资讯速递｜Hemispheric以色列神经科技公司 60亿参数“脑基础模型”发布，能否推动脑健康评估走向常规化？

图1：Hemispheric创始团队

过去多数脑电算法都围绕单一任务开发，例如睡眠分期、癫痫样放电识别、运动想象分类或情绪状态判断。不同研究使用的电极数量、采样设备、任务范式和受试人群差异较大，模型在单一数据集上取得较高准确率，并不意味着它能够稳定迁移到其他医院、设备和人群。

Hemispheric试图采用类似人工智能基础模型的技术路线：先利用大规模、多任务脑电数据学习较为通用的神经信号表征，再针对具体疾病和临床任务进行适配。公司披露的25万小时数据、10万余名参与者和60亿参数，使Descartes成为目前公开规模较大的脑电基础模型之一。

值得注意的是，其训练数据并非只有静息态脑电，还包含受试者完成游戏化认知任务时产生的脑电和行为记录。与单纯分析脑电波形相比，这类数据能够建立任务刺激、行为表现与神经反应之间的对应关系，使模型有机会学习注意、记忆、反应抑制和情绪加工等脑功能过程。

在实际使用流程中，约15分钟的标准化检测是其较有产业意义的设计。传统脑电检查通常需要专业人员安装电极、调节阻抗并检查信号质量，而干电极设备配合平板任务，有望减少准备时间，并统一刺激呈现、行为记录和数据标签。这种方式尤其适合精神科门诊、康复机构和药物临床试验等需要多次评估的场景。

不过，现有公开资料仍缺少决定临床价值的关键细节。公司尚未公布设备的电极数量、采样率、覆盖脑区、参考电极设计和抗伪迹能力，也没有披露各类疾病识别的敏感度、特异度、受试者工作特征曲线下面积，以及与医生诊断或临床量表相比的增量价值。

对于干电极脑电系统而言，眼电、肌电、头部运动和接触阻抗变化都会明显影响信号质量。即使模型参数量很大，也无法替代稳定、标准化的数据采集。同时，年龄、药物使用、睡眠状况和共病情况都可能改变脑电特征，这些因素是否被充分纳入训练和验证，目前尚不清楚。

公司计划首先围绕创伤后应激障碍推进监管申报，公开报道显示，其目标是在2027年初向美国监管机构提交相关申请。但监管沟通、产品展示或准备申报，并不代表产品已经获得批准。目前更准确的判断是：Descartes展现了少见的数据规模与工程投入，但其临床有效性仍需通过同行评议论文、多中心前瞻性研究和独立外部验证确认。

图2：脑功能信号与模型分析示意图

脑电基础模型本身并不是全新的概念。近年来，LaBraM、EEGPT、BrainWave等学术研究已经开始探索跨数据集预训练、通道适配和多任务迁移。与这些公开研究相比，Descartes的主要差异在于更大的数据规模、商业化投入和明确的临床产品定位。

但对于医学人工智能而言，参数量并不等同于临床性能。真正需要观察的是，模型能否在不同医院、不同脑电设备和不同人群之间保持稳定，能否区分症状相近的疾病，以及其输出能否真正改变医生决策并改善患者结局。

短期来看，Descartes更可能首先成为临床辅助工具，而不是独立完成精神或神经系统疾病诊断。较为现实的应用包括量化症状变化、跟踪治疗反应、辅助患者分层，以及为中枢神经系统药物试验提供相对客观的神经生理指标。

对于脑机接口行业，大规模预训练模型还可能推动技术从“每名用户都需要长时间重新校准”，逐步转向“通用模型加少量个体适配”。如果模型能够学习跨人群稳定的神经表征，未来可能进一步服务于运动意图解码、认知负荷监测和神经康复，但这种迁移能力仍需针对具体任务单独验证。

与此同时，脑数据治理也将成为核心问题。脑电信息可能反映认知状态、疾病风险和药物反应，因此数据授权、跨地区使用、模型偏差和隐私保护都需要明确规范。

Hemispheric的发布表明，脑电基础模型正从学术研究走向产业化阶段。真正值得关注的并不是“60亿参数”这一数字，而是它能否将复杂且高度个体化的神经信号，转化为可重复、可解释，并真正帮助临床人员进行判断的指标。

图3：Hemispheric研发团队