TEL AVIV / LONDON (IT BOLTWISE) – Die Startup Hemispheric will aus 15-minütigen EEG-Aufnahmen ein KI-Modell machen, das Hirnaktivität in klinisch nutzbare Ergebnisse übersetzt. Mit 52 Millionen US-Dollar frischem Kapital baut das Unternehmen an einem Training auf Basis von mehr als 250.000 EEG-Stunden und über 100.000 Teilnehmenden. Ziel ist, psychische Erkrankungen wie Depressionen und PTSD sowie neurologische Hinweise wie frühe kognitive Verschlechterungen frühzeitig besser zu erkennen. Damit rückt ein Feld näher, in dem bisher vor allem Fragebögen und subjektive ärztliche Einschätzungen dominieren.
Hemispheric geht mit einem ambitionierten Ansatz an ein Problem heran, das die Neurodiagnostik seit Jahrzehnten begleitet: EEGs sind zwar seit rund 100 Jahren etabliert, aber ihre Muster gelten im klinischen Alltag als schwer interpretierbar. Das israelische Startup kombiniert dafür eine Künstliche Intelligenz mit einem nichtinvasiven 15-Minuten-Scan, der die elektrische Aktivität des Gehirns erfasst. Die Idee dahinter ist pragmatisch: Statt Wellenformen nur qualitativ zu betrachten, soll ein Modell daraus eine für Diagnostik verständliche Darstellung ableiten. Investoren berichten, dass Hemispheric insgesamt 52 Millionen US-Dollar in drei Finanzierungsrunden erhalten hat, während das Team ein System namens Descartes trainiert.
Technisch sitzt die Hebelwirkung vor allem in der Datenbasis und in der Modellgröße. Hemispheric beschreibt, dass Descartes beim Training 6 Milliarden Parameter berücksichtigt hat und dabei auf EEG-Aufnahmen zurückgreift, die nicht nur zeitweise, sondern strukturiert in mehreren Labors erhoben wurden. Die Datenerfassung startet laut Unternehmen ab 2019 in Israel, den USA und den Philippinen; dort werden Freiwillige jeweils für 15 Minuten untersucht und erhalten dabei eine leichte Helm-Vorrichtung, die ein EEG aufnimmt. Laut Hemispheric liegen inzwischen mehr als 250.000 Stunden EEG-Daten von über 100.000 Teilnehmenden vor. Genau diese Skalierung adressiert das Kerndefizit vieler früherer Ansätze: zu wenig Trainingsmaterial für robuste Decodierung.
Der nächste Engpass ist weniger die Signalaufnahme, sondern die Übersetzung zwischen „Rohdaten“ und klinischer Semantik. Das Unternehmen stellt fest, dass das Gehirn als komplexes elektrisches „Sprachsystem“ funktioniert; große Sprachmodelle trainieren zwar allgemein auf Daten aus dem Internet, aber es fehlt ein vergleichbares, kuratiertes EEG-Äquivalent als Trainingskorpus. Hemispheric setzt deshalb auf Laborstudien, in denen wöchentlich Daten von über 1.000 Personen generiert werden. Als Gegenpol zur klassischen Diagnostik betont das Startup, dass derzeit vor allem Fragebögen oder die subjektive Einschätzung des Verhaltens helfen. Diese Lücke ist auch aus anderen Forschungsrichtungen bekannt, beispielsweise bei Projekten zur „Neural decoding“-Forschung, die stärker auf Mustererkennung setzen statt auf manuell definierte Merkmalsregeln.
Im Marktumfeld signalisiert die Finanzierungsrunde vor allem eines: Neurotech und KI-gestützte Diagnostik werden zunehmend als Enterprise-Programm gedacht, nicht nur als Forschungskonzept. Hemispheric beschäftigt nach eigenen Angaben 112 Mitarbeitende in den Bereichen Hirnforschung, KI, Softwareentwicklung, Elektronik und medizinische Systeme. Gleichzeitig positioniert sich das Startup nicht nur gegenüber Kliniken, sondern auch gegenüber der Pharmaindustrie: Hemispheric verkauft sein Know-how bereits an Drug-Company-Teams, damit diese es in eigenen Forschungsaktivitäten einsetzen können. Hier entsteht ein Wettbewerbsdruck, denn sowohl etablierte Medizintechnik-Anbieter als auch KI-getriebene Startups versuchen, EEGs standardisierter und auswertbarer zu machen. Als Vergleich lässt sich auch Apples Biometrie-Ökosystem heranziehen: Gidi Littwin ist Mitbegründer und Entwicklerhintergrund aus dem RealFace-Umfeld, das 2017 von Apple übernommen wurde, und damit aus einem Bereich, in dem Messdaten und Musteranalyse bereits stark optimiert wurden.
