癫痫与非癫痫患者个性化脑电模型预测拟合相近，但学到的潜在状态依赖结构显著不同
核心概要
该研究用预训练于TUEG的轻量CNN–Transformer脑电基础模型提取冻结表征，在TUEP上映射到共享潜在状态空间，并对每位受试者独立拟合稀疏多项逻辑转移分布，得到个性化潜在转移依赖图；结果发现癫痫与非癫痫受试者的受试者内预测拟合几乎相同，但癫痫组学到的依赖结构明显更稠密，且这些图特征仍保留中等程度的组别区分信息。
Figure 1 : Pipeline for personalized latent-dynamics modeling from scalp EEG. Non-overlapping 30-s EEG segments are encoded using our frozen EEG foundation model and mapped to shared latent-state spaces using global k k -means at k = 4 k{=}4 and k = 6 k{=}6 . Each segment is assigned a discrete state label, producing a subject-specific state sequence. The sequence is modeled independently for each subject using mLTD with group-lasso regularization across temporal lags, yielding a sparse, directed, weighted transition-dependency graph W n ∈ ℝ k × k W_{n}\in\mathbb{R}^{k\times k} .
arXiv深度剖析
研究提出并验证了一个将个性化模型的预测有效性与所学动态结构分开评估的流程：冻结脑电基础模型表征、共享潜在状态空间、逐受试者mLTD拟合，得到稀疏有向加权的潜在转移依赖图。 以往对临床AI模型的评估主要集中于预测性能，而该工作把“模型预测得准不准”和“模型内部如何组织时间依赖”作为两个互补的评价轴，并明确区分状态占用与状态间转移。 流程细节完整：编码器在2,259,998个30秒TUEG片段（约18,800小时）上以自监督重建预训练，冻结后用于TUEP；每个30秒片段映射为128维表征，用单一全局k-means得到共享状态空间；最大滞后与稀疏参数按受试者用5折时间序列交叉验证选择。
在预测拟合几乎相同的情况下，癫痫组学到的潜在转移依赖结构显著更稠密：主分辨率下平均非零依赖为10.01对5.67，归一化密度约62.6%对35.4%；更细分辨率下为19.90对13.46，归一化密度约55.3%对37.4%。 这构成一个“拟合—结构解离”的实证：两组在各自个性化模型下同样可预测，但模型组织时间依赖的方式不同，说明预测等价不足以推断内部动态等价。 组分析使用99例癫痫与99例非癫痫受试者，两组差异用Mann–Whitney检验；同一组水平模式在两个潜在状态分辨率下均出现，且附录的滞后稳健性检查显示各滞后下预测拟合仍匹配。
从依赖图导出的特征仍保留中等程度的癫痫/非癫痫组别区分信息，标量摘要、图导出特征与向量化全矩阵特征在分层5折受试者级交叉验证下给出中等AUROC。 这表明临床相关信息可能存在于所学潜在动态的组织方式中，而不仅仅体现在整体预测拟合上；同时作者强调这不等同于诊断性能。 分类评估使用L2正则、类别平衡的逻辑回归与分层5折受试者级交叉验证；敏感性分析中排除全零图后标量组AUROC仍高于随机水平，说明稠密化与区分并非仅由全零图造成。
研究把结果定位为面向“患者世界模型”的中间评估步骤：在把个性化动态模型扩展到干预感知推理之前，需要先刻画所学动态结构。 作者提出可进一步将动态条件化于已测量的干预或扰动并刻画干预相关结构变化，但指出这需要纵向或干预条件数据与相应因果假设。 该定位基于本研究的观察性病例—对照设计；作者明确说明所学依赖应被视为模型所学潜在动态的研究描述符，而非诊断生物标志物、因果脑图或生理连接图。
启示与展望
该工作面向研究场景：使用头皮脑电、以癫痫作为临床对照，评估个性化潜在动态模型是否在预测拟合之外携带临床相关信息。它适用于需要在把表征纳入下游临床AI或干预感知模型之前，检查所学潜在空间中是否存在临床相关动态结构的研究者与工程团队。作者指出，所学依赖图应作为模型所学潜在动态的研究描述符，而非诊断生物标志物、因果脑图或生理连接图，因此不应在未经前瞻性临床验证的情况下用于自主诊断、治疗选择或干预规划。
所学k-means状态为无监督且尚无公认的临床或生理解释；分析为观察性病例—对照，依赖差异代表预测性时间依赖而非因果疾病机制或治疗效应。非癫痫组在主分辨率下全零图比例更高，可能部分贡献于观察到的密度差异，尽管非全零敏感性分析显示临床相关结构信息并非仅来自全零图。个性化分析仅使用单一冻结脑电基础模型的表征，受试者级依赖矩阵的跨编码器一致性尚待建立。前瞻性、重测与纵向分析将是确立所学动态结构稳定性与临床可推广性的后续步骤。