Tworzenie startupu BCI w Polsce: bariery prawne, etyczne i technologiczne, o których mało kto mówi

Od slajdu pitch decku do pierwszego sygnału EEG: gdzie projekty BCI naprawdę się wywracają

Na demo day wszystko wygląda dobrze: krótki film, na którym osoba w opasce EEG „myślą” steruje kursorem, slajd z Neuralinkiem i hasło „pierwszy polski startup BCI na skalę globalną”. Po oklaskach przychodzi jednak moment, gdy trzeba wejść do szpitala, porozmawiać z komisją bioetyczną, działem prawnym i inspektorem ochrony danych. I tam bardzo wiele projektów BCI w Polsce zatrzymuje się na miesiące albo znika.

Founders często wchodzą w neurotechnologie z trzech powodów: fascynacja mózgiem, chęć zrobienia „czegoś większego niż kolejny SaaS” i przekonanie, że BCI to kolejny wielki trend. Inwestorzy dodają do tego oczekiwanie, że będzie to „deep tech” z dużą barierą wejścia. Problem zaczyna się w momencie, gdy wizja „drugi Neuralink” spotyka się z polską biurokracją medyczną, etyką badań na ludziach i twardymi ograniczeniami technologii EEG dostępnej za rozsądne pieniądze.

Pierwsza poważna decyzja, która ustawia cały projekt dalej, to wybór segmentu: kliniczny, paramedyczny, wellbeing/rozrywka czy stricte badawczy. To nie jest kwestia marketingu, tylko realnego poziomu wymogów prawnych, etycznych i technologicznych. To, co wpiszesz w pitch decku jako „use case”, będzie później decydowało, czy musisz prowadzić badania kliniczne, mieć certyfikację wyrobu medycznego i pełną infrastrukturę RODO dla danych medycznych, czy możesz zacząć jako produkt wellbeing z lżejszą ścieżką.

Kluczowe pytanie dla założyciela startupu BCI w Polsce brzmi więc inaczej niż: „czy to się da zrobić?”. Raczej: za jaką cenę, w jakiej konfiguracji i w jakim horyzoncie czasowym da się to zrobić tak, żeby mieć produkt, a nie tylko granty i prototypy. Odpowiedź zależy od tego, gdzie postawisz granicę między ambicją kliniczną a pragmatycznym MVP oraz jak wcześnie zaczniesz myśleć o prawie i etyce nie jako o hamulcu, tylko o kolejnej osi projektu.

Jakie BCI w Polsce są w ogóle realne na start: mapa segmentów

Inwazyjne i nieinwazyjne BCI: granice na poziomie praktyki

Teoretycznie BCI dzielimy na inwazyjne (implanty w mózgu, elektrody pod czaszką) i nieinwazyjne (EEG, fNIRS, EMG, eye-tracking jako sygnał pomocniczy). W polskich realiach startupowych ten podział jest jeszcze prostszy: inwazyjne BCI to domena dużych konsorcjów klinicznych i długich grantów, nie młodych spółek technologicznych.

Jeżeli myślisz o implantach mózgowych, głębokiej stymulacji mózgu czy operacjach neurochirurgicznych z elementem BCI, w praktyce oznacza to konieczność współpracy z dużym ośrodkiem klinicznym, udział neurochirurgów, lata procedur badań klinicznych i olbrzymie koszty ubezpieczenia. Na tym poziomie działają raczej konsorcja uczelnia–szpital–międzynarodowy grant niż startup z seed roundem.

Obszar, w którym startup BCI w Polsce ma realną przestrzeń na start, to nieinwazyjne interfejsy oparte na EEG, ewentualnie fNIRS, EMG i połączeniu z AI. Możesz korzystać z gotowego sprzętu (medycznego lub konsumenckiego) i skupić się na algorytmach, UX i konkretnych zastosowaniach. Nawet wtedy jednak poziom wymogów zależy przede wszystkim od tego, co dokładnie twierdzisz, że twój system robi i komu służy.

Kliniczne, paramedyczne, wellbeing, rozrywka i badawcze – cztery różne gry

Segmentów BCI można używać jako mapy decyzji. Od nich zależy, jak trudny będzie start, jakie bariery prawne i etyczne napotkasz oraz gdzie jest sens stawiać pierwsze kroki.

Projekty kliniczne: medycyna w pełnej wersji

Typowe przykłady to: system wspierający rehabilitację poudarową, BCI do sterowania egzoszkieletem u pacjentów po urazach rdzenia, komunikacja z osobami z zespołem zamknięcia, lub narzędzie wspomagające diagnozę (np. w zaburzeniach świadomości). W tych przypadkach nie uciekniesz od kategorii wyrobu medycznego, badań klinicznych i ścisłej współpracy z lekarzami.

Oznacza to: wymogi jakościowe dla sprzętu i oprogramowania, system zarządzania jakością, formalne procedury badań na ludziach, zgody komisji bioetycznej i długi cykl rozwoju. Roadmapa takiego projektu to lata, a nie miesiące. W zamian zyskujesz jednak realny wpływ na medycynę i produkt, który może mieć mocne bariery wejścia na rynku globalnym.

Projekty paramedyczne: terapeutyczne, ale „nie wprost”

To cały obszar między kliniką a wellbeingiem: np. systemy zarządzania stresem dla osób po wypaleniu zawodowym, trening koncentracji w szkołach, narzędzia wspierające terapię psychologiczną (ale nie deklarujące leczenia konkretnej jednostki chorobowej), neurofeedback używany przez psychologów, a nie lekarzy.

Ten segment to szara strefa regulacyjna. Jeśli w marketingu i dokumentacji zaczniesz używać sformułowań bliskich medycynie („leczenie depresji”, „terapia ADHD”), możesz zostać potraktowany jak wyrób medyczny. Jeśli zostaniesz przy pojęciach typu „trening uwagi”, „wsparcie dobrostanu”, „narzędzie dla psychologów”, masz szansę zostać po stronie wellbeing/edukacja, ale musisz mieć spójne komunikaty i dobre uzasadnienie, gdy ktoś zada trudne pytania.

