Hemispheric完成5200万美元融资：用脑电波AI重新定义精神疾病诊断
当精神疾病诊断仍主要依赖患者自述和医生主观评估时，以色列NeuroAI公司Hemispheric携其AI模型Descartes走出隐身模式，宣布完成5200万美元融资。这家公司声称，其模型能将15分钟非侵入性脑电图（EEG）数据转化为定量指标，为PTSD、抑郁症、阿尔茨海默症等脑部疾病的早期识别和精准治疗提供客观依据——这能否终结精神健康领域“没有血液检测”的困境？
从Face ID到大脑诊断：一家公司如何用AI重新定义神经科学的“度量衡”
2026年7月，当Hemispheric宣布完成5200万美元融资时，这家公司已经“隐身”了整整六年。在以色列这个以“快速迭代、快速退出”闻名的创业国度，六年是一个近乎奢侈的时间跨度。但创始人兼CEO Hagai Lalazer博士和CTO Gidi Littwin选择了一条更艰难的路：他们要用AI为大脑健康建立一套全新的“度量衡”，而这需要时间——不仅是技术研发的时间，更是重新定义问题的时间。
创始团队的组合本身就揭示了这家公司的独特基因。Lalazer是一名神经科学研究者，他的学术背景让他深刻理解大脑诊断的痛点：当患者抱怨头痛、记忆力下降或情绪波动时，医生通常依赖问卷、临床访谈和主观评估——这些方法在Lalazer看来，“就像在没有血压计的时代诊断心脏病”。而Littwin则是另一极：他是RealFace的联合创始人，这家以色列初创公司被苹果收购后，其面部识别技术成为Face ID的核心；随后他又参与了Apple Vision Pro的AI能力开发，将计算机视觉与空间计算结合。一个懂大脑，一个懂AI硬件，这种组合在神经科技领域极为罕见。
“我们花了很长时间才意识到，神经科学诊断的真正瓶颈不是硬件，而是对数据的理解方式。”Lalazer在采访中这样解释公司的技术路线。传统的EEG（脑电图）技术已经存在了近百年，但它只能记录大脑电活动的“噪音”，缺乏解读这些信号的能力。医生看到的是波形图，但无法从中提取出可用于诊断的定量指标。Hemispheric的突破在于：他们训练了一个包含60亿参数的AI模型Descartes，用超过25万小时的EEG数据和10万名参与者的行为数据，教会AI如何将原始脑电信号转化为临床可用的“生物标志物”。
这背后是Littwin从苹果带来的经验。在开发Face ID时，他学会了如何在非理想条件下（光线变化、角度偏移、表情变化）提取稳定的人脸特征；在Vision Pro中，他掌握了如何将眼球追踪、手势识别与空间计算融合。这些技术本质上都是“从噪声中提取信号”的问题——与从EEG信号中解读大脑状态惊人地相似。“大脑的电活动比面部特征更复杂，但底层逻辑是相通的：你需要一个足够大的数据集，一个足够聪明的模型，以及一个能够理解物理世界的硬件系统。”Littwin说。
公司的名称“Hemispheric”（半球）绝非偶然。神经科学早已发现，大脑左右半球在功能上存在不对称性——左半球通常负责语言和逻辑，右半球负责空间和情感。这种不对称性是许多神经疾病的早期指标：抑郁症患者的大脑半球间连接可能减弱，阿尔茨海默病患者的左右半球活动模式可能出现异常。Hemispheric的模型正是通过分析这些微妙的半球间差异，试图在症状出现之前就发现疾病的蛛丝马迹。
但为什么需要六年的“隐身”期？答案在于数据。Hemispheric建立了一个庞大的研究网络，与政府机构、医院和制药公司合作，收集了超过10万名参与者的EEG数据和行为数据。这个数据库不仅是训练模型的基础，也是公司的核心壁垒——在医疗AI领域，数据质量往往比算法更重要。Lalazer透露，公司最初尝试过公开数据集，但很快发现这些数据“太干净、太标准化”，无法反映真实临床场景中的噪声和变异。于是他们决定从头开始构建自己的数据管道，这花了三年时间。
融资方的组合也耐人寻味。领投方包括Hanaco Ventures（以色列本土基金）、OneMind Awareness Capital（专注于神经科技的基金）、Protocol Labs（以去中心化存储和计算闻名）、L Catterton（全球最大消费基金），以及Arkin Capital、OurCrowd等。一个消费基金和一个加密/去中心化基金同时出现在医疗AI公司的股东名单上，这暗示了Hemispheric的更大野心：他们不仅想做诊断工具，还想让大脑健康数据成为一种可交易、可共享的资产。Protocol Labs的创始人Juan Benet曾公开表示，去中心化技术可以解决医疗数据隐私和所有权问题——如果患者能控制自己的脑电数据，并授权给研究人员使用，那将彻底改变神经科学的研发模式。
然而，这条路径充满风险。首先，EEG技术本身有局限性：它只能记录大脑皮层的电活动，无法深入探测深层结构（如海马体、杏仁核），而这些区域恰恰与记忆和情绪密切相关。其次，AI模型的“黑箱”问题在医疗领域尤为敏感——医生需要理解模型为什么给出某个诊断，否则很难信任它。Hemispheric计划先从PTSD、轻度脑损伤、抑郁症、焦虑症和精神分裂症入手，这些疾病目前缺乏客观生物标志物，但一旦模型出错，后果可能比误诊更严重。
更重要的是，Hemispheric需要证明自己的模型不仅能在实验室中工作，还能在真实的临床环境中超越现有方法。目前，FDA尚未批准任何基于EEG的AI诊断工具用于精神疾病——这既是一个巨大的市场空白，也是一个极高的监管门槛。公司已经与FDA的医疗器械和放射健康中心（CDRH）进行了初步沟通，但距离获得批准可能还需要数年时间。
尽管如此，创始团队的背景和融资方的实力让投资者愿意押注。L Catterton的合伙人Yasmin Lukacs（也是个人投资者）表示：“我们投资的是‘度量衡’——如果Hemispheric能成功，它将像血压计改变心脏病学一样改变神经科学。”而Protocol Labs的参与则暗示了另一种可能性：如果Hemispheric的数据集足够大、足够有价值，它可能会成为去中心化医疗数据市场的基础设施。
六年隐身，一朝亮相。Hemispheric的故事才刚刚开始。
“笛卡尔”模型：6亿参数、25万小时脑电数据，但真正的壁垒是数据飞轮
