Reliability and disease sensitivity are dissociable properties of EEG foundation-model representations

ABSTRACT

中文摘要

EEG 基础模型通常主要依据疾病区分准确率进行评价，但临床生物标志物还必须具有测量可靠性，即同一个体在重复测量中保持稳定；区分能力并不能自动保证这一性质。作者考察冻结的 EEG 基础模型表征是否具有重测稳定性、这种稳定性能否由常规模型描述预测，以及哪些信息支撑可靠性。研究比较九种冻结表征：六种采用掩码、对比或预测式预训练的 EEG 基础模型、手工频谱特征，以及两种从未接触 EEG 的通用时间序列模型；所有模型使用同一预处理流程，在两个健康重测队列（间隔约一个月和两年）与三个神经退行性疾病队列上评估。九种表征的平均组内相关系数从 0.08 到 0.76，变异系数为 53.0%，而疾病区分 AUC 的变异系数只有 5.4%。预训练范式或领域不能稳定解释可靠性，甚至一个没有 EEG 预训练的模型也位列最可靠模型。Alpha 频带对可靠性贡献突出，而 theta 频带对阿尔茨海默病和额颞叶痴呆区分更重要。子空间几何与频带消融共同表明，可靠性和疾病敏感性部分可分离，二者如何保留或互相牺牲取决于网络架构与深度。作者因此建议把可靠性设为 EEG 基础模型用于纵向研究或生物标志物时的标准评价轴。