Wellbeing, performance, rozrywka: lżejsza ścieżka z własnymi pułapkami

Najłatwiej zacząć od obszaru takich zastosowań jak: koncentracja gracza, medytacja, trening relaksacji dla zdrowych, biofeedback sportowy (np. dla e-sportu), aplikacje poprawiające sen bez diagnozy zaburzeń. Na tym polu można wykorzystać konsumenckie opaski EEG i skoncentrować się na algorytmach, interfejsie i modelu subskrypcyjnym.

To jednak nie oznacza pełnej swobody. Jeżeli zaczniesz sugerować, że twoje BCI „redukuje objawy lękowe” lub „poprawia funkcjonowanie osób z ADHD”, możesz wejść na pole terapeutyczne. Im bliżej medycyny, tym większe ryzyko, że zostaniesz uznany za wyrób medyczny, choć startowałeś jako produkt lifestyle. Dlatego w wellbeingie kluczowa jest ścisła kontrola języka obietnic i przejrzysta polityka dotycząca danych mózgowych.

Projekty stricte badawcze i R&D

Czwarty segment to spółki i spin-offy, które przez lata żyją głównie z grantów badawczych, zlecanych projektów R&D lub współpracy z korporacjami w obszarze neuro. Ich celem bywa rozwój technologii, a nie szybka sprzedaż produktu masowego.

Taki model ma sens, jeśli zespół wywodzi się z uczelni, ma dostęp do laboratorium i planuje tworzenie know-how, patentów, algorytmów, które później będą licencjonowane lub sprzedane korporacji. Kluczowym wyzwaniem staje się wtedy nie sprzedaż B2C, a zarządzanie własnością intelektualną i tempem prac z udziałem jednostek naukowych.

Dwa scenariusze startu: rehabilitacja poudarowa vs koncentracja gamerów

Zespół z Politechniki celujący w rehabilitację poudarową

Załóżmy, że grupa z uczelni ma doświadczenie w EEG i AI, przygotowała prototyp systemu, który ma pomagać pacjentom po udarze w odzyskiwaniu sprawności ręki poprzez sterowanie prostą grą lub robotem rehabilitacyjnym. Technologicznie to realne. Problem zaczyna się na poziomie regulacji.

Taki system wspiera proces rehabilitacji, wpływa na zdrowie pacjenta i jest elementem terapii prowadzonej przez lekarzy. To praktycznie pewny wyrób medyczny klasy co najmniej IIa lub wyższej, w zależności od roli w terapii. Oznacza to konieczność:

• współpracy z ośrodkiem klinicznym, który weźmie odpowiedzialność medyczną,
• przejścia przez komisję bioetyczną i formalne badania na pacjentach,
• wdrożenia systemu zarządzania jakością i spełnienia wymogów dla wyrobów medycznych,
• budżetu i czasu liczonych w latach, nie miesiącach.

Jeżeli zespół jest na etapie studenckiego projektu i myśli o seed rundzie od aniołów, zderzy się z oczekiwaniami inwestorów co do tempa komercjalizacji. Rozwiązaniem może być dwutorowe podejście: kliniczny roadmap dla rehabilitacji oraz prostszą wersję wellbeing tego samego systemu (np. trening motoryki dla zdrowych użytkowników), która stanie się pierwszym produktem generującym dane i przychody.

Zespół software’owy z opaskami EEG i „koncentracją gamerów”

Drugi scenariusz: grupa inżynierów AI chce robić produkt dla e-sportu i graczy. Kupują konsumenckie opaski EEG, budują modele przewidujące „poziom skupienia”, integrują z grą, która zmienia się, gdy koncentracja spada. Celują w subskrypcję B2C lub B2B2C z platformami gamingowymi.

Z prawnego punktu widzenia startują w segmencie wellbeing/rozrywka. Jeśli nie obiecują efektów terapeutycznych i jasno mówią, że to narzędzie treningowe, a nie medyczne, nie muszą wchodzić w ciężkie procedury wyrobów medycznych. Mają jednak inne bariery:

• muszą porządnie ogarnąć RODO, bo zbierają sygnały z mózgu (nawet jeśli nie są to dane medyczne, są bardzo wrażliwe),
• nie mogą potajemnie „czytać emocji” czy budować profilów psychologicznych bez wyraźnej i świadomej zgody,
• muszą uważać, żeby marketing nie sugerował leczenia zaburzeń uwagi.

Ten scenariusz wydaje się prostszy, ale ma swoją pułapkę: technicznie łatwo przesadzić z obietnicami („dokładnie mierzymy koncentrację”), podczas gdy sygnał z tanich opasek jest szumiący. Jeśli realne działanie produktu nie dorasta do marketingu, projekt zabija nie regulator, tylko rozczarowany rynek.

Polski labirynt regulacyjny: co wpływa na roadmapę, budżet i nerwy founderów

Czy to jest wyrób medyczny? Kluczowa klasyfikacja na dzień zero

Najważniejsze pytanie regulacyjne przy startupie BCI w Polsce: czy twój produkt zostanie zaklasyfikowany jako wyrób medyczny. To nie zależy wyłącznie od tego, jak go nazwiesz, tylko od celu zastosowania i rzeczywistej funkcji.

Systemy BCI bywają klasyfikowane w praktyce jako:

• sprzęt medyczny (np. certyfikowane EEG, fNIRS używane diagnostycznie),
• oprogramowanie medyczne (np. algorytm wspierający diagnozę, planujący rehabilitację),
• zintegrowany system (urządzenie + software sterujący terapią, robot rehabilitacyjny sterowany przez EEG),
• oprogramowanie niemedyczne (wellbeing, gry, edukacja, jeśli nie ma celu medycznego).