在AI领域，参数规模早已成为衡量模型能力的“硬通货”。GPT-4据传拥有1.8万亿参数，Claude 3.5估计在数百亿级别，而医学影像领域的顶尖模型如Google的Med-PaLM 2则专注于特定任务，参数规模通常在数亿到数十亿之间。Hemispheric的Descartes模型拥有60亿参数，在医疗AI中属于“中等偏上”量级——它既不是通用大模型那种“暴力美学”的产物，也不是轻量级分类器。但参数规模本身并不是Descartes的核心竞争力，真正让这家公司与众不同的，是它如何获取、清洗和利用数据，以及由此形成的“数据飞轮”效应。
数据来源：一个“研究网络”的隐秘构建
25万小时EEG数据、10万名参与者——这两个数字放在一起，足以让任何神经科学研究者倒吸一口冷气。公开的EEG数据集，如PhysioNet的CHB-MIT Scalp EEG数据库，通常只有几百小时的记录，且来自几十名患者。即使是大型多中心研究，如欧洲的Human Brain Project，其EEG数据总量也远未达到这个量级。Hemispheric是如何做到的？
答案在于公司构建的“研究网络”。据公司披露，他们与政府机构、医院和制药公司建立了合作伙伴关系，但具体细节并未公开。从行业惯例推断，这种合作模式通常包括：医院提供患者数据和临床评估，Hemispheric提供EEG设备和AI分析工具，双方共享研究成果。对于医院来说，这意味着获得免费的诊断辅助工具和科研支持；对于Hemispheric来说，这意味着源源不断的、带标签的训练数据。
但这里有一个关键问题：EEG数据的标注成本极高。与图像识别中“这是一只猫”的简单标注不同，脑电数据的标注需要神经科学家逐段分析波形，结合患者症状、病史、影像学结果和临床诊断，才能确定某个信号模式是否与特定疾病相关。Hemispheric声称其数据包括“行为数据”和“额外信息”，这暗示他们可能采用了“半自动标注”策略：让患者完成标准化认知任务（如记忆测试、情绪识别），同时记录EEG信号，然后利用任务表现与临床诊断之间的相关性，自动生成部分标签。这种方法虽然效率高，但可能引入噪声——如果任务设计不够精确，模型可能会学到任务表现与疾病之间的虚假关联，而非真正的神经生理特征。
15分钟测试：从认知任务到神经信号
Descartes的测试流程设计充满了Littwin在苹果时期积累的“用户体验”思维。患者戴上EEG头盔，同时在平板或手机上完成一系列任务，整个过程仅需15分钟。这比传统的EEG检查（通常需要30-60分钟，且需要患者在安静环境中保持不动）更友好，但更重要的是，这些任务并非随意选择。
以PTSD为例，患者可能被要求观看带有威胁性场景的图片，同时记录大脑对恐惧刺激的反应模式。抑郁症患者则可能完成情绪识别任务，测量前额叶皮层对正面和负面刺激的激活差异。阿尔茨海默病早期患者的海马体功能下降，可以通过空间记忆任务（如虚拟迷宫）来检测。这些任务的设计基于数十年的神经科学文献，但Hemispheric的独特之处在于，他们用AI模型从这些任务引发的EEG信号中提取出“定量指标”——比如，PTSD患者对威胁刺激的杏仁核反应强度、抑郁症患者的前额叶不对称性指数、阿尔茨海默病患者的theta波与gamma波比率变化。
这种方法的优势在于，它不再依赖医生对波形图的主观解读，而是提供客观数值。但问题在于：EEG信号的信噪比极低，单个电极记录的信号可能包含大量来自肌肉活动、眼动、心跳的噪声。Hemispheric声称其模型能够“去噪”，但具体方法尚未公开。如果模型过度依赖某些噪声模式（比如患者眨眼的频率），它可能会在真实临床场景中失效——因为患者在不同测试中的眨眼频率可能不同。
数据飞轮：与传统医疗设备的本质差异
传统医疗设备公司，如美敦力、飞利浦，通常采用“封闭系统”模式：设备销售后，数据留在医院内部，公司不会（或很少）获得反馈数据来改进算法。即使有软件更新，也是基于有限的临床试验数据。Hemispheric的模式完全不同：每一次临床使用，都会产生新的EEG数据和对应的临床结果（诊断、治疗反应、疾病进展），这些数据会被用于模型迭代。
这意味着，随着使用量的增加，Descartes的准确性和覆盖面会持续提升。对于PTSD、抑郁症这类缺乏客观生物标志物的疾病，这种“数据飞轮”效应尤其重要——因为模型的初始训练数据可能无法覆盖所有亚型或人群，但通过持续反馈，它可以逐渐学习到更广泛的模式。
但这也带来一个潜在风险：模型可能“过拟合”于早期用户群体。如果Hemispheric最初合作的医院主要服务于特定人群（比如以色列的犹太裔患者），模型可能会对中东地区人群的脑电模式更敏感，而对亚洲或非洲人群表现不佳。公司需要确保其研究网络覆盖足够多样化的样本，否则可能面临算法偏见问题。
FDA路径：SaMD还是硬件+软件组合？
Hemispheric已向FDA的医疗器械和放射健康中心（CDRH）提交了预提交（Pre-Submission），这标志着其监管路径的正式启动。从技术角度看，Descartes可能被归类为“软件即医疗器械”（SaMD）或“硬件+软件”组合设备。前者适用于纯软件分析工具，后者则包括EEG头盔和AI软件的整体系统。
考虑到EEG头盔本身是标准医疗设备，而Descartes的分析算法是创新部分，FDA可能会要求公司证明整个系统的安全性和有效性。这意味着，Hemispheric不仅需要展示AI模型的准确性，还需要证明EEG头盔在15分钟测试中的信号质量足够稳定，以及任务设计不会对患者造成额外风险（比如，对PTSD患者展示威胁性图片可能引发急性应激反应）。
首批适应症的选择也反映了监管策略：PTSD、轻度脑损伤、抑郁症、焦虑症、精神分裂症和阿尔茨海默病——这些疾病目前都缺乏客观诊断工具，FDA可能更愿意接受基于AI的替代方案。但这也意味着，Hemispheric需要为每种疾病分别进行临床试验，这将是漫长而昂贵的过程。
待验证的假设
Descartes模型的技术壁垒看似坚固，但有几个关键假设尚未验证。首先，EEG信号能否真正反映深层脑结构的功能？海马体、杏仁核等关键区域位于大脑深处，EEG只能记录皮层电活动，而皮层信号是深层信号经过复杂传导后的“混响”。模型能否从这些混响中准确推断出深层结构的状态，仍是一个开放问题。其次，模型的可解释性如何？医生需要理解模型为什么给出某个诊断——是发现了特定频率的异常，还是识别了半球间的不对称性？如果模型是“黑箱”，即使准确率很高，临床采纳也可能受阻。
