AI模型破解脑电图分析难题，Piramidal推出基础模型助力神经重症监护
AI模型虽已广泛应用于各类数据集，但结果往往缺乏一致性。这一问题在医疗领域尤为突出。初创公司Piramidal通过构建专用于脑部扫描数据分析的基础模型，为解决这一痛点提供了可靠方案。
联合创始人Dimitris Sakellariou和Kris Pahuja指出，尽管脑电图（EEG）技术在医院普及，但设备种类繁多、互不兼容，且数据解读高度依赖专业知识。若有一款软件能跨越时间、地点及设备限制，一致识别异常模式，将显著改善脑部疾病患者预后，并减轻医护人员负担。
Pahuja表示：“在神经重症监护室（neural ICU），护士需实时监测患者并寻找脑电图异常迹象。但在急性病症发作时，他们可能被迫离开病房。”异常读数可能预示癫痫或中风等急症，而护士乃至部分专科医生未必具备全面鉴别能力。
基于多年对神经病学计算工具的研究，两人创立了Piramidal。他们发现自动化脑电图分析确有益于临床护理，但缺乏简便有效的部署方式使其落地应用。
Sakellariou结合自身在手术室与神经科医生协作的经验指出：“我们深知脑波的价值及如何构建计算系统加以识别。然而，每次使用新设备都需针对特定问题重建系统，重新获取数据并由人工标注，效率极低。”
即便假设所有脑电图系统及医院IT架构统一，实际差异仍巨大——仅电极数量与位置等基础要素便各不相同，进一步增加了标准化难度。
Piramidal团队相信，其针对脑电图读数的基础模型可实现“开箱即用”的生命体征检测功能，无需耗时数月的定制化研究（该成果尚未发表）。
需明确的是，该模型并非全能型医疗平台，更类似Meta Llama系列开放模型——承担语言理解基础能力的初始构建成本。具体应用场景由用户决定，但均依赖于底层通用理解能力。
AI模型的应用不限于语言，还可拓展至流体力学、音乐、化学等领域。对Piramidal而言，“语言”即脑电图所反映的大脑活动信号。理论上，该模型可解析任意设备配置、电极数量、机型及患者的信号。
目前尚无公开报道显示有人成功构建此类模型。
Sakellariou和Pahuja谨慎表示：“我们已完成基础模型构建并开展实验，现正推进代码库生产化，以支持扩展至数十亿参数规模。我们的目标自始至终是打造实用模型，而非仅用于研究。”
Pahuja透露，首个生产版本将于明年年初在医院部署。“我们计划于第一季度启动四个ICU试点项目，合作方均愿共同开发。”这将成为关键概念验证，证明模型能在多样化临床环境中有效运行。（注：该技术定位为常规监测的补充手段。）
基础模型仍需针对具体应用微调。Pahuja表示初期将由团队自行完成；与其他AI公司不同，他们不打算通过API收费盈利，但强调模型本身具有极高价值。
Sakellariou强调：“预训练模型的初始状态优势无法被从零训练的模型超越。”“这是迄今规模最大的EEG模型，远超现有同类产品。”
为推动发展，Piramidal需解决资金与数据两大核心需求。资金方面，公司已获600万美元种子轮融资，由Adverb Ventures和Lionheart Ventures联合领投，Y Combinator及天使投资人参投，主要用于算力投入与团队扩充。
数据方面，现有开源数据虽多但呈“孤岛式”分布。团队已将其聚合整合为大型集成存储库，足以支撑首款量产模型训练。
未来与医院的合作将提供数千小时宝贵训练数据，助力下一代模型实现超人类水平的性能突破。
Sakellariou表示：“当前模型已能可靠识别医生关注的既定模式。更大规模的模型将进一步捕捉人眼难以持续察觉且缺乏实证确认的细微模式。”
尽管前路漫长，但提升护理质量并不必然要求达到超人类水平。ICU试点项目将为该技术提供严谨的科学评估依据，并在投资者层面获得更充分验证。