Muse 推出提供临床级睡眠和大脑健康的智能头带

Muse 推出了 Muse S Athena，这是首款将临床级脑电图（EEG）、功能性近红外光谱（fNIRS）和血氧饱和度（SpO2）集成在一个轻巧、消费者友好形式中的可穿戴设备。这一发展可能帮助 Muse 将其可穿戴设备转变为一个可扩展的人工智能（AI）驱动的基于大脑的诊断平台。

通过将实时生物信号数据与受 GPT 架构启发的基础模型相结合，Athena 在家中提供专家级的睡眠分期和洞察。这使得研究人员、临床医生和消费者能够访问以前只有在实验室中才可用的精确、上下文相关和纵向洞察。

“我们看到了有力的证据，表明基础模型可以改变我们解释大脑数据的方式，”Muse 联合创始人兼首席创新官 Chris Aimone 说。“GPT 对语言所做的，这种架构开始对神经信号做——揭示出既高度个性化又深度可推广的模式。”

通过其最新设备 Muse S Athena，高性能的 SpO2 监测为 Muse 的神经技术平台增加了一个重要的呼吸层。与传统的指尖传感器不同，额头放置方式能够实现更快的响应时间和更稳定的读数——特别是在检测与睡眠呼吸障碍相关的快速氧变化时非常重要。

这一功能现在正在为研究合作伙伴推出，当与 EEG 和 fNIRS 配对时，它为研究人员提供了对大脑、循环和呼吸系统的前所未有的可见性——所有这些都通过一个可穿戴设备实时捕获，大规模进行。

Muse 训练 AI 理解大脑的语言

Muse 声称已经建立了世界上最大的纵向 EEG 数据集——超过 10 亿分钟的大脑活动，来自超过 1600 万次会话，涵盖了冥想、睡眠和认知用例。这些数据支持了 Muse 基础大脑模型（FBM）：一个类似于大型语言模型的深度学习架构，但被训练来解码大脑。

FBM——一个基于 Transformer 的神经网络模型，类似于 ChatGPT 等大型语言模型的基础——是在庞大、上下文相关、多模态数据集上训练的。翻译层允许 FBM 与最新的生成式 AI 智能接口，以神经洞察增强其能力。这个集成的 AI 堆栈能够：

• 根据可能反映认知弹性或早期衰退的神经模式对个体进行聚类

• 检测恢复中的微妙异常，可能表明新兴的神经系统问题

• 使用包括 EEG、SpO2 和 fNIRS 在内的多模态数据流解释实时大脑状态

由于 FBM 已经在如此多样的真实世界大脑会话上进行了训练，FBM 可以针对新应用进行微调——加速认知衰退、心理健康和数字治疗等领域的开发，而无需昂贵的新数据集，据 Muse 称。

“我们不再将 EEG 视为静态指标，”Muse 首席营销官 Nadia Kumentas 说。“对我们来说，大脑活动是一种活生生的、上下文相关的语言——基础模型可以学习、解释并将其转化为可操作的洞察。”

在一个重要的临床里程碑中，Muse 使用 PSG 标记的数据集展示了与专家睡眠评分者相当的睡眠分期准确性，这一准确性在回顾性和实时测试中都得到了验证。超越人类能力，Muse 的专有 mEEG 信号和基础大脑模型现在不仅在完全可穿戴的形式因子中提供实验室级别的评分精度，而且还提供了更深入的洞察——例如，即使在环境噪声存在的情况下，也能对睡眠的宏观和微观结构进行分期。

“我们通过 Athena 所实现的成就证实了 Muse 不仅仅是一个消费设备——它是一个临床级平台，准备好支持真实世界的研发、去中心化试验和家庭诊断的未来，”Muse 首席执行官 Jean-Michel Fournier 说。

这种级别的准确性使得在家庭环境中实现无摩擦的纵向睡眠评分成为可能——在临床试验中降低成本和复杂性，同时为终端用户提供可靠、精确的洞察。

Muse 现在使得从额头测量血氧水平（SpO2）成为可能——将睡眠呼吸暂停和呼吸研究的关键工具从实验室带入家庭。

Muse 已经在认知衰退、长期 COVID-19、中风恢复和数字治疗的研究中得到应用，Muse 的基础设施支持快速实验、人群层面的洞察以及与制药、研究和健康技术的潜在插件。

Muse 通过其 mEEG 平台开创大脑健康，该平台基于先进的 AI 算法。Muse 领导去中心化研究计划，专注于通过创新的神经技术增强心理健康、优化睡眠和提升认知表现。Muse 的 AI 驱动的神经技术工具为全球的研究人员、开发人员和消费者提供支持，并得到了包括梅奥诊所、麻省理工学院和哈佛大学在内的 200 多项由第三方领导的研究研究的支持。Muse 总部位于多伦多。