最后，数据飞轮的“飞轮”能否真正转起来？这取决于Hemispheric能否获得足够的临床使用量。在获得FDA批准之前，公司只能通过研究合作收集数据，这限制了数据的规模和多样性。而一旦获批，竞争也会加剧——其他公司可能用类似方法构建自己的数据飞轮。Hemispheric的六年隐身期建立了一个先发优势，但医疗AI领域的“数据军备竞赛”才刚刚开始。
精神健康诊断的“iPhone时刻”：为什么客观量化指标比医生问诊更可靠？
2025年，世界卫生组织（WHO）发布了一份令人不安的报告：全球约有10亿人患有精神障碍，但其中近四分之三的患者从未接受过任何治疗。这不是因为缺乏药物或心理治疗师，而是因为一个更根本的问题——我们根本不知道他们得了什么病。
在精神健康领域，诊断的现状仍然停留在“前科学”时代。当患者走进诊室，抱怨情绪低落、失眠或焦虑时，医生会拿出一份DSM-5（精神障碍诊断与统计手册）——这本被称为“精神科圣经”的厚书，本质上是一套症状清单。医生通过提问和观察，判断患者是否符合“至少两周内出现5项以上症状”的标准。这个过程依赖于两个高度主观的因素：患者是否能够准确描述自己的感受，以及医生是否能够正确解读这些描述。
结果是灾难性的。研究表明，抑郁症的误诊率高达30%-50%，尤其是在早期阶段，它与双相障碍、焦虑症甚至甲状腺功能异常的症状高度重叠。一个被误诊为抑郁症的双相障碍患者，如果被误用抗抑郁药物，可能会诱发躁狂发作，导致病情急剧恶化。更糟糕的是，精神疾病的早期症状往往被忽视——一个“只是有些累”的年轻人，可能正在经历阿尔茨海默病的早期神经退行性变化，而这种变化在认知症状出现前10-20年就已经开始。
为什么EEG是“被遗忘的宝藏”
脑电图（EEG）技术已经存在了近百年。它通过贴在头皮上的电极记录大脑皮层的电活动，成本低廉（一台设备约1-5万美元）、无创、便携，且时间分辨率极高（毫秒级）。但长期以来，EEG在临床中的应用仅限于癫痫检测和睡眠研究——因为医生无法从那些混乱的波形中解读出更多信息。
转折点出现在2010年代后期。随着机器学习技术的发展，研究人员开始发现，EEG信号中隐藏着大量与精神疾病相关的“数字生物标志物”。例如，抑郁症患者的前额叶皮层往往表现出左右半球活动的不对称性——左前额叶的alpha波（8-12Hz）活动增强，而右前额叶相对减弱。这种模式与情绪调节能力下降密切相关。再比如，PTSD患者对威胁性刺激的杏仁核反应会提前激活，这种激活可以在EEG信号中表现为theta波（4-8Hz）的异常增加。
但问题在于，这些生物标志物通常非常微弱，淹没在噪声之中。一个典型的EEG记录包含来自肌肉活动、眼动、心跳和环境的噪声，信号与噪声的比例可能低至1:10。传统的信号处理方法（如带通滤波、独立成分分析）只能去除部分噪声，但无法从剩余信号中提取出可靠的诊断特征。
Hemispheric的“量化革命”
Hemispheric的Descartes模型试图解决这个问题。它不仅仅是一个分类器，而是一个端到端的量化系统：从原始EEG信号中提取出数百个特征，然后通过60亿参数的神经网络，将这些特征转化为临床可用的定量指标。
以PTSD为例，传统的诊断依赖于患者是否经历过创伤事件、是否出现闪回或回避行为。但Hemispheric的方法完全不同：患者戴上EEG头盔，在平板电脑上观看一系列图片——其中一些是中性场景（如公园长椅），另一些是威胁性场景（如车祸现场）。AI模型会实时分析大脑对威胁刺激的反应模式，并输出一个“PTSD指数”——这个指数基于杏仁核-前额叶回路的活动强度、半球间连接的变化，以及theta波与alpha波的比率。
“这就像用血压计测量高血压，”Lalazer在一次内部演示中比喻道，“你不会问患者‘你觉得你的血压高吗？’，而是直接测量。为什么对于大脑，我们还要依赖主观报告？”
这种方法的优势在于客观性和可重复性。同一个患者在不同时间、不同医生面前的测试结果可能不同，但EEG信号不会说谎。更重要的是，它能够捕捉到患者自己都未意识到的神经变化——比如，一个表面平静的PTSD患者，其大脑可能已经处于过度警觉状态，这种状态在传统问诊中很难被发现。
与其他诊断技术的对比
精神疾病的诊断技术并不只有EEG。功能性磁共振成像（fMRI）可以显示大脑活动区域，正电子发射断层扫描（PET）可以检测淀粉样蛋白沉积（阿尔茨海默病的标志物），血液检测也在寻找生物标志物。但这些技术各有局限：
- fMRI：设备成本高达数百万美元，患者需要躺在巨大的磁体里保持不动，对幽闭恐惧症患者不友好。更重要的是，fMRI的时间分辨率较低（秒级），无法捕捉大脑电活动的快速变化。
- PET：需要注射放射性示踪剂，有辐射风险，且成本极高（一次扫描约3000-5000美元）。它主要用于阿尔茨海默病的诊断，但对抑郁症、PTSD等疾病缺乏特异性。
- 血液检测：虽然无创且成本低，但目前尚无任何被FDA批准的、用于精神疾病诊断的血液生物标志物。研究中的候选标志物（如脑源性神经营养因子BDNF）特异性不足，无法区分不同疾病。
相比之下，EEG头盔+AI的组合在成本（设备成本低于5万美元，单次测试成本低于100美元）、便携性（可以放在诊室甚至移动医疗车上）和可重复性（可以频繁测试以监测病情变化）上具有显著优势。Hemispheric的15分钟测试流程进一步降低了使用门槛——患者不需要特殊准备，也不需要脱衣服或注射药物。
具体应用场景：从战场到养老院
Hemispheric的首批适应症选择反映了其商业策略：从最迫切需要客观诊断的疾病入手。
PTSD：全球约有3.5%的人口患有PTSD，退伍军人、性侵幸存者和灾难受害者的患病率更高。传统诊断依赖于患者是否愿意谈论创伤经历——这在军事文化中尤其困难。Hemispheric的测试可以在不提及创伤事件的情况下，通过情绪诱发任务识别出大脑的过度警觉模式。美国国防部已经对此表现出浓厚兴趣，因为每年有数千名士兵因疑似PTSD而无法重返战场，但其中许多人可能只是正常的应激反应。
轻度脑损伤：运动员的脑震荡是一个典型场景。目前，“回归赛场”决策依赖于运动员是否报告症状（如头痛、眩晕）——但许多运动员为了尽早重返比赛会隐瞒症状。EEG测试可以客观检测到脑震荡后的大脑电活动异常（如慢波增加、半球间连接减弱），帮助医生做出更安全的决策。美国国家橄榄球联盟（NFL）每年因脑震荡损失数十亿美元，Hemispheric的技术可能成为其“脑震荡协议”的一部分。
