就在最近，我帶著團隊參加了一場腦機接口大會，這個活動在成都舉辦。

　　這也是第一次看到了同時有醫生開始轉型學習計算機算法的分享會，而不像以前醫學就是醫學，計算機就是醫院的信息化。

　　現場神經外科/神經內科：我聽不懂

　　腦機接口，第一點最容易講解的是涉及到數據處理，這一點對于產品經理在軟件公司與大廠里面就是非常熟悉的了，從用戶行為數據、再到數據庫數據，這些都是非常熟悉的

　　而對于醫生來說，這就是一頭霧水了。

　　醫生能夠清除患者得了什么臨床癥狀，以及對應的腦部區域再到臨床表現，里面的數據到底是什么格式，不同格式如何處理，這一點醫生是一點都聽不懂。

　　畢竟醫生也需要那些儀器給出對應的檢查報告，才能夠下結論。

　　腦機接口涉及到的腦電信號的解碼，比如在Python、或者大模型上的原理，讓一群醫生在現場大會開始真的學習計算機的基礎知識，其實莫名的有一種革命既視感。

　　要知道這些都是醫生里面的主任或者科室帶頭人才會做腦機接口，但卻面臨首先要學習計算機的基礎課。

　　對于要做腦機接口業務的醫生來說，學習如何打標注、什么是元數據，這些可能就是非常吃力了，我看到現場很多醫生都是一臉懵逼，大多是停留在外骨骼的控制、專注力、情緒檢測。

　　腦機接口的研發：現在醫院都是和高校的教授合作

　　腦機接口計算機的部分，幾乎都是醫學單位的附屬學校的計算機學院老師，這些高校做計算機工作，就都會有一個通?。菏褂脤W生，不管是清華北大的還是普通的雙非院校，都是使用的學生。

　　即使是研究生，他真的在大廠的工作產出與學校工作是不一樣的，可以說是兩碼事。

　　最簡單的就是軟件工程能力上，學校的開發能力可能只有外面企業不到十分之一。其次是在UI設計、交互設計以及底層的商業模式。

　　所以現在醫院合作的高校計算機學院，其腦機接口大模型解碼誰都可以做，只要有醫院提供數據，有學校老師安排學生做標注，醫院有費用，就可以做。但是做的標注如何商業化，就沒有人去想過。

　　所以我看到很多有附屬醫院的高校，幾乎都在和計算機學院或生物醫學工程學院聯動，都存在數據收集、數據標注，大家幾乎都是差不多。

　　但無一例外都在燒錢或者沒有辦法盈利，以發論文、完成課題為導向，而不是以產品迭代為導向。

　　腦機接口的數據：EEG、FMRI、以及神經元數據

　　這些數據表皮的大量神經元一起放電的信號，到腦部內部區域供血的圖像影像數據再到侵入式的某個神經元的數據。

　　這些都是需要計算機的工程師、產品經理來共同設計標注流程、標注平臺的，才能夠完成data driven的大模型建設。

　　而我現在發現高校都很難落地，因為要么缺乏顯卡資源、要么就是缺乏數據要么就是缺乏軟件工程。

　　所以，現在腦機接口數據大模型需要科技公司帶頭來做，我認為不是靠著高校、醫院就可以完成的，醫院不懂計算機，而高校計算機學院的人才都是學生，沒有達到軟件工程師的高度。

　　腦機接口：醫生和計算機互相深度融合

　　拋開硬件不說，腦機接口現在首先是要求醫生和計算機融合，這部分不僅是協作而是要建設一個混合團隊。

　　而目前國內的腦機接口團隊幾乎就是一邊倒，要么就是生物醫學工程出身，要么就是硬件出生，幾乎沒有騰訊、阿里大廠的人來做。

　　因為大廠的人也接觸不到醫院資源

　　腦機接口的瓶頸：硬件沒有量產、數據孤島不打通

　　現在腦機接口的硬件都比較貴，主要原因是沒有量產，很多都是做的原型機或者幾個機器，造價成本高。

　　其次是高校在設計硬件的時候就不會考慮批量生產，更多是原型機解題，就導致開發成本較高。

　　同時腦機接口數據從消費者腦機再到醫療級腦機，有醫療器械資質的問題，如果沒有醫療器械資質是沒有辦法走進醫院的。

　　沒有資質，就沒有辦法開具檢查相關治療清單，一些醫院因為沒有辦法收費，就拒絕放置腦機接口，所以數據采集的難度也高，但是可以做的就是從消費者腦機接口開始。

　　而很多醫院自己的附屬高校，或者當地的高校計算機學院，這些要么就是數據孤島要么就是各做各，就不像軟件工程行業有開源的說法，相對來說各自以學術為陣地，相對保守。

　　所以現在腦機接口行業急需像騰訊、阿里這些大廠來介入，來完成腦機接口數據閉環，當然現在看到一個好消息是已經有一家公司得到了騰訊、阿里的共同投資，那就是階梯醫療。

　　唯一一個獲得互聯網公司投資的公司。

　　而比較尷尬的是，產品經理可以通過ChatGPT或Claude來完成學習腦機接口的相關知識以及直接用公共數據集來訓練模型，而醫生就顯得尷尬了，非侵入式腦機接口就是做患者的設備佩戴，侵入式則是做手術，但未來我認為腦機接口的手術會門檻越來越低、以及操作方式簡易化，甚至就是像手術飛秒近視眼一樣，快捷方便。

　　這個時候的醫生如果不轉型產品經理，就只有被淘汰了。

　　今天的分享就在這里。