Kilka prostych przykładów, które pomagają ustawić kierunek:

• „System wspomagający rehabilitację po udarze” – prawie na pewno wyrób medyczny. Wpływa na terapię pacjenta i jest elementem procesu leczniczego.
• „Interfejs BCI do sterowania egzoszkieletem u pacjentów po urazie rdzenia” – wyrób medyczny o istotnym wpływie na funkcjonowanie pacjenta.
• „Aplikacja do medytacji z opaską EEG dla zdrowych dorosłych” – typowo wellbeing, o ile nie deklaruje leczenia zaburzeń lękowych, depresji czy bezsenności jako choroby.
• „Gra treningowa poprawiająca pamięć u osób z łagodnym otępieniem” – tu ryzyko wejścia w obszar medyczny jest wysokie, bo dotyka konkretnego zaburzenia.

Błędna klasyfikacja może mieć poważne konsekwencje. Jeśli produkt jest faktycznie używany jak wyrób medyczny, a formalnie został zgłoszony jako sprzęt lifestyle, możesz trafić na:

• nakaz wycofania produktu z rynku,
• kłopoty przy kontroli (np. w szpitalu),
• konflikt z partnerami klinicznymi, którzy poczują, że „obchodzisz system”,
• ostracyzm inwestorów, którzy boją się ryzyk regulacyjnych.

Dlatego przy projektach z pogranicza medycyny sensownie jest już na bardzo wczesnym etapie porozmawiać z prawnikiem medycznym i kimś, kto realnie wdrażał wyroby medyczne w UE. Nie chodzi o cytowanie przepisów, tylko o świadomą decyzję, po której stronie bariery stajesz i jakie to ma konsekwencje dla budżetu i harmonogramu.

Badania na ludziach: kiedy test UX staje się eksperymentem medycznym

Kolejny punkt zapalny to badania na użytkownikach. W startupach software’owych testy z użytkownikami robi się „na miękko”: zaprasza się grupę, pokazuje prototyp, zbiera feedback. W BCI granica między testem UX a eksperymentem na człowieku jest o wiele bliżej, niż się wydaje.

Można przyjąć prostą zasadę:

• jeżeli testujesz zdrowych użytkowników, produkt ma charakter wellbeing/rozrywka, a ryzyko fizyczne jest minimalne – często wystarczy zgoda uczestnika i standardowe procedury bezpieczeństwa,
• jeżeli angażujesz pacjentów, dotykasz obszarów klinicznych, wpływasz na ich terapię lub diagnozę – wchodzisz na obszar eksperymentu medycznego lub badania klinicznego, co wymaga zgody komisji bioetycznej i udziału lekarza.

Granica nie przebiega też wyłącznie po linii „pacjent – osoba zdrowa”. Jeśli w badaniu zbierasz dane, które mogą być interpretowane jako medyczne (np. korelujesz sygnał EEG z objawami depresji czy ADHD), albo wyniki mogą wpływać na decyzje terapeutyczne lekarza, w praktyce wchodzisz w obszar badań biomedycznych. Wtedy nawet „test prototypu” w coworku może z perspektywy prawa wyglądać jak eksperyment na człowieku.

W modelu BCI sensowne jest rozdzielenie dwóch ścieżek. Pierwsza to szybkie testy UX/produkcyjne na zdrowych użytkownikach, gdzie celem jest ergonomia, grywalność, jakość sygnału. Druga to ścieżka badań klinicznych, prowadzona już razem z ośrodkiem medycznym, z pełnym protokołem, zgodami, polisą ubezpieczeniową i kontrolą nad tym, jakie decyzje mogą być podejmowane na podstawie danych z systemu.

Typowy błąd founderów: zaczynają od „niewinnych” testów z pacjentami, bo znajomy fizjoterapeuta zgodził się „poklikać z pacjentami po udarze”. Po kilku miesiącach mają w prezentacji dla inwestorów slajd „przetestowane na X pacjentach”, ale bez zgody komisji bioetycznej i bez jasnego statusu prawnego. Dla poważnego funduszu to nie jest zaleta, tylko czerwone światło – trzeba potem porządkować dokumentację wstecz, co bywa trudniejsze niż zrobienie tego poprawnie od początku.

Bezpieczniejszy plan to przyjąć, że każde wejście w środowisko kliniczne wymaga dodatkowej warstwy formalnej: partnera medycznego, procedur bezpieczeństwa, wzorów zgód, audytu ochrony danych. Zamiast skracać tę drogę „po znajomości”, lepiej wykorzystać czas na dopracowanie prototypu na zdrowych użytkownikach i równoległe przygotowanie pełnowartościowego protokołu badania do złożenia w komisji bioetycznej.

Dla polskiego startupu BCI realna przewaga konkurencyjna rodzi się rzadko z samego algorytmu, częściej z umiejętności poruszania się po tym labiryncie: jasnego wyboru między ścieżką medyczną a wellbeing, świadomego planu badań na ludziach, kontroli nad danymi i uczciwej komunikacji ograniczeń technologii. Kolejny rozsądny krok to krótki warsztat z prawnikiem medycznym i osobą od badań klinicznych – zanim powstanie pierwszy pitch deck i roadmapa, które potem trudno będzie dopasować do rzeczywistości regulacyjnej.

Neurodane jako paliwo i mina: własność, zgody, modele AI

W BCI dane są jednocześnie największym aktywem i największym ryzykiem. W polskich realiach nie rozbija się to tylko o ogólne hasło „RODO”, ale o kilka bardzo konkretnych decyzji, które trzeba podjąć na początku.

Kto jest właścicielem sygnałów z mózgu?