阿尔茨海默病：这是最激动人心但也最具挑战性的应用场景。研究表明，阿尔茨海默病的神经病理变化（如淀粉样蛋白沉积和tau蛋白缠结）在认知症状出现前10-20年就已经开始。目前，早期检测依赖于PET扫描或脑脊液检测——昂贵、有创且不可及。EEG可能提供一种低成本、无创的筛查工具：通过检测theta波与gamma波的比率变化、半球间连接减弱等特征，在症状出现前就识别出高风险人群。如果结合认知任务（如虚拟迷宫导航），模型可以检测海马体功能下降的早期迹象。
与药企的合作：临床试验的“加速器”
精神科药物的研发是制药行业最昂贵的“赌局”之一。一项新药从发现到上市平均需要10-15年，花费数十亿美元，而临床试验失败率高达80%以上。失败的主要原因之一是患者异质性——在抑郁症临床试验中，入组的患者可能包括不同亚型（如典型抑郁、非典型抑郁、双相抑郁），这些亚型对药物的反应可能完全不同。
Hemispheric的技术可以解决这个问题。通过EEG生物标志物，药企可以在临床试验中对患者进行分层——只入组那些对药物机制最可能产生反应的患者。例如，如果一种新药靶向谷氨酸系统，那么EEG可以识别出那些谷氨酸活动异常的患者，从而富集“响应人群”。这不仅可以提高临床试验的成功率，还可以减少所需患者数量，降低研发成本。
此外，EEG生物标志物可以作为疗效替代终点。在传统的临床试验中，医生需要等待8-12周才能通过症状量表评估药物是否有效。而EEG可以在服药后几天甚至几小时内就检测到大脑活动的变化——比如，抗抑郁药物通常会在前额叶皮层产生alpha波活动的改变。如果这种改变与最终疗效相关，药企就可以在早期阶段做出“继续/停止”决策，节省大量时间和资金。
Hemispheric已经与多家制药公司建立了合作，但具体细节尚未披露。从行业趋势来看，罗氏、强生和辉瑞都在积极寻找神经精神疾病的生物标志物，EEG可能成为下一个“金矿”。
批判性分析：量化指标的边界与风险
尽管前景诱人，但Hemispheric的方法并非没有风险。首先，EEG的局限性：它只能记录大脑皮层的电活动，无法直接探测深层结构（如海马体、杏仁核、丘脑）。这些深层结构的功能异常通常通过皮层信号的“混响”间接反映，但模型能否从这些混响中准确推断出深层状态，仍是一个开放问题。如果模型过度依赖某些表面特征（如前额叶不对称性），它可能会忽略更重要的深层病理。
其次，“诊断”的边界：量化指标是否会取代医生？答案可能是否定的。Hemispheric的模型提供的是“辅助诊断”工具，而不是“诊断”本身。医生仍然需要结合患者的病史、家族史、社会背景和临床评估做出最终判断。但如果模型给出的指标与医生的判断不一致，谁更可信？在医疗责任和法律风险面前，医生可能会倾向于保守——这意味着模型可能被“过度依赖”或“完全忽视”，两种极端都不健康。
第三，隐私与伦理：脑电数据被认为是“终极生物识别信息”——它不仅能识别身份，还能揭示情绪、认知状态甚至潜意识想法。如果这些数据被泄露或被滥用，后果不堪设想。Hemispheric声称其数据存储是安全的，但公司尚未公开其数据治理框架。如果Protocol Labs的参与意味着去中心化存储，那么患者是否能够真正控制自己的数据？如何确保数据不被用于基因歧视或保险定价？这些问题需要明确的监管框架。
最后，伦理困境：如果模型在早期检测出阿尔茨海默病风险，但尚无有效治疗方法，患者会面临巨大的心理负担。一个30岁的年轻人被告知“你有80%的概率在60岁前患上阿尔茨海默病”，他该如何面对接下来的30年？这种“预知”可能带来焦虑、抑郁，甚至影响职业和家庭决策。Hemispheric需要提供相应的心理支持和咨询机制，否则可能从“救星”变成“诅咒”。
数据：巨大的市场，巨大的挑战
WHO数据显示，全球精神疾病患病率约为13%（约10亿人），其中抑郁症（3.8亿）、焦虑症（3.01亿）和PTSD（2.8亿）是最常见的。仅在美国，抑郁症的年经济负担就高达2100亿美元（包括医疗费用、生产力损失和自杀相关成本），PTSD的年经济负担约为2300亿美元。精神药物临床试验的失败率高达80%以上，这意味着每年有数百亿美元被浪费在失败的试验上。
如果Hemispheric能够将误诊率降低10%，或者将临床试验成功率提高10%，其经济价值将是千亿美元级别的。但前提是，它必须证明自己的模型不仅“更准”，而且“更实用”——在真实的临床环境中，面对不同种族、年龄、性别和共病状态的患者，模型能否保持稳定表现？这需要时间、数据和监管批准，而Hemispheric的六年隐身期只是第一步。
5200万美元的赌注：从Hanaco到L Catterton，投资组合背后的战略信号
当Hemispheric在2026年7月宣布完成5200万美元融资时，投资者名单本身就是一个值得解读的信号。Hanaco Ventures、OneMind Awareness Capital、Protocol Labs、L Catterton、Arkin Capital、OurCrowd——这些名字横跨深度科技、神经科学、去中心化基础设施和消费投资，再加上Howard Morgan（文艺复兴科技联合创始人）、Naomi Azrieli（房地产巨头）、Yasmin Lukacs（前苹果高管）和Scott Belsky（Adobe首席产品官）等个人投资者。这不是一个典型的医疗AI融资组合，而是一个精心设计的“战略联盟”。
投资者矩阵：每个名字背后的逻辑
Hanaco Ventures 是以色列本土的深度科技基金，投资组合包括自动驾驶、工业自动化和网络安全公司。它的参与提供了最直接的“技术背书”——在以色列这个创业生态中，Hanaco以“敢投硬科技、愿意陪伴长期”著称。对于一家需要6年才能从隐身状态走出的公司，Hanaco的信任意味着它相信Hemispheric的技术路线能够跨越“死亡谷”。
