Inbrain Neuroelectronics

Inbrain Neuroelectronics es una startup con sede en Barcelona, clasificada en el corpus como empresa de software y SaaS y registrada como activa. La fuente disponible es la entrada de Inbrain Neuroelectronics en la Wikipedia en castellano.

Según esta fuente, la empresa trabaja en el desarrollo de tecnologías de interfaz cerebro-ordenador basadas en el grafeno. Esta es la única fuente que consta en el corpus, de modo que los datos sobre su actividad, estructura e hitos se limitan a lo que recoge esta entrada.

La información del corpus no permite detallar la historia de la fundación: no consta la fecha de constitución, ni los socios iniciales, ni el proceso de creación de la empresa más allá de lo que pueda recoger la fuente citada. Para completar este apartado sería necesario consultar el registro mercantil (BORME) y las fuentes primarias de la empresa.

De acuerdo con la fuente disponible, Inbrain Neuroelectronics desarrolla implantes neuronales y tecnologías de interfaz cerebro-ordenador que utilizan el grafeno como material. La orientación es la neurotecnología médica, es decir, aplicaciones clínicas relacionadas con el sistema nervioso.

El corpus no detalla qué productos concretos comercializa, qué clientes o socios tiene ni en qué fase de desarrollo se encuentran sus tecnologías. Estos aspectos no constan.

No consta en el corpus ninguna información sobre la evolución financiera, el crecimiento, las rondas de financiación o los hitos comerciales de la empresa. La fuente disponible es una entrada enciclopédica y no aporta datos económicos verificables.

La empresa no ha cerrado. De acuerdo con el corpus, Inbrain Neuroelectronics consta como activa. Este informe no describe ningún proceso de cierre ni de transformación porque no hay constancia de ello en las fuentes disponibles.

Dado que la empresa continúa activa, no se puede hablar de herencia en el sentido de legado de una actividad acabada. Lo que consta es su línea de trabajo en neurotecnología con grafeno, recogida en la fuente citada.

El corpus no identifica a las personas fundadoras de Inbrain Neuroelectronics ni recoge información sobre su situación actual. Estos datos no constan. Para obtenerlos sería necesario consultar el registro mercantil, las notas de prensa de la empresa y las fuentes periodísticas especializadas en biotecnología y neurotecnología.

• En un sector como la neurotecnología médica, la información pública útil suele estar en fuentes primarias (registro mercantil, comunicaciones de la empresa, publicaciones científicas) más que en entradas enciclopédicas, que a menudo no recogen datos financieros ni de gobierno corporativo.
• Para evaluar una startup de tecnología médica hay que distinguir entre la fase de investigación, la de desarrollo clínico y la de comercialización; el corpus disponible no permite situar a Inbrain en ninguna de estas fases.
• Cuando la única fuente es una enciclopedia, el informe debe limitarse a lo que esta afirma y marcar explícitamente los vacíos, en lugar de completarlos con suposiciones.

Segons la font disponible [Wikipedia], Inbrain Neuroelectronics és una startup de Barcelona que desenvolupa interfícies cervell-ordinador (BCI) basades en materials de grafè. Aquesta és l'única dada verificada de què disposo; no tinc informació verificada sobre el seu estat financer, producte comercial, clients ni equip.

Per tant, aquest informe no parteix d'una empresa tancada sinó d'una empresa activa. La proposta que segueix és una reconstrucció hipotètica: què es podria construir avui, des de zero, amb una essència similar (neurotecnologia de senyal cerebral amb materials avançats), i quant costaria. Tot el que segueix és proposta meva, no descripció de la realitat d'Inbrain.

No disposo de dades verificades sobre el mercat d'Inbrain ni sobre la seva tracció comercial. El que sí que puc afirmar, com a context general (no verificat per a aquest cas concret), és que la neurotecnologia mèdica és un camp emergent amb actors acadèmics i clínics.

Com a proposta, el mercat on encaixaria una iniciativa així seria:

• Recerca clínica i acadèmica (grups de neurologia, neurocirurgia, epilepsia, Parkinson).
• Dispositius mèdics implantables (a llarg termini, amb regulació molt exigent).
• Eines de diagnòstic i monitoratge (a mitjà termini, més assequibles regulatòriament).

Aquestes són hipòtesis de mercat a validar, no dades verificades.

Proposta (no verificada): un model per fases, habitual en deep tech:

1. Fase recerca: contractes de col·laboració amb hospitals i universitats, subvencions públiques i projectes europeus.
2. Fase producte: llicència de tecnologia o venda d'equips a centres de recerca.
3. Fase clínica: assajos i, si s'escau, ruta regulatòria com a dispositiu mèdic.

El model de negoci real d'Inbrain no està verificat a la font disponible; el que descric aquí és una proposta de model per a una reconstrucció, no una descripció de la seva activitat.

Proposta, en fases (terminis estimats, a validar):

1. Mesos 0-6: constituir equip fundador tècnic i clínic, definir un cas d'ús concret (p. ex. monitoratge d'epilèpsia), assegurar acords amb un hospital.
2. Mesos 6-18: prototip i validació preclínica; sol·licitud de subvencions i projectes competitius.
3. Mesos 18-36: primers pilots clínics i ruta regulatòria inicial.
4. Mesos 36+: escalat comercial o llicència.

