Iconiq Growth, Perceptive Advisors, Corner Ventures, LTS Investments, Helena och Sofina. Twin Health har en värdering efter pengar på 740 miljoner dollar.
Också: Den subtila konsten med riktigt big data: Recursion Pharma kartlägger kroppen
Twin Health, sa Mohammed, använder en simulering, i kombination med det återkommande neurala nätverket, för att göra förutsägelser som leder till rekommendationer om kost för diabetespatienter.
“Det har egentligen inte varit möjligt att programmatiskt lösa för [metabola sjukdomar] rotorsaken”, säger Mohammed. “Det vi har uppfunnit är en ny teknik som kallas en helkropps digital tvilling som gör det möjligt för oss att hjälpa till att lösa grundorsaken.”
Digital tvilling är en term som är vanlig inom teknik idag, där en datorsimulering skapas av detaljerna i ett objekt, till exempel en gasledning eller ett flygplan. Det används för att köra experiment på det simulerade objektet, notera dess uppgifter, innan du testar dessa handlingar på det verkliga objektet.
När det gäller människor bygger Twin Health digitala tvillingar av varje ämnes ämnesomsättning som sedan kan bli föremål för tester av de neurala nätverken.
Sensorer som bärs av en person samlar in data som skickas till datorn för att bilda en digital tvilling, en modell av individernas viktiga statistik över tiden. Tvillingarna kan sedan opereras av ett neuralt nätverk som förutspår resultatet av ingrepp som kost och träning. Resultaten av dessa simuleringar leder sedan till rekommendationer för människan att ta i samråd med läkare och coach.
Twin Health
Ämnen som använder Twin Health -tekniken har bärbara sensorer som skickar information till Twin Health, tillsammans med en app de använder för matintag dagböcker och kvartalsvis blodprov. Alla dessa datapunkter, 3000 signaler per dag, används för att konstruera individens hela tvilling tvilling.
Ett neuralt nätverksanslag tillämpas sedan på den digitala tvillingen som ett optimeringsproblem, målet, det som är känt i maskininlärning som objektiv funktion, är att förutsäga det genomsnittliga absoluta felet i blodsockret som en utmatning av alla signaler.
“Vi använder ett antal olika maskininlärningsalgoritmer, inklusive särskilt återkommande neurala nätverk, RNN, eftersom data som vi använder är mycket högupplösta tidsseriedata”, säger teknikchef och medgrundare Terry Poon , i samma intervju med Mohammed.
Också: MIT: s djupa inlärning hittade ett antibiotikum för en bakterie som inget annat kunde döda
“Det vi lär oss genom att använda modellerna är verkligen mönstren över alla dessa olika signaler”, säger Poon. Till exempel kan data om hjärtfrekvens och aktivitetsdata kombineras med blodsockernivåer.
“Det vi ser är att hjärtfrekvensmönstret är olika beroende på vad din blodsockernivå är.” Någon som är diabetiker kommer att ha ett “hackigt” återhämtningsmönster till baslinjen efter träning, kontra en person utan diabetes vars puls återgår till det normala mycket snabbt efter träning.
Twin Healths helkropps digitala tvilling tar idén om en simulering av en verklig enhet, en vanlig praxis inom konstruktion av tillverkade artificat, och sträcker sig till att modellera människokroppen.
Twin Health
Med det genomsnittliga absoluta felet av blodsocker som objektiv funktion, tillåter RNN: erna Health Health att simulera ingrepp, till exempel att ändra kost eller ändra sömnregimer, och se hur dessa ingrepp påverkar blodsockernivån. En nyckel, sade Mohammed, är att modellera i den tvillingen vilka typer av ingrepp som är viktiga för den specifika individen, en slags personlig medicinsk behandling, med andra ord.
“Det är inte bara om du äter den här maten, vad är resultatet,” sa Poon. “Det är mer med tanke på din metaboliska bakgrund och allt du har gjort hittills, vad blir svaret om du äter den här maten?”
Sensorerna ger en återkopplingsslinga till den digitala tvillingen när människan tar rekommendationer, i samråd med en deltagande läkare, till exempel att ändra kost eller ändra sömn eller träna.
Att ta reda på vad den objektiva funktionen ska vara, och vad man ska mäta för att utveckla det neurala nätverket, har varit en process för att arbeta med forskare för att utföra teknik baserat på vad som redan är känt. Vissa faktorer och förhållanden mellan faktorer finns dock under utvecklingen av det neurala nätverket, säger Poon.
Återkommande betyder att det finns en mer komplex signal att bearbeta än vissa andra ämnen inom maskininlärning, sa han.
“Särskilt många av tidsseriefunktionerna: du äter en mat, du får ett blodsockersvar, men förhållandet är väldigt komplext är mycket komplext genom att det inte bara är maten du just ätit, det påverkas verkligen av vad har hänt tidigare, till exempel om du hade en stor måltid i går kväll som orsakade en mycket stor blodsockerstigning, även om du äter frukost idag, det kommer att ha en viss inverkan på det. ”
” Vår kropp är ett hav, den är oändlig med avseende på hur mycket vi kan förstå om den “, säger Twin Health VD Jahangir Mohammed.