Formalnie mówimy o administratorze danych i podmiotach, których dane dotyczą, ale z perspektywy startupu sprawa jest prostsza: użytkownik/pacjent powinien zachować kontrolę nad sygnałami, a firma – jasno zdefiniowane prawo do ich przetwarzania.

Przy pierwszych umowach z kliniką albo uczelnią pojawia się pokusa, żeby „hurtowo” przejąć dane z badań. Tu zaczynają się konflikty. Szpital zwykle chce zachować pełną kontrolę nad danymi medycznymi, uczelnia doda do tego swoje roszczenia wobec wyników badań, a startup potrzebuje swobody trenowania modeli.

Najrozsądniej potraktować neurodane jak wspólny zasób z jasno podzielonymi prawami: klinika odpowiada za przechowywanie danych źródłowych pacjentów, a startup ma licencję na ich anonimizowaną kopię do celów rozwojowych. Brak takiej struktury na starcie mści się przy pierwszych rozmowach z inwestorem technologicznym, który zacznie dopytywać o realne prawa do datasetu.

Jak zbudować zgodę pacjenta/użytkownika, która wytrzyma rozwój produktu

Przy BCI standardowy formularz RODO z aplikacji mobilnej jest za słaby. Sygnały mózgowe mogą w przyszłości ujawniać znacznie więcej, niż dzisiaj potrafimy z nich wyczytać. To podbija oczekiwania co do świadomej zgody.

Przydają się trzy warstwy:

• jasny opis aktualnego celu (diagnostyka, rehabilitacja, trening koncentracji),
• oddzielna zgoda na wykorzystanie danych do rozwoju algorytmów i badań naukowych,
• mechanizm wycofania zgody, który rzeczywiście da się zrealizować technicznie.

Kluczowy detal: po wycofaniu zgody nie „odtrenujesz” już modelu, który korzystał z tych danych. Możesz natomiast przestać używać surowych sygnałów i ich pochodnych przy dalszym trenowaniu. Uczciwa komunikacja tego ograniczenia zmniejsza ryzyko zarzutu wprowadzania w błąd, gdy ktoś po latach zacznie drążyć temat.

Trenowanie AI na neurodanych: gdzie kończy się anonimowość

Przy małych próbach klinicznych „anonimizacja” często jest iluzją. Nawet po usunięciu imienia i PESEL-u da się zidentyfikować pacjenta po kombinacji dat wizyt, diagnozy i sygnałów, jeśli ma się dostęp do systemu szpitalnego.

Dlatego w praktyce:

• z kliniką buduje się model współadministracji lub powierzenia danych, zamiast udawać pełną anonimizację,
• modele trenuje się na danych możliwie znormalizowanych, z minimalizacją metadanych, które ułatwiają identyfikację,
• dostęp do surowych zapisów EEG/fNIRS ma wąska grupa, a do modeli – znacznie szersza.

Technicznie ważne jest rozdzielenie środowiska z danymi pacjentów (silnie kontrolowane, najlepiej po stronie kliniki lub w wydzielonej infrastrukturze) od środowiska deweloperskiego, w którym pracuje większa część zespołu. W wielu polskich projektach właśnie tu rodzi się faktyczne ryzyko prawne, a nie w treści regulaminu.

Technologiczne ograniczenia, które determinują biznes

W BCI teoretycznie wszystko jest możliwe, ale konkretne właściwości sprzętu i sygnału brutalnie redukują listę realnych produktów. Kilka technicznych detali przekłada się bezpośrednio na strategię firmy.

Jakość sygnału kontra obietnica produktu

W Polsce większość młodych zespołów startuje od tanich, nieinwazyjnych rozwiązań EEG. To logiczne kosztowo, ale od razu ustawia sufit tego, co można zrobić uczciwie. Z prostych opasek nie zbudujesz wiarygodnego „czytnika emocji” ani narzędzia do diagnozy padaczki.

Pierwsza decyzja technologiczna to określenie minimalnej jakości sygnału, przy której obietnica produktowa jest jeszcze realna. Jeżeli planujesz interfejs sterujący robotem, akceptowalna latencja i stosunek sygnału do szumu będą inne niż przy treningu relaksacji. Te parametry trzeba spiąć z roadmapą i marketingiem, żeby uniknąć obietnic, których nie dowieziesz bez wymiany całego stosu sprzętowego.

Brak standardów sprzętowych i „vendor lock-in”

Rynek BCI w Polsce jest mały, więc nie ma jednego dominującego standardu. Kupując egzotyczny zestaw EEG czy fNIRS od niszowego producenta, możesz za dwa lata zostać z systemem, którego nikt nie serwisuje.

Bezpieczniejsza strategia to trzymać się platform, które:

• mają otwarte lub dobrze udokumentowane API,
• obsługują standardowe formaty zapisu (np. EDF, BDF),
• mają realne wdrożenia w innych ośrodkach w UE.

Na poziomie software’u dobrym nawykiem jest projektowanie architektury tak, by łatwo było podmienić warstwę akwizycji na inny typ sprzętu. To nie jest tylko porządek inżynierski – taki „modularny” design zwiększa wycenę w oczach inwestora i ułatwia negocjacje z kilkoma dostawcami urządzeń.

Synergia z AI i robotyką bez dokładania sobie barier

BCI kusi wizją: użytkownik myśli, robot działa, a w tle pracuje „magiczna” sieć neuronowa. W praktyce każdy dodatkowy komponent zwiększa potencjalne ryzyko regulacyjne.

Jeśli włączysz w pętlę robota rehabilitacyjnego lub egzoszkielet, regulator zacznie patrzeć na system jako całość sterującą ruchem pacjenta. Dochodzą wtedy normy bezpieczeństwa maszyn, ocena ryzyka związanego z niezamierzonym ruchem i pytania o to, czy algorytm AI może w ogóle podejmować autonomiczne decyzje bez nadzoru terapeuty.

