Modello AI Ricostruisce Segnali Cerebrali Invasivi da EEG Scalp

I ricercatori propongono CAST, un framework di apprendimento automatico che ricostruisce l'EEG intracranico (iEEG) dall'EEG scalp non invasivo su diversi soggetti, eliminando la necessità di dati di addestramento specifici per il paziente. Il modello utilizza una strategia di transfer learning a due stadi con un codificatore temporale che estrae rappresentazioni neurali multiscala a tre risoluzioni, seguita da meccanismi di attenzione incrociata per mappare i segnali scalp alle forme d'onda iEEG multicanale. Questo approccio affronta la dipendenza circolare per cui i modelli precedenti richiedevano un intervento chirurgico invasivo per raccogliere dati di addestramento, limitando il beneficio pratico. Lo studio, pubblicato su arXiv (2605.18897), dimostra la ricostruzione iEEG cross-soggetto per pazienti non visti, potenzialmente avanzando le interfacce cervello-computer e le applicazioni cliniche senza richiedere chirurgia per ogni individuo.