Kintsugi 的抑郁症语音检测在等待 FDA 许可中耗尽资金

面向医疗系统和远程医疗的语音生物标志物 API：根据简短语音样本评估 PHQ-9/GAD-7 抑郁症和焦虑风险，不依赖说话内容，且与语言无关。

押注语音生物标志物——音高变化、语速、停顿——能像 PHQ-9 问卷一样可靠地识别抑郁症，并且监管机构会将其作为医疗器械予以许可

2021 年 800 万美元种子轮，2022 年初 2000 万美元 A 轮，总计约 3000 万美元。

在台湾长大的 Grace Chang 和在哈萨克斯坦长大的 Rima Seiilova-Olson 在 2019 年的一场黑客松上相识。两位工程师都经历过抑郁症，也都曾在获得照护时撞上同一堵墙。她们把问题定义为分诊：全球约有 2.8 亿人患抑郁症，临床医生却严重不足，医疗机构没有快速办法看出谁正在挣扎。

两人在 2021 年筹集了 800 万美元，并在 2022 年初完成了 2000 万美元的 A 轮融资。该模型基于数万份经同意的语音训练，仅凭语音模式就能对 PHQ-9（0–27）和 GAD-7（0–21）量表打分——它刻意忽略说话内容，这使其与语言无关。Kintsugi 与阿肯色大学医学科学中心开展了一项临床研究，与美国大型医疗保健公司签订了合同，并在以临床决策支持名义依据《21 世纪治愈法案》销售的同时，寻求 FDA De Novo 分类。

FDA 许可始终没有到来。2026 年 2 月，Kintsugi 关闭，并且没有将模型出售给买家，而是将其技术和研究作为开源发布（Behavioral Health Business，2026-02-11）。评论者指出，这些语音模型可能在深度伪造音频检测中获得第二次生命。

依据《21 世纪治愈法案》以“临床决策支持”名义销售是一个灰色地带，而这个空间正在收窄：医疗系统和支付方最终想要的是受监管的器械，而不是筛查启发式工具。

语音 AI 的 FDA 验证意味着受控的、人口统计学上广泛的数据集——这项支出每季度都在累积，而许可及其背后的收入却仍在等待。

语音生物标志物会随口音、年龄、合并症甚至麦克风质量而变化，因此假阳性风险恰恰是监管机构最不愿容忍的失败模式。

七年比风险投资的资金跑道更长：这个押注需要 FDA 按初创公司的时间表行动，而 De Novo 审评并不会。

在受监管的医疗 AI 中，模型是容易的部分；多人口统计学的临床验证才是成本中心。要把监管机构计入资金跑道，或者选择在软件可以保持为软件的地方发布。

截至 2026 年 4 月，相关技术和研究已公开：Behavioral Health Business 于 2026-02-11 报道了这次开源发布，因此实验室和竞争对手可以基于这些数据集工作继续开发，而不必从零开始。Startup Fortune 指出，这些语音模型可以被重新用于检测深度伪造音频，因为暴露情绪的语音模式同样会暴露合成语音。创始人的论点——医疗 AI 很难在风险投资资金耗尽前实现受监管收入——成为该故事在行业媒体中真正的回响。