Przy pierwszej wersji produktu sensownie jest odseparować warstwy: BCI jako system zbierania sygnałów i generowania rekomendacji, robot jako osobny wyrób z interfejsem do przyjmowania poleceń. Decyzję terapeuty zostawia się po stronie człowieka. Taki układ zmniejsza ciężar certyfikacji i pozwala szybciej wejść w pilotaże z klinikami.

Modele biznesowe odporne na polskie realia

Świetny prototyp BCI to dopiero początek. O tym, czy projekt przeżyje pierwsze dwa lata, decyduje kilka prostych, ale bolesnych wyborów dotyczących tego, komu i co faktycznie sprzedajesz.

Czy celem jest produkt, licencja czy centrum R&D?

W polskich warunkach sensowne są trzy główne ścieżki:

• produkt medyczny/wellbeing rozwijany do sprzedaży (SaaS, urządzenie + subskrypcja),
• licencjonowanie technologii (algorytmów, know-how) większym graczom,
• budowa zespołu R&D, który staje się „neurohubem” dla zagranicznych partnerów.

Pełnowartościowy produkt medyczny to najdłuższa i najbardziej kapitałochłonna ścieżka. Dla młodego zespołu często bardziej realistyczne jest rozwijanie technologii i datasetów, które można licencjonować – np. producentom urządzeń rehabilitacyjnych, platformom e-learningowym czy firmom gamingowym.

Model „R&D hub w Polsce, komercjalizacja za granicą” bywa atrakcyjny dla funduszy, które wiedzą, że lokalny rynek kliniczny jest mały, ale jednocześnie doceniają kompetencje inżynierskie i niższe koszty rozwoju. Wtedy kluczowe staje się zabezpieczenie IP i umiejętne ustawienie umów z uczelnią, żeby nie dzielić kluczowych patentów na pół.

Unikanie regulacyjnej próżni

Najbardziej problematyczny jest obszar „pół-medyczny”: produkt nie jest jasno wellbeing, ale broni się też przed pełną ścieżką wyrobu medycznego. W takim zawieszeniu trudno prowadzić marketing, bo regulator może uznać go za wprowadzający w błąd, a jednocześnie fundusze widzą brak klarownej strategii.

Rozwiązaniem jest precyzyjne zdefiniowanie pierwszego segmentu docelowego. Zamiast „poprawa funkcji poznawczych u pacjentów i zdrowych osób” lepiej wybrać jedno: zdrowi użytkownicy (wellbeing) albo konkretna grupa kliniczna z planem certyfikacji. Można mieć w głowie długoterminową ekspansję, ale komunikacja na dziś musi być jednoznaczna.

Typowe błędy na styku nauka–biznes i jak ich uniknąć

W polskich projektach BCI powtarza się kilka schematów:

• budowanie produktu „dla wszystkich” – brak jasnego użytkownika końcowego, przez co przepala się czas na funkcje, których nikt realnie nie potrzebuje,
• założenie, że klinika „załatwi regulacje” – ośrodek medyczny dba o swoje procedury, ale nie o to, czy startup ma spójny model biznesowy i prawa do IP,
• spóźnione myślenie o skalowalności – system działa tylko w jednym szpitalu, na jednym typie urządzeń i z jednym typem pacjentów, co dramatycznie ogranicza potencjał wzrostu.

Szybki filtr na etapie pre-seed: czy wiesz, kto dokładnie zapłaci za system w pierwszym i drugim roku (szpital, pacjent, platforma trzecia), jak ta płatność będzie wyglądała (abonament, licencja, fee za badanie) i jakie regulacje obejmują konkretnie tę płatną usługę. Jeśli nie da się tego jednym zdaniem opisać, to znak, że model jest jeszcze zbyt mglisty.

Współpraca z uczelnią i kliniką: kiedy pomaga, kiedy blokuje

Bez partnerów naukowych w BCI trudno o wiarygodność i dostęp do pacjentów. Jednocześnie źle ułożona współpraca potrafi zabić dynamikę startupu na lata.

Spin-off czy niezależny startup z umową o współpracy

Uczelnie i instytuty coraz częściej oferują ścieżkę spin-offu. Dostajesz dostęp do sprzętu, brandu i laboratoriów, ale oddajesz znaczną część udziałów i kontroli nad IP. W niektórych przypadkach to uczciwa cena, w innych – zbyt wysoka.

Alternatywą jest klasyczny startup, który podpisuje z uczelnią umowę o wspólnych badaniach i licencję na wyniki. Taki model jest bardziej elastyczny, ale wymaga od zespołu większej dojrzałości prawnej i negocjacyjnej. Uczelnia będzie chciała zastrzec sobie prawo do publikacji, co z kolei trzeba pogodzić z interesem inwestora, który nie chce ujawniania wszystkich detali technologii.

Kiedy lepiej zostać przy produktach konsumenckich

Czasem po pierwszych rozmowach z kliniką wychodzi na jaw, że pełna ścieżka medyczna jest nie do uniesienia przy aktualnym kapitale i składzie zespołu. To dobry moment, żeby zadać sobie proste pytanie: czy tę samą technologię da się uczciwie zastosować w segmencie edukacyjnym, treningowym, gamingowym, bez obiecywania efektu klinicznego.

Przykład: moduł rozpoznawania stanów uwagi z EEG zamiast „wspierania leczenia ADHD” może stać się narzędziem feedbacku dla rodziców i nauczycieli w kontekście nauki i treningu. To nadal wrażliwy obszar, ale formalnie nie wchodzisz w rolę terapeuty, tylko dostarczasz metrykę, którą użytkownik interpretuje sam lub z pomocą specjalisty.

Takie „zejście” z ambicji klinicznych na pierwszym etapie nie zamyka drogi do medycyny na zawsze. Pozwala natomiast zebrać dane, zespół i przychód, które uwiarygodnią późniejszą, cięższą regulacyjnie fazę projektu.