OneMind Awareness Capital 则是一个更小众的存在。这家基金专注于神经科学和心理健康领域的早期投资，其合伙人中包括神经科学家和临床心理学家。它的参与不仅是资金，更是行业资源——OneMind在北美和欧洲的医院网络中拥有深厚关系，这可能是Hemispheric能够快速建立研究网络的关键。更重要的是，OneMind的投资逻辑是“寻找能够改变精神疾病诊断范式的技术”，Hemispheric的定量指标方法恰好符合这一愿景。
Protocol Labs 的参与是最令人意外的。这家以Filecoin和IPFS闻名的去中心化存储和计算公司，通常投资于Web3基础设施项目，而非医疗AI。但仔细思考，这一逻辑并不突兀：医疗数据的所有权、隐私和可移植性一直是行业痛点。如果Hemispheric的数据集足够大、足够有价值，那么它可能成为去中心化医疗数据市场的基础设施——患者控制自己的脑电数据，授权给研究人员使用，通过智能合约实现数据交易。Protocol Labs的创始人Juan Benet曾公开表示：“神经科学的下一个突破将来自于数据共享，而不是算法创新。”如果Hemispheric能够将EEG数据转化为一种可交易、可验证的资产，它将彻底改变神经科学的研究模式。但这一愿景目前仍是假设——公司尚未公开任何关于数据所有权或去中心化存储的具体计划。
L Catterton 的参与是最具战略争议的。作为全球最大的消费私募基金，L Catterton投资过Lululemon、Peloton和Equinox等品牌，从未涉足医疗诊断领域。为什么一个消费基金要投资神经诊断？答案可能在于“消费者健康”的长期趋势。随着可穿戴设备（如Oura Ring、Apple Watch）的普及，消费者对自身健康数据的关注度正在上升。如果Hemispheric的技术能够从医院场景扩展到消费者场景——比如，一款能够监测脑疲劳、压力水平或睡眠质量的EEG头带——那么它可能成为下一个“Oura Ring”。L Catterton的参与暗示了这种可能性：公司可能在获得FDA批准后，推出面向消费者的轻量级版本。但这一路径面临巨大挑战：消费者级别的EEG设备精度远低于临床级，且缺乏医生的解读，可能导致误诊或过度解读。
Arkin Capital 和 OurCrowd 是以色列本土基金，它们的参与提供了地缘政治和政府关系支持。以色列政府一直将神经科技列为战略产业，通过创新局（Israel Innovation Authority）提供资金和监管支持。Arkin Capital的合伙人曾担任以色列国防部的技术顾问，OurCrowd则与以色列医院系统有深度合作。这些关系对于Hemispheric在以色列本土建立研究网络、获得伦理审批和临床试验支持至关重要。
个人投资者 的名单同样值得解读。Howard Morgan是文艺复兴科技（Renaissance Technologies）的联合创始人，这家量化对冲基金以“用数学模型从市场噪声中提取信号”闻名。Morgan的投资暗示，他看到了Hemispheric与量化交易之间的相似性——两者都是从混乱的数据中寻找可预测的模式。Naomi Azrieli是加拿大房地产巨头Azrieli Group的继承人，她的投资可能源于对阿尔茨海默病的个人关注（她的家族有相关病史）。Yasmin Lukacs是前苹果高管，她的参与意味着Hemispheric可能在未来与苹果在健康领域合作——苹果的ResearchKit和HealthKit已经为医疗数据收集提供了平台，而EEG数据可能成为下一个整合方向。
商业模式：B2B2C的三层架构
Hemispheric的商业模式并非单一，而是三层递进：
第一层：B2B，向医院和诊所销售设备+AI订阅服务。 这是最直接的收入来源。EEG头盔（硬件）可能以成本价或接近成本价出售，而Descartes模型的分析服务则采用SaaS模式，按次或按月收费。对于一家中型医院，每年可能需要为数百名患者进行EEG检查，每名患者收费50-100美元，年收入可达5-10万美元。如果Hemispheric能够进入美国前100家医院，仅此一项就是数千万美元的收入。但问题在于，医院采购流程漫长，且需要与现有电子病历系统（EHR）集成。Hemispheric需要证明其系统能够无缝对接EPIC、Cerner等主流EHR，否则医生可能不愿意使用。
第二层：B2B，向制药公司提供临床试验服务或数据许可。 这是更高利润、但更不确定的收入来源。药企每年在精神药物临床试验上花费数百亿美元，而EEG生物标志物可以显著降低失败率。Hemispheric可以收取“每患者每次测试”的费用，或者将部分数据许可给药企用于研发。但这一模式面临竞争——其他EEG分析公司（如NeuroSky、Muse）也在尝试进入药企市场，而大型药企更倾向于内部开发或与学术机构合作。Hemispheric需要证明自己的数据比公开数据集更有价值——这取决于其研究网络的规模和多样性。
第三层：B2C，面向消费者的脑健康监测。 这是最遥远但也最具想象力的收入来源。如果Hemispheric能够推出一款价格在200-500美元的EEG头带，配合手机App提供脑疲劳、压力水平和睡眠质量分析，它可能吸引数百万消费者。但这一市场已经拥挤：Muse（冥想引导）、NeuroSky（教育游戏）、Emotiv（脑控设备）都尝试过类似产品，但均未实现大规模普及。原因在于，消费者对“脑健康”的付费意愿远低于对“心脏健康”或“睡眠健康”的付费意愿——人们更关心自己的心跳和睡眠，而不是脑电波。Hemispheric需要找到一种“杀手级应用”——比如，结合VR/AR的注意力训练，或者针对ADHD患者的认知增强——才能打开消费者市场。
资金用途：为什么美国是第一市场？
Hemispheric表示将用新资金“扩大美国业务、增加脑活动数据库、推进监管流程、扩大合作”。选择美国作为第一市场并非偶然：
FDA路径：美国拥有全球最大的医疗设备市场，且FDA对SaMD（软件即医疗器械）的审批路径相对清晰。Hemispheric已经与FDA的CDRH进行了预提交会议，这意味着它正在走“De Novo”分类路径——适用于没有同类产品的创新设备。如果获批，Hemispheric将获得“先发优势”，其他竞争者需要证明自己的产品“实质等同”才能上市。
商业保险报销：在美国，任何医疗设备或诊断工具的成功都取决于能否获得CPT代码（当前程序术语代码），从而纳入商业保险报销。Hemispheric需要证明其测试能够降低总体医疗成本——比如，通过早期诊断减少住院次数或避免误诊。如果获得报销，单次测试的收费可能在100-300美元之间，这将显著提升收入。
