你可能有过这种体验：去看精神科或神经内科，本想医生会拿出什么仪器扫描你的脑袋，结果却是递来一张量表，让你勾选“最近两周是否感到情绪低落”之类的题目。没错，至少在2026年的今天，诊断抑郁症、创伤后应激障碍（PTSD）、阿尔茨海默病等认知障碍，主要工具依然是主观问卷和行为观察——而不是直接测量大脑本身。这件事本身就挺反常识：我们连手机都能刷脸解锁了，面对大脑疾病，却还在做“问答题”。
现在，一位参与发明苹果Face ID人脸识别和Vision Pro手部追踪技术的工程师，正试图用他组建的团队和一笔5200万美元的融资，去改写这套规则。他叫Gidi Littwin，他的公司名叫Hemispheric。过去六年，他们悄悄收集了10万人的大脑活动数据，训练出一个前沿AI模型，想要只靠颅骨表面的电信号，就推断出大脑里面有没有抑郁、创伤后应激，甚至提前捕捉阿尔茨海默病的苗头——整个过程完全不需要开颅，不需要注射，也不需要躺进嗡嗡作响的巨型扫描仪。听起来像科幻，但这套逻辑的雏形，正在被送往美国食品药品监督管理局（FDA）审批的路上。
不过，在你准备欢呼之前，我们需要冷静地拆解一下：靠一顶轻便头带和AI模型，真的能替代那些看起来有点“原始”的问卷诊断吗？这个技术背后的数据从何而来，它做到了什么，还没做到什么，以及它到底靠不靠谱——这些才是值得仔细看看的地方。
我们不妨先站在“问卷派”这一边。现有的精神科诊断方式并不是医生随意为之，而是因为大脑实在太复杂了。每个人的脑电活动像指纹一样独一无二，即使同一个人在不同情绪状态下的脑电图（EEG）信号也天差地别。在缺乏大规模参照数据的情况下，直接解读脑电图就像捧着一本用陌生方言写成的长篇日记，每个字都认识，但读不出连贯的意思。于是，临床医生退而求其次，转向了标准化问卷和半结构化访谈，比如用于抑郁症的汉密尔顿抑郁量表、用于PTSD的CAPS访谈。这些工具虽然经过了数十年验证，但它们的根本缺陷也早就不是什么秘密：人的主观回答可能被记忆偏差、当时情绪甚至文化预期所污染。你问一个人“最近有没有觉得对事物失去兴趣”，得到的答案很可能取决于他今天午饭吃得好不好。换句话说，问卷测量的是“你觉得自己的大脑怎么样了”，而非“你的大脑实际上怎么样了”。
那么，“脑电AI派”能给出不一样的答案吗？故事要从Gidi Littwin离开苹果说起。2020年，在参与了Face ID的算法开发和Vision Pro的手部追踪项目之后，Littwin寻求转型。在苹果，他习惯了为深度学习模型喂入海量数据——据他向《连线》杂志回忆，光是训练Face ID和手部追踪，就采集了“数十万受试者”级别的数据。他深知，要让AI在复杂感官信息里找出模式，没有什么比高质量的大规模数据更重要。正是这个时候，一位叫做Hagai Lalazar的研究者在领英上给他发了一条冷消息。
Lalazar已经在研究用人工智能来非侵入式地解读大脑，但他缺少一位能将这种技术推向商业化的联合创始人。他陆续聊了大约75位候选人，直到遇见Littwin，两人才一拍即合。于是，一家名为Hemispheric的初创公司诞生了。他们确立了一个看起来极简的目标：不需要在颅骨上钻孔植入电极，不需要功能磁共振成像（fMRI）的昂贵硬件，只用一顶轻便的脑电图头带，就让AI模型学会从头皮表面的电信号里，读出一个人的脑部健康状况。
为了做到这一点，他们开始做一件看起来非常笨拙、耗费巨大的事：采集大量真实人类大脑的电活动数据。Hemispheric最终在亚洲部分地区、以色列特拉维夫以及美国波士顿招募了10万名付费志愿者，累计收集了25万小时的脑电数据。Littwin称，这些数据是公司的“最珍贵的宝藏”。
采集数据的过程设计得很有心思。志愿者并不是被简单地要求“闭眼休息”，那样得到的脑电图太过乏味。他们戴上头带，在平板电脑上完成一系列看起来像游戏的任务——可能是指尖点击反应的测试，可能是观看带有情绪色彩的图片，也可能是完成注意力挑战。这些任务的目的，是悄悄激活大脑的不同功能区，好比让大脑的各个部门分别亮起灯，使AI模型能看见不同电路网络是如何协作或异常放电的。这就等于给原本晦涩的脑电图加上了“标签”：当AI模型看到某种电活动模式，它就知道这个信号是在处理情绪、在回忆创伤、还是在调动注意力。
接下来是训练模型。Hemispheric的AI模型并非某种神秘的“读心术”，其底层逻辑跟我们在手机上用到的大型语言模型有几分相似。语言模型通过统计海量文本中词语之间的共现关系，学习到“苹果”后面接“手机”的可能性，从而理解语义。而Hemispheric的模型，本质上是统计海量脑电图信号与大脑认知功能之间的关联——某一种电活动波形、频率、相位同步模式，经常出现在被诊断为抑郁症的个体身上，而另一种模式则在PTSD患者中高频出现。模型经过这种“统计学习”之后，不需要知道“抑郁”这个词的定义，也能推断出一个人的脑功能状态。
那么，这种推断到底有多准？根据Hemispheric的说法，他们用这个通用模型在一些特定人群身上做了测试，包括确诊为创伤后应激障碍、精神分裂症和抑郁症的受试者。据称，模型能够对这些个体的脑健康状况做出准确的推断。这里需要注意用词：是“Hemispheric表示”，也是“据称”，而不是一项已经公开经同行评审的确定性结论。透露出来的信息是，团队目前正着手进行更严格的临床研究，试图验证这个模型是否不仅能诊断阿尔茨海默病，甚至可能提前预测它。关键词依然是“可能”“试图验证”，说明离板上钉钉还有距离。
再看即将落地的时间线。Hemispheric计划在明年初向FDA提交第一款正式产品，这款产品专注于PTSD的诊断。如果获批，他们希望能在2027年晚些时候将其推向公众。届时，理想的使用场景是这样：一位怀疑自己患有认知障碍的患者，不需要经历漫长等待和反复问卷评估，只需来到诊所，戴上一顶轻量化的脑电图头带，在平板电脑上与一款专用应用互动大约15分钟。这段时间里，头带会捕捉他的大脑自发电活动，传输给AI模型。模型随后帮助临床医生解码这些信号，提供诊断参考，甚至在尝试多种治疗前，预测出哪种干预对这位特定患者最可能有效，并持续监测病情变化。
这一整套设想如果成真，确实可能让大脑疾病的客观诊断向前迈出一大步，把决策依据从病人“觉得怎样”拉回到“信号长什么样”。但我们还得回到“辩论型”框架的另外一侧：即便有10万人数据和25万小时训练，模型的可靠性依然面对几个明显的挑战。其一，个体差异是一座无法绕开的大山。每个人的头骨厚度、皮肤导电性、脑沟回形态都不一样，甚至同一顶头带戴在头上的轻微位移都会改变信号。即便训练集再大，对一个从未出现过的新用户，模型能否保持准确性仍然是个未知数。其二，目前公开的证据仅限于公司的声明
热门跟贴