Dla founderów kluczowe jest ustalenie priorytetu: czy głównym celem jest poprawa opieki nad pacjentem w ramach systemu ochrony zdrowia, czy budowa skalowalnego biznesu opartego o interfejsy mózg–komputer. Odpowiedź nie musi być „albo–albo”, ale na pierwsze dwa lata robi ogromną różnicę w decyzjach prawnych, etycznych i technologicznych.

Scenariusze wyjścia i realne ścieżki wzrostu

BCI to obszar, w którym „wyjście” rzadko wygląda jak klasyczny exit po trzech latach. Częściej jest to sekwencja kilku kroków: od projektu badawczego, przez joint venture, aż po wchłonięcie technologii przez większego gracza.

Sprzedaż technologii do korporacji lub dużego medtechu

Dla projektów z komponentem klinicznym najbardziej naturalnym kupującym są producenci sprzętu medycznego, oprogramowania dla szpitali albo firmy farmaceutyczne inwestujące w cyfrowe biomarkery. Z ich perspektywy liczy się nie tylko działający prototyp, ale przede wszystkim:

• czyste i dobrze opisane prawa własności intelektualnej,
• dane z pilotaży, które pokazują powtarzalny efekt,
• architektura nadająca się do integracji z istniejącym ekosystemem (HL7, FHIR, standardy bezpieczeństwa).

Dlatego na etapie pierwszych badań warto projektować procesy tak, żeby łatwo było potem oddzielić część „badawczą” od komercyjnego core’u. Im mniej zależności od konkretnego ośrodka klinicznego czy grantów krajowych w kluczowych komponentach, tym prostsza sprzedaż.

Licencjonowanie IP zamiast pełnej sprzedaży spółki

W polskich warunkach częstym kompromisem jest model, w którym spółka zachowuje własność IP, a partnerzy (np. zagraniczny medtech, producent sprzętu rehab) dostają wyłączną licencję na określony rynek lub segment kliniczny.

Ten wariant wymaga z góry przemyślenia, jak podzielić technologię na „klocki”, które można licencjonować oddzielnie: algorytmy dekodowania, hardware referencyjny, pipeline przetwarzania w chmurze. Jeżeli wszystko jest ze sobą zlane, trudno będzie negocjować niezależne umowy z kilkoma partnerami.

Licencjonowanie daje też bufor: możesz równolegle prowadzić projekty konsumenczne na tej samej bazie technologicznej, o ile umowy jasno rozgraniczają pola eksploatacji. Tu wraca znaczenie precyzyjnych umów z uczelnią i pierwszymi klientami pilotażowymi.

R&D hub w Polsce jako docelowy model, nie „przystanek”

Dla części zespołów sensowniejszy jest scenariusz, w którym Polska staje się centrum badań i rozwoju, a komercjalizacja odbywa się poprzez partnerów za granicą. To nie jest wersja „gorsza” – bywa stabilniejsza, szczególnie przy ograniczonym kapitale i małym rynku wewnętrznym.

Takie huby buduje się wokół kilku przewag: dostęp do talentu (neuro, AI, elektronika), stałe relacje z 2–3 klinikami oraz zdolność prowadzenia badań zgodnie z wymogami regulatorów innych jurysdykcji. Dobrze, jeśli już pierwsze protokoły badań projektuje się tak, by dało się je „przetłumaczyć” na wymogi FDA czy innych agencji spoza UE.

W tym modelu kluczowe jest utrzymywanie transparentnej dokumentacji i procesów, bo zewnętrzni partnerzy będą audytować nie tylko kod, ale też sposób prowadzenia badań na ludziach i obiegu danych.

Jak podjąć decyzję: czy wchodzić w BCI w Polsce teraz

Na koniec zostaje pytanie, które stoi za większością rozmów o BCI: czy wchodzić w ten obszar w Polsce dziś, czy raczej poczekać albo przenieść projekt za granicę. To nie jest kwestia entuzjazmu wobec technologii, tylko chłodnej oceny kilku zmiennych.

Prosty test realności projektu na pierwszy rok

Dobrą praktyką jest zamknięcie planu na 12 miesięcy w kilku punktach kontrolnych. Dla BCI w Polsce sensowny test obejmuje między innymi:

• czy masz dostęp do minimalnej infrastruktury (sprzęt, laboratorium, klinika lub grupa użytkowników) bez przepalania połowy budżetu,
• czy potrafisz opisać produkt w jednym zdaniu bez używania słowa „medyczny”, jeżeli formalnie nie planujesz pełnej ścieżki wyrobu medycznego,
• czy jest przynajmniej jeden podmiot, który realistycznie zapłaci za pierwsze wdrożenie, nawet małe, w ciągu dwóch lat.

Jeśli na te pytania odpowiadasz twierdząco, bariera wejścia jest niższa niż się wydaje z perspektywy pitch decku pełnego sloganów o „czytaniu myśli”. Jeżeli nie – być może lepiej zacząć od komponentu AI, analizy sygnałów czy klasycznego medtechu, a dopiero potem dołożyć pełnoprawne BCI.

Dla wielu zespołów rozsądnym kolejnym krokiem jest krótka, konkretną konsultacja regulacyjna połączona z warsztatem product–market fit z klinicystą lub reprezentantem rynku konsumenckiego. Jedna dobrze przepracowana sesja tego typu bywa cenniejsza niż miesiące dopieszczania prezentacji o przyszłości neurotechnologii.

BCI, AI i robotyka: gdzie kończy się innowacja, a zaczyna nadregulacja

Łączenie BCI z AI i robotyką jest kuszące, bo otwiera atrakcyjne use case’y: sterowanie wózkiem, egzoszkieletem, ramieniem robota. Problem pojawia się, gdy w jednym systemie kumulują się różne reżimy prawne – wyroby medyczne, bezpieczeństwo maszyn, czasem nawet przepisy dotyczące wyrobów aktywnych wszczepialnych.