研究网络：美国拥有全球最大的临床研究基础设施，包括NIH资助的学术医疗中心和退伍军人事务部（VA）医院。Hemispheric已经与VA医院合作测试PTSD诊断，因为退伍军人群体是PTSD的高发人群。如果能够在VA系统中获得认可，这将是一个巨大的市场。
估值与对比：5200万美元是贵还是便宜？
Hemispheric未披露本轮融资的估值，但根据行业惯例，一家拥有112名员工、6年研发历史、尚未获得FDA批准的公司，其估值可能在2-4亿美元之间（假设稀释20%-30%）。人均融资额约46万美元，高于医疗AI初创公司的平均水平（约30万美元），这反映了投资者对团队和技术的信心。
对比同类公司：
- Neuralink（脑机接口）：估值超过50亿美元，但专注于侵入式设备，目标人群是瘫痪患者，而非精神疾病诊断。
- Kernel（非侵入式脑成像）：估值约5亿美元，但专注于血流动力学成像（fNIRS），而非EEG。Kernel的Flow设备售价5万美元，但尚未获得FDA批准。
- Mindstrong（数字表型）：估值约3亿美元，但已倒闭。Mindstrong尝试通过手机使用模式（打字速度、屏幕点击频率）推断精神疾病，但缺乏神经生理学基础。
- NeuroSky（消费级EEG）：估值约1亿美元，但收入主要来自教育玩具，而非医疗诊断。
Hemispheric的估值介于这些公司之间，但它的独特之处在于数据规模（25万小时EEG数据）和团队背景（Lalazer+Littwin的组合）。如果Descartes模型能够在FDA批准后证明其临床有效性，其估值可能翻倍。但如果监管受阻或数据飞轮未能启动，投资者可能面临“技术很好但市场不买账”的风险。
待验证的假设：投资者的赌注
每一个投资者的参与都基于一个假设：
- Hanaco 假设：Hemispheric的技术壁垒足够高，能够抵御未来竞争。
- OneMind 假设：精神疾病诊断的“客观化”趋势不可逆转。
- Protocol Labs 假设：医疗数据的所有权问题将推动去中心化存储需求。
- L Catterton 假设：消费者愿意为“脑健康”付费。
- Howard Morgan 假设：从噪声中提取信号的数学模型在神经科学中同样有效。
这些假设中，最脆弱的是L Catterton的消费者健康假设。如果Hemispheric无法在3-5年内推出消费者产品，L Catterton可能失去耐心。而Protocol Labs的假设则依赖于医疗数据监管的变化——如果FDA或HIPAA不允许患者控制自己的数据，去中心化存储的价值将大打折扣。
5200万美元是一笔巨款，但对于一个需要6年才能从隐身状态走出的公司，这只是一个开始。Hemispheric的投资者们押注的不是一个产品，而是一个“度量衡”——如果成功，它将改变神经科学的游戏规则；如果失败，它将成为又一个“技术很好但市场不买账”的案例。
隐身后的第一战：Hemispheric如何挑战Neuralink、Mindstrong与精神科医生的权威？
当Hemispheric在2026年7月走出隐身状态时，它面对的是一个已经拥挤且高度分化的神经科技战场。在这个战场上，既有Elon Musk的Neuralink用侵入式芯片“修复”大脑，也有Kernel用磁成像“透视”思维，还有Mindstrong用手机数据“推断”情绪——而精神科医生们则坚守着临床问诊的最后堡垒。Hemispheric的挑战不仅是技术上的，更是认知上的：它需要证明，一个15分钟的EEG测试，能够比这些竞争对手更准确、更便宜、更实用地诊断精神疾病。
竞争格局：三条技术路线的博弈
神经诊断领域的竞争可以简化为三条技术路线：侵入式脑机接口（Neuralink）、非侵入式高精度成像（Kernel）、数字表型（Mindstrong及其后继者）。每一条路线都有自己的优势，但也各有致命缺陷。
Neuralink 代表了最激进的技术路线。通过将柔性电极植入大脑皮层，Neuralink能够以单神经元精度记录电活动，并实现双向通信——既能读取信号，也能刺激神经元。这种精度是EEG无法比拟的：EEG记录的是数百万神经元的集体活动，而Neuralink可以区分单个神经元。但代价是侵入性：患者需要接受开颅手术，植入物存在感染、排异和长期稳定性风险。更重要的是，Neuralink的目标是“恢复功能”——帮助瘫痪患者控制外部设备，而非诊断精神疾病。Elon Musk曾公开表示，Neuralink的长期目标是“实现人类与AI的共生”，而非治疗抑郁症或PTSD。因此，Neuralink与Hemispheric在短期内并不直接竞争——它们服务于不同的患者群体和临床需求。但长期来看，如果Neuralink能够证明其植入物可以安全地记录大脑活动数年，它可能成为精神疾病研究的“黄金标准”数据源，从而削弱Hemispheric的数据壁垒。
Kernel 则走了一条中间路线。其Flow设备使用功能性近红外光谱（fNIRS）技术，通过测量大脑皮层的血氧水平变化来推断神经活动。与EEG相比，fNIRS的空间分辨率更高（可以定位到特定脑区），且不受肌肉活动噪声干扰。但代价是时间分辨率低（秒级，而非毫秒级），且设备体积庞大、成本高昂（单台设备约5万美元）。Kernel的创始人Bryan Johnson曾公开表示，他的目标是“量化人类意识”，但公司至今未获得FDA批准，其商业进展缓慢。Hemispheric的EEG头盔在成本（低于1万美元）、便携性（可以放在诊室甚至移动医疗车上）和测试时间（15分钟 vs. 30-60分钟）上具有明显优势。但Kernel的技术在学术研究中更受青睐——如果它能够降低成本并获得FDA批准，可能成为Hemispheric在高端市场的直接竞争对手。
