當AI造出「數位人體」：一家新創如何填補醫療數據的黑洞

一位NBA球員的阿基里斯腱，在賽季結束前斷裂的機率是多少？這個問題，現在有人嘗試用物理方程式來回答。

2026年3月，總部位於紐約的新創公司 Mantis Biotech 宣布完成740萬美元（約新台幣2.4億元）的種子輪融資，由 Decibel VC 領投，Y Combinator 與 Liquid 2 跟投。這筆資金背後，是一個野心不小的技術命題：打造人體的「數位孿生」（Digital Twin）——以物理定律為基礎，模擬人類解剖構造、生理反應與行為模式的虛擬人體。

醫療AI的根本困境：數據不存在，模型就失靈

大型語言模型（LLM）在醫療領域的潛力有目共睹——加速臨床文件處理、輔助診斷決策、縮短新藥研發週期。然而，一道幾乎無法迴避的牆橫亙其前：當數據本身不存在時，再強大的AI也無能為力。

罕見疾病患者人數稀少，患者隱私受到嚴格的倫理與法規保護，相關數據難以進入公開訓練集。非典型生理狀況更是幾乎沒有標記數據可用。「如果你想對一個少了一根手指的人做手部姿態估測，幾乎找不到任何公開的標記數據集，」Mantis 創辦人兼執行長 Georgia Witchel 在接受TechCrunch採訪時說，「但我們只需要在物理模型中移除那根手指、重新生成模型，就能輕易產出這個數據集。」

Mantis 的技術路徑正是針對這個缺口設計的。平台首先整合來自教科書、動作捕捉攝影機、生物感測器、訓練日誌與醫學影像等多元來源的數據，再透過LLM系統進行路由、驗證與合成，最後將所有資訊輸入物理引擎，生成高保真的合成數據集。物理引擎這一層至關重要——它確保生成的合成數據不只是統計上的插補，而是符合人體生物力學與解剖學真實規律的模擬結果。

從球場到手術台：已驗證的應用場景

廣告

廣告合作

[email protected]

廣告

目前，Mantis 的主要客戶是一支NBA球隊。平台為球員建立數位孿生，追蹤其過去一年每一次起跳的軌跡變化，並與睡眠時數、上肢運動頻率等指標交叉比對，建構傷害風險的預測模型。

運動科學是理想的試驗場：數據相對豐富，預測結果（傷病發生與否、表現變化）可在短期內得到驗證。Witchel 計劃以此為跳板，向兩個更大的市場延伸：其一是預防醫療，將平台開放給一般大眾，讓個人管理自己的數位孿生；其二是製藥公司與FDA臨床試驗，透過模擬患者對治療的反應，降低臨床試驗的成本與時間。

"我希望人們用玩芭比娃娃的心態來對待我們的數位孿生——拿著它的一條腿，往桌上摔，"Witchel 說。"正因為是虛擬人體，才能在沒有倫理顧慮的情況下盡情測試。"

對華人世界的意義：數據主權與醫療競爭

這項技術對亞洲市場的意涵，值得從幾個層面思考。

台灣與香港的醫療體系在罕見疾病研究上長期面臨患者樣本不足的困境，合成數據技術若能通過監管驗證，或許能成為突破口。台灣在精準醫療領域已有相當積累（如 台大醫院 的基因體計畫），與數位孿生技術的結合存在想像空間。

中國大陸的情況則更為複雜。一方面，中國擁有全球規模最大的醫療數據資源之一，理論上對合成數據的需求相對較低；另一方面，在地緣政治緊張的背景下，中國科技公司（如 華為、阿里健康）正積極自主研發類似技術，以規避對美國平台的依賴。Mantis 這類美國新創能否進入中國市場，幾乎是一個政治問題，而非技術問題。

更廣泛地看，數位孿生技術觸及一個敏感命題：誰擁有「虛擬的你」？ 當個人的生理數據被用來生成數位孿生，這個虛擬人體的所有權歸屬、商業使用的授權邊界，在亞洲各地的法律框架下尚無清晰答案。歐盟已開始討論「數位身份」的法律地位，亞洲各國監管機構的腳步則相對落後。

需要保持審慎的是：740萬美元的種子輪對於需要同時維護物理引擎、LLM系統與高保真渲染管線的技術棧而言，資金相當有限。從NBA球隊的運動數據到FDA認可的臨床試驗模擬，這中間橫跨的不只是技術複雜度，還有漫長的監管審查路徑。