في عالم التطورات السريعة في طب الأعصاب، تشغل نماذج EEG المدربة مسبقاً (Pretrained EEG Foundation Models) مكانة بارزة في تحسين دقة التشخيص السريري. لكن التحدي الذي يواجه الباحثين هو مدى قدرتها على النقل بين المجموعات السكانية المختلفة واستجابتها للضوابط السلبية.

في هذه الدراسة المثيرة، تم تقييم ستة نماذج متطورة، وهي: LaBraM وEEGMamba وCBraMod وREVE وBENDR وBIOT، عبر خمسة مهام سريرية مُحددة تستخدم أربع datasets مختلفة. تم استخدام اختبارات متقدمة مثل frozen linear probes لاستنتاج دقة النماذج في التعرف على البيانات.

من بين أبرز النتائج، سجل نموذج REVE درجة 0.568 في اختبار AUROC أثناء تطبيقه على مرضى الخرف الكوريين، مما يتفوق على الخصائص الكلاسيكية عند 0.769. والمثير أن النتائج تظل متسقة حتى عند استخدام تقسيمات مختلفة للعينات.

علاوة على ذلك، تمكّن نموذج REVE من تحقيق 0.793 AUROC في اكتشاف نوبات مرضى الصرع عبر الاختبارات السريرية، مما يعطي الأمل في استخدام نماذج الذكاء الاصطناعي بشكل أوسع في تحسين الرعاية الصحية. ومع ذلك، تبقى الاستنتاجات قائمة على تقييم التجارب ووحدة التقييم والتغيير في مجموعات البيانات.

هل أنتم متحمسون لرؤية المزيد من التطورات في نماذج EEG وتأثيرها على التشخيصات الطبية؟ شاركونا آرائكم في التعليقات!