Mindstrong 曾经是最被看好的“数字表型”公司。它通过分析用户手机的使用模式（打字速度、屏幕点击频率、社交媒体互动）来推断精神疾病状态。这种方法完全无创、无需额外硬件，且可以持续监测。但问题在于，手机使用模式与精神疾病之间的关联性太弱——一个人打字慢可能是因为抑郁症，也可能是因为手冷、分心或手机屏幕太小。Mindstrong的临床试验未能证明其算法优于传统问卷，最终在2024年倒闭。但它的遗产并未消失：Apple、Google和Fitbit都在尝试通过可穿戴设备（手表、戒指）收集生理数据（心率、皮肤电导、睡眠）来推断精神状态。这些方法虽然不如EEG直接，但胜在用户基数庞大——Apple Watch的全球用户已超过1亿。如果Apple能够将心率变异性（HRV）与抑郁症风险关联起来，它可能成为Hemispheric在消费者市场的最大威胁。
精神科医生的“防御战”：去技能化与信任危机
在所有竞争对手中，最强大的可能不是科技公司，而是精神科医生群体本身。Hemispheric的技术本质上是一种“去技能化”工具——它试图将诊断从依赖医生经验和直觉的艺术，转变为基于定量指标的工程。这直接威胁到精神科医生的专业权威。
想象一下：一个患者走进诊室，医生让他戴上EEG头盔，15分钟后，AI模型输出一个“抑郁症指数：85%”。如果这个指数与医生的临床判断一致，医生可能会接受它作为辅助工具。但如果两者不一致——比如，医生认为患者是双相障碍，而模型诊断为重度抑郁症——谁更可信？在法律和医疗责任面前，医生可能会选择相信自己的经验，而非一个“黑箱”模型。这种“信任鸿沟”是Hemispheric面临的最大商业化障碍。
美国精神病学协会（APA）的立场也值得关注。该协会在2025年发布了一份关于AI在精神科使用的指南，强调“任何AI工具都不能替代临床医生的判断”。这并非反对技术进步，而是对“过度依赖”的警示。精神科医生们担心，如果保险公司或医院强制使用AI诊断工具，他们将被降级为“处方机器”——只负责开药，而诊断由算法完成。这种“去技能化”趋势在放射科已经出现：AI辅助的影像诊断正在改变放射科医生的角色，但精神科医生认为，大脑比X光片复杂得多，AI无法理解患者的“生活世界”——他们的创伤、人际关系和文化背景。
Hemispheric需要解决这个问题。一种可能的策略是：不将模型定位为“诊断工具”，而是“筛查工具”或“监测工具”。比如，模型可以用于在初级保健中筛查抑郁症高风险人群，然后由精神科医生进行最终诊断。或者，模型可以用于监测患者的治疗反应——如果药物治疗后EEG指标改善，医生可以更有信心地继续治疗。这种“辅助而非替代”的定位，可能更容易被医生接受。
大科技公司的威胁：苹果、谷歌的“隐形竞争”
如果说Neuralink是正面战场，Kernel是侧翼威胁，那么Apple和Google就是“隐形竞争者”。这两家公司拥有Hemispheric梦寐以求的资源：海量用户、强大的AI能力、成熟的硬件生态和深厚的医疗合作关系。
Apple 已经通过Apple Watch和ResearchKit建立了医疗数据收集平台。其心率传感器、血氧传感器和加速度计可以收集大量生理数据，而ResearchKit允许研究人员设计大规模观察性研究。2025年，Apple与斯坦福大学合作的一项研究显示，Apple Watch的心率变异性（HRV）数据可以预测抑郁症患者的复发风险——虽然相关性较弱，但胜在用户基数庞大。如果Apple决定将EEG传感器集成到AirPods或Apple Vision Pro中，它可能一夜之间拥有数百万个EEG数据源。Gidi Littwin的苹果背景暗示了这种可能性：他在Vision Pro中开发的眼球追踪和手势识别技术，未来可能扩展到脑电信号采集。但Apple的医疗战略一直谨慎——它更倾向于与现有医疗机构合作，而非直接挑战FDA监管。Hemispheric的窗口期在于，Apple可能还需要3-5年才能推出集成EEG的消费设备，而Hemispheric可以利用这段时间建立临床验证和监管壁垒。
Google 则通过DeepMind和Verily（其医疗健康子公司）在神经AI领域布局。DeepMind的AlphaFold在蛋白质结构预测上取得了突破，但其在脑科学领域的进展有限。Verily则专注于可穿戴设备和临床试验平台，但其Project Baseline（一个大规模健康数据收集项目）进展缓慢。Google的威胁在于其AI基础设施——如果它能够获得足够多的EEG数据，它可以训练出比Descartes更强大的模型。但Google在医疗数据隐私方面面临巨大监管压力，其收集EEG数据的能力受到严格限制。
主要挑战：临床验证、FDA审批与商业化
Hemispheric的竞争壁垒是数据，但数据本身并不足以赢得市场。它需要跨越三个“死亡谷”：
1. 临床验证：模型在训练集上的表现（如AUC 0.85）不等于在真实临床环境中的表现。Hemispheric需要进行大规模随机对照试验（RCT），将Descartes模型与精神科医生的诊断进行对比，证明其准确率、敏感性和特异性优于现有方法。这种试验通常需要数百名患者、多个中心、至少一年的随访时间。如果结果不理想——比如，模型在某些亚群（如老年人、儿童、共病患者）中表现不佳——公司将面临“数据偏见”的指控。
2. FDA审批：作为新型诊断设备，Hemispheric可能需要走“De Novo”分类路径，这意味着它需要证明自己的产品“安全且有效”，且没有同类产品可以作为参考。这一过程通常需要2-4年，且可能要求公司进行额外的临床试验。如果FDA要求公司证明模型的可解释性（即医生能够理解模型为什么给出某个诊断），这将是一个巨大挑战——因为深度神经网络本质上是“黑箱”。公司可能需要开发一种“可解释AI”版本，或者提供足够的临床证据让FDA接受“黑箱”。
3. 商业化：即使获得FDA批准，Hemispheric还需要解决医生接受度、医院采购流程和保险报销问题。在美国，任何新的诊断工具都需要获得CPT代码才能纳入保险报销。申请CPT代码需要证明该工具能够降低医疗成本或改善患者预后——这需要额外的卫生经济学研究。如果保险公司拒绝报销，患者需要自费支付（每次测试100-300美元），这将大大限制市场渗透。
未来想象空间：从诊断到治疗，从医院到消费
如果Hemispheric能够成功跨越这些障碍，它的未来想象空间远不止于诊断。
从诊断到治疗：EEG不仅可以用于诊断，还可以用于神经反馈（neurofeedback）——一种通过实时显示大脑活动来训练患者自我调节脑电波的方法。例如，抑郁症患者可以学习增加前额叶alpha波活动，从而改善情绪。Hemispheric的Descartes模型可以实时分析EEG信号，并提供视觉或听觉反馈，引导患者进入理想的大脑状态。如果这种神经反馈疗法被证明有效，Hemispheric可以从“诊断公司”转型为“治疗公司”，开辟一个更大的市场。