Aquests terminis són estimacions orientatives, no dades de cap empresa.

Estimació (rang, a validar): una iniciativa de neurotecnologia amb materials avançats és intensiva en capital i en temps. Un ordre de magnitud raonable per als primers 18 mesos podria ser:

• Equip fundador i tècnic inicial: 0,8-1,5 M€ (estimat).
• Prototip i equip de laboratori: 0,5-1,5 M€ (estimat).
• Validació preclínica i acords clínics: 0,3-1 M€ (estimat).
• Legal, propietat intel·lectual i regulatori: 0,2-0,5 M€ (estimat).

Total orientatiu primers 18 mesos: 1,8-4,5 M€ (estimació molt àmplia, a validar). Són xifres de referència per a una reconstrucció hipotètica, no costos reals d'Inbrain.

• Risc regulatori: els dispositius mèdics implantables requereixen anys d'assajos i aprovacions.
• Risc tecnològic: la durabilitat i biocompatibilitat dels materials és un repte obert.
• Risc de finançament: el deep tech necessita capital pacient i fons públics.
• Risc de mercat: els cicles de venda a hospitals i centres de recerca són llargs.
• Risc d'informació: en aquest informe no disposo de dades verificades sobre l'empresa més enllà de la font citada; qualsevol comparació amb Inbrain seria especulativa.

Aquest apartat recull les lliçons que es poden extreure de l'única font verificada i del que aquest informe ha pogut contrastar:

• La font disponible [Wikipedia] confirma l'existència d'Inbrain com a startup de Barcelona en neurotecnologia amb grafè, però no permet verificar el seu model de negoci, equip, finances ni producte.
• La lliçó principal és que qualsevol reconstrucció ha de partir de dades verificades; aquí només n'hi ha una, i la resta és proposta marcada com a tal.
• Per tant, qui vulgui fer una reconstrucció real hauria de: (1) verificar l'estat actual de l'empresa i la seva tecnologia, (2) validar el mercat amb hospitals i centres de recerca, i (3) dimensionar el capital amb socis clínics i financers abans de comprometre's.
• No incloc un perfil de fundador ni un currículum, sinó aquestes lliçons: verificar abans de construir, validar el mercat clínic i pressupostar amb prudència.

Inbrain Neuroelectronics (INBRAIN) és una startup de Barcelona que, segons la [Wikipedia], desenvolupa interfícies cervell-ordinador amb elèctrodes de grafè per a aplicacions neurològiques. El coll d'ampolla real no és el maquinari sinó el programari que l'envolta: avui un assaig clínic de neuroestimulació adaptativa requereix que un enginyer estigui present per ajustar paràmetres, que les dades de senyal es processin en estacions aïllades i que la traçabilitat de cada decisió terapèutica es faci en fulls de càlcul.

Això genera tres problemes concrets: (1) la latència del bucle tancat no és mesurable ni garantible, (2) no hi ha un registre auditable que lligui senyal cru, paràmetre aplicat i resultat clínic, i (3) cada centre d'assaig reinventa la seva pipeline, cosa que fa impossible comparar cohorts. La plataforma que es descriu aquí resol aquests tres punts com un producte SaaS amb desplegament on-premise per a l'àmbit clínic.

L'arquitectura és un sistema de tres plans amb un bus d'esdeveniments comú. El motiu de separar-los és que el bucle de control ha de tenir latència determinista i no pot dependre de la disponibilitat del núvol, mentre que l'analítica i l'auditoria sí que poden ser asíncrones.

``` [Electròdes grafè] -> [Gateway d'adquisició (edge, Rust)] | senyal 1-2 kHz, UDP local v [Motor de bucle tancat (edge)] | decisions + telemetria v [Broker d'esdeveniments (Kafka/Redpanda)] | | v v [Servei d'analítica] [Emmagatzematge auditable] (Python, models) (Postgres + object store) | v [API clínica + consola web] ```

• Gateway d'adquisició: escrit en Rust perquè el processament de senyal a 1-2 kHz amb jitter baix requereix control de memòria i absència de GC. Fa filtratge i extracció de característiques bàsiques (banda de potència, artefactes) abans d'enviar res.
• Motor de bucle tancat: viu a l'edge, al costat del pacient. Implementa la política de decisió (regles deterministes versionades, no ML en producció inicial) i té un mode "fail-safe" que reverteix a paràmetres segurs si perd el heartbeat del broker.
• Broker d'esdeveniments: Kafka o Redpanda perquè necessitem replay ordenat per a auditoria i perquè el mateix flux alimenta analítica i registre legal.
• Analítica: Python perquè l'ecosistema de senyal (numpy, scipy, mne) és aquí i l'equip de recerca ja hi treballa.
• Emmagatzematge auditable: Postgres per a metadades i decisions, object store amb escriptura única (WORM) per al senyal cru, perquè un assaig clínic exigeix immutabilitat.

El model gira al voltant de tres entitats: el subjecte, la sessió i la decisió terapèutica. La clau és que cada decisió és immutable i referencia el senyal exacte que la va motivar.