Aus expertischer Sicht wird die eigentliche Herausforderung in der Validierung liegen, nicht im Modelltraining allein. Selbst wenn ein KI-Modell Depressionen, PTSD, Parkinson-Signale oder frühe Anzeichen kognitiver Verschlechterungen adressieren kann, muss es in Studien konsistent performen, unter variierenden Bedingungen wie Elektrodenkontakt, Tageszeit, Medikamentenstatus und Artefakten wie Bewegungsresten. Hemispheric deutet an, dass bisherige Workflows häufig „fast unbrauchbare“ EEG-Ergebnisse produzieren, weil die Unterschiede zwischen Personen groß sind und die Wellenbilder nicht automatisch in Diagnosen überführt werden. Damit entscheidet die Qualität der Datensatzpflege, etwa durch Standardisierung der Helm-Sessions und saubere Labeling-Prozesse, über den späteren Nutzen in Arztpraxen.
Die regulatorische Perspektive dürfte daher frühzeitig ein Thema werden. Hemispheric plant, nach Erhalt der regulatorischen Freigabe das Modell als klinisches Werkzeug einzusetzen, bei dem Patienten künftig ein fünf- bis zehnminütiges EEG absolvieren und anschließend einen Bericht zu ihrer elektrischen Hirnaktivität erhalten. In der Praxis heißt das: Medizinische KI fällt typischerweise unter strenge Zulassungs- und Nachweisanforderungen, die nicht nur die reine Genauigkeit, sondern auch Robustheit, Nachvollziehbarkeit und Risiko-Management adressieren. Hinzu kommt Datenschutz: EEG-Daten sind hochsensibel, weil sie Rückschlüsse auf Gesundheitszustände ermöglichen können. Unternehmen müssen daher die rechtliche Basis für Datenverarbeitung, technische Schutzmaßnahmen und ein dokumentiertes Lifecycle-Management für Modellupdates sicherstellen.
Historisch betrachtet ist die Idee, EEG-Muster maschinell zu interpretieren, nicht neu. In früheren Generationen dominierten handgefertigte Merkmalsräume und relativ einfache Klassifikatoren; sie litten häufig darunter, dass neue Populationen oder andere Messbedingungen das Ergebnis deutlich verschoben. Der Schritt zu KI-Modellen mit großer Parameterzahl und umfangreichen Trainingsdaten folgt deshalb einem klaren Trend: von regelbasierten Pipelines zu datengetriebenen Modellen, die besser generalisieren sollen. Gleichzeitig zeigt die Vergangenheit, dass „Decodierung“ nicht gleich „klinische Wirksamkeit“ ist. Erst kontrollierte Studien und saubere Vergleichsbenchmarks entscheiden, ob der Nutzen über dem Standard-Workflow liegt.
Für die Zukunft ergeben sich mehrere wahrscheinliche Entwicklungen. Erstens dürfte sich der Fokus stärker in Richtung MLOps-ähnlicher Prozesse verlagern: Trainingsdaten, Drift-Überwachung, Versionsmanagement und Validierung auf neuen Kohorten werden zum Alltag. Zweitens ist denkbar, dass Hemispheric sich schrittweise von Diagnose-Screens hin zu Entscheidungsunterstützung entwickelt, bei der das Modell zunächst als zweite Meinung dient. Drittens könnte der 15-Minuten-Ansatz weitere Sensorik-Setups beeinflussen, weil kurze Messfenster in der Praxis leichter integrierbar sind als lange Studien. Wenn Hemispheric die regulatorischen Hürden und die klinische Reproduzierbarkeit erfolgreich adressiert, entsteht ein Produktivitätshebel für Entwickler in Medizin-Software, weil sich KI-gestützte Diagnostik näher an standardisierte Workflows anbinden lässt – und nicht als reines Forschungs-Tool bleibt.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Hemispheric: KI-Decodierung von EEG-Signalen für klinische Diagnosen" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Hemispheric: KI-Decodierung von EEG-Signalen für klinische Diagnosen" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Hemispheric: KI-Decodierung von EEG-Signalen für klinische Diagnosen« bei Google Deutschland suchen, bei Bing oder Google News!