消费级应用：如果Hemispheric能够将EEG头盔的成本降低到200美元以下，并推出一款面向消费者的App（提供脑疲劳监测、注意力训练、睡眠质量分析），它可能吸引数百万用户。但这一市场已经拥挤：Muse（冥想引导）、NeuroSky（教育游戏）、Emotiv（脑控设备）都尝试过，但均未实现大规模普及。原因在于，消费者对“脑健康”的付费意愿远低于对“心脏健康”或“睡眠健康”的付费意愿。Hemispheric需要找到一种“杀手级应用”——比如，与VR/AR结合，提供沉浸式注意力训练或情绪调节体验。
与VR/AR结合：Gidi Littwin的苹果Vision Pro背景暗示了这种可能性。如果Hemispheric能够将EEG传感器集成到VR/AR头显中，它可以在用户使用虚拟现实时实时监测大脑状态。例如，在VR心理治疗中，治疗师可以实时看到患者对恐惧刺激的大脑反应，从而调整治疗强度。或者，在VR教育中，系统可以根据学生的注意力水平自动调整教学内容。这种“脑机交互”的想象空间巨大，但技术实现难度极高——EEG信号在运动环境中容易受到噪声干扰，且VR头显本身会产生电磁干扰。
批判性分析：Hemispheric的“阿喀琉斯之踵”
尽管前景诱人，但Hemispheric有几个潜在的致命弱点：
第一，EEG的物理极限。EEG只能记录大脑皮层的电活动，无法直接探测深层结构（如海马体、杏仁核）。这些区域在记忆、情绪和决策中起关键作用，但它们的活动只能通过皮层信号的“混响”间接推断。如果模型过度依赖某些表面特征（如前额叶不对称性），它可能会忽略更重要的深层病理。例如，阿尔茨海默病的早期病理变化始于海马体，而海马体位于大脑深处，EEG很难直接检测到。Hemispheric需要证明，其模型能够从皮层信号中准确推断出深层结构的状态——这可能需要与fMRI或PET进行对比验证。
第二，数据飞轮的“冷启动”问题。Hemispheric的数据飞轮依赖于临床使用量——每一次测试都会产生新数据，用于改进模型。但在获得FDA批准之前，公司只能通过研究合作收集数据，这限制了数据的规模和多样性。如果FDA审批周期过长（比如超过5年），公司可能面临“数据饥饿”——模型无法迭代，性能停滞不前。更糟糕的是，如果竞争对手（如Kernel或Apple）在此期间建立了更大的数据集，Hemispheric的先发优势可能会消失。
第三，伦理与隐私的“达摩克利斯之剑”。脑电数据被认为是“终极生物识别信息”——它不仅能识别身份，还能揭示情绪、认知状态甚至潜意识想法。如果这些数据被泄露或被滥用，后果不堪设想。Hemispheric需要建立严格的数据治理框架，确保患者数据不会被用于基因歧视、保险定价或就业筛选。但公司尚未公开其数据安全措施，这可能成为监管审查的重点。如果Protocol Labs的参与意味着去中心化存储，那么患者是否能够真正控制自己的数据？如何确保数据不被黑客攻击？这些问题需要明确的答案。
第四，精神科医生的“反叛”。如果Hemispheric的模型被证明准确率高于人类医生，精神科医生可能会面临“被替代”的恐惧。但更可能的情况是，医生会抵制这种“去技能化”工具，就像放射科医生最初抵制AI辅助诊断一样。Hemispheric需要与精神科医生建立联盟，而不是对立——比如，通过提供“医生仪表盘”让医生看到模型的推理过程，或者通过培训项目让医生理解AI的局限性。
数据：市场的规模与竞争
全球神经诊断市场规模在2025年约为80亿美元，预计以8%的复合年增长率增长，到2030年将超过120亿美元。这一增长主要由老龄化人口（阿尔茨海默病）、精神疾病
结语：度量衡的诞生，或数据的幻象
Hemispheric的六年隐身与5200万美元融资，讲述了一个关于“重新定义问题”的故事。创始人没有试图制造更好的EEG头盔，也没有追逐更庞大的模型参数，而是选择了一条更艰难的路——为大脑健康建立一套客观的“度量衡”。这种野心令人敬畏，但它的成功与否，将取决于一个核心悖论：医学诊断的进步，往往不是由更精确的测量驱动的，而是由更深刻的理解驱动的。
Descartes模型拥有60亿参数、25万小时EEG数据和10万名参与者的行为数据，这无疑是神经科学领域最庞大的私有数据库之一。但数据规模本身并不等同于理解——模型可能学会了识别噪声模式，而非真正的神经生理特征。EEG的物理极限（只能记录皮层电活动）意味着，模型对深层结构（海马体、杏仁核）的推断本质上是“间接的”，这种间接性在实验室条件下可能被忽略，但在真实临床场景中可能成为致命弱点。
投资者的组合——从Hanaco到L Catterton，从Protocol Labs到Howard Morgan——反映了对Hemispheric未来想象空间的押注：诊断工具、药企服务、消费者健康、去中心化数据市场。但这些愿景之间存在内在张力。药企需要的是经过严格验证的生物标志物，消费者需要的是简单易懂的“健康评分”，而去中心化数据市场则要求患者拥有数据所有权——这三者很难同时满足。Hemispheric需要做出选择，而选择本身将决定其命运。
最根本的挑战，或许不是技术或监管，而是信任。精神科医生会接受一个“黑箱”模型作为诊断依据吗？患者会愿意将自己的脑电数据交给一家初创公司吗？保险公司会为一种尚未证明能降低医疗成本的测试买单吗？这些问题没有简单的答案，而Hemispheric的六年隐身期只是开始——真正的考验，才刚刚到来。
核心判断：Hemispheric未来12-18个月的关键观察指标是：1）FDA对Descartes模型的分类决定（De Novo vs. 510(k)）将决定其监管路径的难度与时间；2）与VA医院合作的PTSD临床试验结果——如果AUC低于0.85，数据飞轮可能无法启动；3）是否与大型药企签署EEG生物标志物许可协议，这将决定其B2B收入模式的可行性。如果三项指标全部积极，公司有望在2028年获得FDA批准并进入临床市场；如果两项或以上不及预期，Hemispheric可能面临数据壁垒被竞争对手（如Apple或Kernel）侵蚀的风险。