Przy prostym scenariuszu „EEG + algorytm + dashboard” często wystarczy jedna klasyfikacja jako wyrób medyczny software’owy albo narzędzie wellbeing. Gdy dokładamy robota rehabilitacyjnego, okazuje się, że każdy komponent musi być opisany osobno, a integracja jest traktowana jak nowy wyrób, z własną oceną ryzyka.

Praktyczna zasada: na pierwszym etapie odseparować logicznie i kontraktowo trzy warstwy – pozyskiwanie sygnału mózgowego, przetwarzanie/AI, aktuację (robota, wózek, grywalizacja). Dzięki temu można certyfikować lub regulacyjnie analizować każdą warstwę oddzielnie, a w pilotażach ograniczać się np. tylko do wizualnego feedbacku zamiast fizycznego ruchu maszyny.

Jeżeli głównym celem jest R&D, a nie natychmiastowa komercjalizacja egzoszkieletu sterowanego BCI, sensowne bywa wypchnięcie robota poza obszar badań klinicznych i testowanie integracji najpierw „na sucho”, np. poprzez symulacje i wirtualne scenariusze. To zmniejsza ryzyko prawne, a jednocześnie pozwala dopracować algorytmy i protokoły interakcji człowiek–maszyna.

Decyzje „pierwszych 90 dni”, które ułatwiają życie w kolejnych latach

W BCI wiele problemów regulacyjnych i etycznych nie wynika z samych przepisów, tylko z chaotycznego startu. Kilka decyzji podjętych w pierwszych miesiącach determinuje, ile czasu i pieniędzy pochłonie projekt później.

Pierwsza to wybór osi: klinika czy „performance/wellbeing”. Jeżeli zespół i kapitał są niewielkie, a technologiczny core to algorytmy analizy sygnału, bezpieczniej zacząć od nieklinicznego zastosowania i od początku dokumentować wszystko tak, jakby kiedyś miało to zostać wyrobem medycznym. Można wtedy spokojnie budować dane i produkt, nie blokując się na długich procedurach.

Druga decyzja dotyczy tego, kto „trzyma” compliance. W praktyce działa prosty model: jedna osoba (często CTO lub COO) formalnie odpowiada za to, żeby każde nowe badanie, umowa czy funkcja w produkcie miała krótką notkę: jaki reżim prawa dotyczy danego kawałka i jakie konsekwencje to niesie. Nie chodzi o bycie prawnikiem, tylko o nawyk zadawania właściwych pytań.

Trzecia sprawa to świadome ograniczenie zakresem. Zamiast obiecywać „BCI do wszystkiego”, lepiej zejść do jednego, dobrze zdefiniowanego scenariusza (np. trening uwagi dla uczniów szkół średnich, wsparcie komunikacji dla osób po udarach w jednym ośrodku) i pod ten scenariusz dobrać minimalnie konieczne ścieżki regulacyjne. Dopiero po przejściu pierwszego cyklu badań, pilotażu i feedbacku rozszerzać produkt.

BCI w Polsce: rozsądny kolejny krok dla foundera

Jeśli po przejrzeniu barier projekt nadal wydaje się atrakcyjny, następnym ruchem nie jest pisanie biznesplanu na pięć lat, tylko szybkie zweryfikowanie dwóch rzeczy: realnego dostępu do danych/sygnału oraz gotowości partnera (kliniki, szkoły, firmy) do wejścia w pilotaż pod własnym szyldem.

Krótki, precyzyjny dokument koncepcyjny – 2–3 strony z opisem zastosowania, typem użytkownika, zakresem badań na ludziach i oczekiwanym efektem – często wystarcza, żeby sensownie porozmawiać z prawnikiem regulacyjnym, komisją bioetyczną i potencjalnym pierwszym klientem. Po takiej rundzie rozmów zazwyczaj widać już jasno, czy to czas na BCI w Polsce w tej konkretnej konfiguracji, czy lepiej przesunąć akcent na inne obszary neurotechu i wrócić do pełnoprawnego interfejsu mózg–komputer później.

Jak rozmawiać z inwestorami o BCI bez obiecywania science fiction

Rozmowy z inwestorami przy BCI bardzo szybko dryfują w stronę wizji, a bardzo wolno schodzą do poziomu ryzyk regulacyjnych i danych. To wygodne na etapie pierwszego spotkania, ale mści się przy due diligence, kiedy pojawiają się pytania o klinikę, zgodę pacjentów i status wyrobu.

Bezpieczniej jest od początku ustawić narrację na „kontrolowane ryzyko”. Zamiast ogólnej obietnicy „czytania intencji z mózgu”, lepiej pokazać jedną precyzyjnie opisaną ścieżkę: typ sygnału, grupa użytkowników, plan badań na ludziach, potencjalna klasyfikacja wyrobu, a obok kilka wariantów „plan B” (np. soft non-medical na tym samym stacku).

Dobrze działa też wczesne nazwanie rzeczy po imieniu: ile miesięcy realnie zajmie uzyskanie zgody komisji bioetycznej, kiedy najwcześniej mogą powstać dane kliniczne, jaki jest minimalny budżet na certyfikację, nawet jeśli to jeszcze szacunki. Wielu inwestorów woli usłyszeć twarde „bez 1–2 mln zł nie ma sensu udawać pełnego medtechu” niż oglądać slajd z roadmapą na trzy kontynenty.

Przydatnym trikiem jest rozdzielenie w decku „roadmapy naukowej” od „roadmapy biznesowej”. Pierwsza pokazuje, jak będzie rósł poziom dowodów naukowych (proof of concept, pilotaż, badanie z kontrolą, wieloośrodkowe dane). Druga – kiedy i w jakiej formie mogą pojawić się przychody, nawet jeśli początkowo są to płatne pilotaże, usługi analizy sygnałów czy licencje na algorytmy w wersji non-medical.