Twin Health
” Det är en riktigt komplex tidsserie förhållandet mellan handlingar och beteenden över lång tid. ”
Tekniken har redan använts med tusentals ämnen under två och ett halvt år och samlat in data som har hjälpt till att förfina de neurala nätverksmodellerna, säger Poon. Dessa tusentals människor blir sammanhanget för varje ny människa vars tvilling skapas.
Eftersom de åtgärder som uppmanas är regimer, till exempel kost och träning, och inte kemikalier, kräver metoden inte godkännande från myndigheten och har redan använts i kliniska miljöer.
“Våra tidiga kliniska resultat är mycket bra”, säger Mohammed. “Vi ser från de tidiga resultaten att 90% av diabetikerna vänder om” och “90% av människor blir av med diabetesmedicin.” Dessutom sa han att personer som använder regimen har tappat 9 kilo kroppsvikt och har sett förbättrad leverfunktion, med “ALT” leverenzymer som visar kvantifierbar förbättring.
Företaget har publicerat kontrollerade kliniska prövningsresultat i flera publikationer i år, inklusive American Association of Endocrinology's årsmöte 2021; International Society for Pharmacoeconomics ISPOR 2021 -möte; Europeiska och internationella kongressen för fetma; Journal of the Endocrine Society, vol. 5, april-maj i år; och i juninumret av American Diabetes Association journal Diabetes.
Också: AI för AI: Fördelar och risker med artificiell intelligens
I dessa studier med patienter som använde regimen fann företaget statistiskt signifikant remission av HbA1c, mängden blodsocker fäst vid hemoglobin, vilket den säger fungerar som “en tidig indikator för översättning av den vetenskapliga logiken för det tekniska ingreppet, genom digital tvillingteknologi, som drivs av sakernas internet och artificiell intelligens, som en metod för att möjliggöra reversering av diabetes. ”
“Ett mycket intressant fynd för oss är hur vackert spänstig vår kropp är,” sa Mohammed till ZDNet, “och hur vi gör dessa naturliga saker, om du gör rätt saker, hur du återhämtar dig.”
En implikation kan vara att precis som lösningar avkodas från tvillingarna genom att arbeta tillbaka över tidsserierna, kan botemedlet för metaboliska störningar i sig ses som en sekvens av att göra rätt drag i tiden.
“Vi har verkligen blivit förvånade över de senaste tre åren över hur vackert motståndskraftig vår kropp är om den bara ges en chans att göra dessa naturliga saker i rätt mönster och rätt kombination, den har en anmärkningsvärd förmåga att läka sig själv.”
Twin Health fungerar redan i kommersiellt läge och säljer sina tjänster för patienter som använder behandlingen.
The Twin Health -appen ger statusuppdateringar till den mänskliga deltagaren.
Twin Health
Twin Health gör ett företag av tekniken genom att få betalt för resultat, säger Mohammed. “Vi visar en betydande kostnadsbesparing”, säger Mohammed. Kostnaden för diabetes uppgår till 3 biljoner dollar årligen, inklusive en betydande läkemedelskostnad, konstaterade Mohammed.
“Det fina med att förbättra hälsan och vända sjukdomar är att det sparar en sådan kostnadsbesparing när det gäller droger såväl som när det gäller sjukhusvistelser och besök.”
Twin Health är “betalt för prestationen”, sa han. “Vi är överens om resultat vi ska leverera för patienten, när de uppnår det inser du nytta och du betalar oss för vad vi bidragit.”
Kunder uppskattar det tillvägagångssättet eftersom “det är svåra resultat”, sa han, “du behöver inte spekulera.”
Dessutom: AI stöter på ett stort dataproblem i diagnosen COVID-19
De nya pengarna kommer att tillåta företaget att sprida den kliniska användningen av tekniken globalt, sade Mohammed. Företaget avböjde att säga hur många nuvarande medlemskap det har, men noterade att de är glada över deras fortsatta tillväxt.
“Vi är verkligen redo att föra detta till en bredare befolkning.” Det kommer att omfatta bemanning av de team som ansvarar för go-to-market, för att coacha och ta hand om patienter.
Pengarna inkluderar också kontinuerlig förbättring av den digitala tvillingen för att gå bortom diabetes för att närma sig de andra metaboliska störningarna. Det inkluderar artrit och onormal njurfunktion.
“Detta är en kontinuerlig optimeringsmetod”, säger Mohammed. “Vår kropp är ett hav, den är oändlig med avseende på hur mycket vi kan förstå om den.”
Relaterade ämnen:
Big Data Analytics Digital Transformation CXO Internet of Things Innovation Enterprise Software 