I modelli foundation EEG non superano le caratteristiche classiche nel benchmark clinico

Un nuovo preprint su arXiv (2607.24519) valuta cinque modelli foundation EEG rispetto ai metodi tradizionali basati su caratteristiche, utilizzando diversi benchmark clinici, incluso il dataset coreano CAUEEG. I risultati indicano che le caratteristiche tradizionali superano tutti i modelli foundation nella classificazione di normale, deterioramento cognitivo lieve e demenza, raggiungendo un macro-AUROC di 0,734 con una sensibilità di 0,736. In confronto, BIOT-bipolar16 ha ottenuto un punteggio di 0,677, CBraMod 0,669 e REVE 0,568. Il sottoinsieme senza sovrapposizioni ha mantenuto lo stesso ordine (0,717 contro 0,565). È interessante notare che tutti e cinque gli encoder hanno ottenuto un punteggio di decodifica dell'identità del dataset pari a 1,000, sia prima che dopo l'applicazione di PCA-50 all'interno delle pieghe, mostrando una dipendenza dall'appartenenza al dataset piuttosto che da effetti causali. La ricerca evidenzia l'importanza dei protocolli di controllo negativi per la valutazione dei modelli EEG clinici.