Jeżeli w projekcie jest komponent uczelniany, dobrze mieć przygotowaną jasną odpowiedź na dwa pytania: kto faktycznie kontroluje IP i jak będą rozwiązywane konflikty między publikowaniem wyników a ochroną komercyjną. Brak tej klarowności zniechęca część funduszy jeszcze przed wejściem w szczegóły technologii.

Czego inwestorzy zwykle nie mówią wprost przy BCI

Przy projektach BCI w Polsce często padają ogólne stwierdzenia: „za wcześnie na ten rynek” albo „zbyt regulowane”. Rzadziej wybrzmiewa, o co dokładnie chodzi. Zazwyczaj o trzy elementy: przewidywalność czasu do pierwszych danych, wiarygodność ścieżki regulacyjnej i kompetencje zespołu poza samym R&D.

W praktyce sprowadza się to do kilku cichych kryteriów. Czy zespół już raz dowiózł projekt medtechowy lub badania na ludziach od A do Z. Czy ma u siebie kogoś, kto rozumie klinikę z perspektywy lekarza lub fizjoterapeuty, a nie tylko naukowca. Czy w planie jest miejsce na „nudne” elementy: rekrutację pacjentów, prowadzenie dokumentacji, zarządzanie zgodami.

Fundusze technologiczne częściej boją się właśnie operacyjnej złożoności niż samej natury BCI. Jeżeli pokażesz, że pierwsze badanie pilotażowe ma już potencjalnego partnera klinicznego, wstępny protokół i oszacowany koszt, znika spora część obaw, że projekt ugrzęźnie na lata w fazie „projektowania RCT na 500 pacjentów”.

Polska jako poligon doświadczalny: kiedy to atut, a kiedy pułapka

Polska ma kilka realnych przewag dla BCI: relatywnie łatwiejszy dostęp do pacjentów w części wskazań, dobrą kadrę neuro/rehab, niższe koszty badań pilotażowych. Ma też słabości: ograniczoną liczbę ośrodków gotowych na niestandardowe protokoły i mały rynek płatników za innowacje.

Jeżeli celem jest zbudowanie technologii, którą później „przetłumaczysz” na rynki USA lub Europy Zachodniej, lokalne uwarunkowania bywają sprzymierzeńcem. Mniejsza skala systemu zdrowia ułatwia zbudowanie bliskich relacji z kilkoma ośrodkami, a to wystarcza do solidnych badań pilotażowych czy wczesnych R&D.

Pułapka zaczyna się wtedy, gdy model biznesowy zakłada, że to właśnie polski system refundacyjny lub szpitale publiczne będą głównym źródłem przychodów w pierwszych latach. Bez mocnego wsparcia instytucjonalnego albo programu pilotażowego na poziomie NFZ jest to mało realistyczne.

Bezpieczniej traktować Polskę jako miejsce pozyskania danych, walidacji i budowania IP, a główne scenariusze komercyjne planować pod rynki, które częściej płacą za wysokospecjalistyczne neurotechnologie. Nawet jeżeli pierwsze wdrożenia „na żywo” dzieją się lokalnie, pricing i model kontraktowy warto projektować z myślą o partnerach zagranicznych.

Kiedy lepiej zacząć za granicą, nawet z polskim zespołem

Niektóre typy projektów BCI od początku lepiej ustawić na zagraniczną jurysdykcję, zostawiając w Polsce głównie inżynierię i część badań. Dotyczy to zwłaszcza mocno inwazyjnych rozwiązań i produktów, które od razu celują w ścisłe wskazania medyczne z wysoką klasą ryzyka.

W takich przypadkach więcej sensu ma spółka matka np. w jurysdykcji z doświadczeniem w tego typu badaniach, a w Polsce – spółka-córka lub centrum R&D. Zmienia to zestaw rozmów z regulatorami, ale pozwala szybciej myśleć o pilotażach tam, gdzie ścieżki są już przetarte przez innych graczy neurotech.

Nie oznacza to automatycznie przenoszenia całego zespołu. Często wystarczy, że formalny sponsor badań klinicznych, właściciel wyrobu i podmiot kontraktujący główne umowy z klinikami jest zarejestrowany tam, gdzie chcesz finalnie sprzedawać produkt. Dla lokalnych grantów i współpracy z uczelniami polska obecność i tak będzie potrzebna.

Najważniejsza decyzja: czy chcesz budować firmę, czy głównie technologię

W BCI różnica między „deep tech company” a „projekt R&D z potencjałem licencyjnym” jest szczególnie wyraźna. Pierwsza ścieżka wymaga gotowości do budowania sprzedaży, operacji, compliance i wsparcia użytkowników przez lata. Druga – skupia się na maksymalizowaniu wartości IP i danych, żeby w odpowiednim momencie przekazać je większemu podmiotowi.

Jeżeli Twoją motywacją jest przede wszystkim rozwiązywanie trudnych problemów naukowo-technicznych, a nie prowadzenie zespołu sprzedaży i zarządzanie wdrożeniami w kilku krajach, realistyczniej będzie od razu myśleć w kategoriach licencjonowania, spin-offu lub modelu R&D hub. Wtedy wiele decyzji (np. ile inwestować w brand konsumencki, jak rozbudowany robić front-end produktu) podejmujesz inaczej.

Jeżeli natomiast celem jest pełnoprawna firma produktowa, trzeba już na starcie zaakceptować, że duża część budżetu i energii pójdzie na elementy, które nie są „czystą neurotechnologią”: obsługę użytkowników, integracje z systemami szpitalnymi, certyfikacje, raportowanie zdarzeń niepożądanych. To właśnie tutaj często rozstrzyga się, czy polski startup BCI przechodzi z fazy projektowej do realnego rynku.