```sql -- Subjecte d'assaig (pseudonimitzat; mai nom real en aquesta taula) subject(id uuid pk, trial_code text, site_id uuid, enrolled_at timestamptz)

-- Sessió de registre/estimulació session(id uuid pk, subject_id uuid fk, device_serial text, started_at timestamptz, ended_at timestamptz, config_version text)

-- Finestra de senyal (referència a objecte WORM) signal_window(id uuid pk, session_id uuid fk, t_start_ms bigint, t_end_ms bigint, object_uri text, checksum_sha256 text)

-- Decisió del motor de bucle tancat (append-only) decision(id uuid pk, session_id uuid fk, signal_window_id uuid fk, policy_version text, input_features jsonb, params_applied jsonb, latency_us int, decided_at timestamptz, operator_id uuid null)

-- Esdeveniment advers / intervenció manual adverse_event(id uuid pk, session_id uuid fk, severity smallint, description text, reported_at timestamptz) ```

Les taules `decision` i `signal_window` són append-only amb triggers que rebutgen `UPDATE` i `DELETE`. El motiu és regulatori: qualsevol canvi de paràmetre terapèutic ha de ser reconstruïble bit a bit. `input_features` en `jsonb` permet evolucionar les característiques sense migracions, però es versiona via `policy_version`.

• API de control (gRPC): entre gateway, motor de bucle tancat i broker. gRPC perquè necessitem streaming bidireccional i contractes forts; REST afegeix overhead d'serialització que no volem al camí crític.
• API clínica (REST/JSON): per a la consola web i integració amb sistemes hospitalaris. Endpoints: `GET /sessions/{id}/decisions`, `POST /sessions/{id}/interventions`, `GET /subjects/{id}/timeline`. Autenticació OAuth2 amb scopes per rol (investigador, metge, auditor).
• Integració HL7 FHIR: exportació de `Observation` i `Procedure` cap al sistema de l'hospital, perquè l'assaig ha de quedar registrat a la història clínica electrònica del centre.
• Webhook d'alertes: cap a PagerDuty o equivalent quan el motor entra en mode fail-safe o es detecta un artefacte sostingut.

1. Gateway d'adquisició + simulador de senyal. Sense un simulador que generi senyal sintètic reproduïble no es pot desenvolupar res més. És el primer lliurable.
2. Motor de bucle tancat amb una sola política determinista (per exemple, llindar de potència de banda) i mode fail-safe. Una política, no un framework de polítiques.
3. Pipeline d'auditoria: broker + Postgres + object store WORM amb el trigger append-only. Això s'ha de fer abans que qualsevol dada real toqui el sistema.
4. Consola mínima: llistat de sessions, timeline de decisions, botó d'intervenció manual.

No es construeix ML en producció en aquesta fase; el motiu és que un model no auditable no passa revisió regulatòria i el valor inicial és la traçabilitat, no la intel·ligència.

• Latència del bucle: objectiu p95 < 20 ms extrem a extrem a l'edge. Risc: el jitter de xarxa local i el scheduler del SO. Mitigació: CPU pinning, kernel RT o PREEMPT_RT, i mesura contínua de `latency_us` a cada decisió.
• Volum de dades: a 2 kHz i 32 canals, ~256 KB/s per sessió; una sessió de 8 h són ~7 GB. Cal retenció per capes (cru 90 dies, característiques indefinit) i compressió al gateway.
• Risc regulatori: el sistema toca decisió terapèutica, per tant cau sota MDR com a programari mèdic de classe alta. Cal IEC 62304 des del primer commit, no després.
• Risc de seguretat: un atac al broker podria injectar decisions. Mitigació: signatura de decisions al motor, mTLS a tots els enllaços, i el mode fail-safe com a defecte.
• Risc organitzatiu: dependència d'un sol centre d'assaig per validar. Mitigació: dissenyar el model multi-site des del dia u encara que només se n'activi un.

• Validació del bucle: test d'integritat amb senyal sintètic on es coneix la decisió esperada; el test falla si `latency_us` supera el llindar o si la decisió difereix de l'esperada.
• Validació d'auditoria: test que intenta `UPDATE` sobre `decision` i ha de rebre error; test de replay que reconstrueix una sessió des del broker i compara checksums.
• Validació clínica: estudi pilot amb un centre, cohorts petites, comparant traçabilitat i temps d'ajust manual respecte al procés actual. Mètrica primària: temps per ajust terapèutic; secundària: nombre d'esdeveniments adversos detectats.
• Validació de seguretat: pentest sobre l'API clínica i prova de tall de xarxa que ha d'activar el fail-safe en menys de 500 ms.

Nota de fonts: la descripció d'Inbrain Neuroelectronics i la seva activitat en interfícies cervell-ordinador amb grafè es basa en l'entrada de la [Wikipedia]. La resta de decisions tècniques són propostes d'aquest document i no afirmacions sobre l'estat actual del producte de l'empresa.