2024 年 8 月 22 日，Piramidal 宣布筹集 600 万美元的种子资金，旨在利用其开发的基础人工智能模型，解决脑波分析的复杂问题。Piramidal 的 AI 模型专注于脑电图（EEG）数据的分析，旨在提高诊断的准确性和速度。Piramidal 的联合创始人 Dimitris Sakellariou 和 Kris Pahuja 表示，这笔资金将用于进一步开发和推广他们的 AI 模型，以帮助神经科医生更好地评估脑波数据，减少误诊率，并加快诊断过程。
脑电图（EEG）是一种常用的神经科诊断工具，通过测量大脑的电活动来评估脑损伤的程度和诊断与大脑相关的疾病。然而，传统的 EEG 分析过程既耗时又容易出错，研究表明神经科医生在 30% 的情况下会误判数据。Piramidal 的 AI 模型通过自动化和智能化的方式，提高了 EEG 数据分析的效率和准确性。
Piramidal 的 AI 模型使用了机器学习技术，能够分析大量的 EEG 数据，识别出异常的脑活动模式。这些模式在个体之间有很大的变异性，传统的手动分析方法难以应对。Piramidal 的 AI 模型通过对大量数据的训练，能够在不同的设备和设置下，持续标记出异常模式，从而帮助医生更快地做出诊断。
Piramidal 的 AI 模型最初专注于癫痫的诊断，临床测试显示它有潜力来减少错误率。癫痫是一种常见的神经系统疾病，传统的诊断方法需要医生手动检查 EEG 数据，耗时且容易出错。Piramidal 的 AI 模型通过自动化分析，能够快速识别癫痫发作的特征，提高了诊断的效率和准确性。
除了癫痫，Piramidal 的 AI 模型还可以应用于其他神经系统疾病的诊断，如脑出血、脑肿瘤等。通过对大量 EEG 数据的分析，Piramidal 的 AI 模型能够识别出这些疾病的早期迹象，从而帮助医生及早干预，改善患者的治疗效果。
Piramidal 的 AI 模型不仅提高了诊断的准确性，还减少了医生的工作负担。传统的 EEG 分析需要高度专业化的医疗专业人员来进行，耗时且容易出错。Piramidal 的 AI 模型通过自动化分析，减少了医生的工作量，使他们能够将更多的时间和精力投入到患者的治疗中。
Piramidal 的 AI 模型还具有扩展性，可以应用于不同的医疗设备和设置。无论是大型医院的高端设备，还是小型诊所的便携式设备，Piramidal 的 AI 模型都能够进行数据分析。
尽管 Piramidal 的 AI 模型在脑波分析中展现了潜力，但在实际应用中仍面临一些挑战。首先，EEG 数据的复杂性和多样性使得模型的训练和优化变得非常困难。EEG 数据不仅在个体之间存在很大的变异性，而且不同的设备和设置也会影响数据的质量和一致性。为了应对这一挑战，Piramidal 采用了机器学习技术，通过对大量多样化数据的训练，提高模型的泛化能力和鲁棒性。
其次，EEG 数据的标注和解释需要高度专业化的知识，这使得数据的获取和处理变得非常困难。Piramidal 通过与多家医院和研究机构合作，获取了大量高质量的 EEG 数据，并邀请神经科专家对数据进行标注和解释。这不仅提高了模型的训练效果，也确保了模型在实际应用中的准确性和可靠性。
此外，Piramidal 的 AI 模型在实际应用中还需要解决数据隐私和安全的问题。EEG 数据涉及患者的隐私信息，必须严格遵守相关的法律法规和伦理规范。Piramidal 通过采用数据加密和匿名化技术，确保数据在传输和存储过程中的安全性和隐私性。同时，Piramidal 还建立了数据访问控制机制，确保只有授权人员才能访问和处理数据。