A spectral audit framework reveals task-dependent aperiodic reliance across EEG and ECG deep learning

Resumen Técnico: Un Marco de Auditoría Espectral para el Aprendizaje Profundo de EEG y ECG

Planteamiento del Problema
Los modelos de aprendizaje profundo aplicados a series temporales fisiológicas, como la electroencefalografía (EEG) y la electrocardiografía (ECG), se interpretan frecuentemente a través del prisma de características oscilatorias específicas del dominio (por ejemplo, ritmos delta para el sueño, complejos morfológicos para el ECG). Sin embargo, estas señales poseen inherentemente una envolvente espectral de banda ancha de tipo $1/f$ que co-varía con el estado de alerta, la edad, la patología y las condiciones de registro. Los modelos actuales de aprendizaje profundo pueden explotar esta estructura de banda ancha predictiva como un "atajo" en lugar de aprender los biomarcadores oscilatorios o morfológicos específicos que los investigadores asumen que están utilizando. Sin controles explícitos, las ganancias de rendimiento podrían atribuirse erróneamente al descubrimiento de ritmos neurales o cardíacos específicos, cuando en realidad reflejan la dependencia de la pendiente espectral aperiódica.

Metodología: El Marco de Auditoría Espectral
Los autores introducen un marco de "auditoría espectral" diseñado para descomponer la dependencia espectral en componentes aperiódicos y periódicos. El marco emplea los siguientes mecanismos centrales:

1. Descomposición Espectral: Los espectros de potencia se descomponen en una envolvente aaperiódica de banda ancha (modelada mediante SpecParam) y picos periódicos residuales.
2. Estrategias de Intervención:
   • Para modelos basados en PSD: Las entradas se manipulan para crear tres representaciones: el log-PSD completo, un espectro de "forma aaperiódica" (aislando la envolvente de banda ancha) y un espectro "aplanado" residual (eliminando la envolvente de banda ancha pero preservando las amplitudes relativas de los picos).
   • Para modelos de señal bruta (raw signal): Se aplican intervenciones de Fourier que preservan la fase. Se mantiene la fase de la señal bruta, mientras que el espectro de amplitud se reemplaza con una alternativa sham (original), de forma aaperiódica o aplanada. Esto manipula la información espectral manteniendo fija la estructura de fase temporal.
3. Protocolo de Evaluación: Los modelos se entrenan en datos originales y se evalúan bajo estas condiciones de intervención. Las caídas de rendimiento (específicamente las "caídas por aplanamiento") cuantifican la dependencia del modelo en la estructura aaperiódica.
4. Stack de Validación: El marco incluye controles sham para descartar artefactos de reconstrucción de Fourier, simulaciones sintéticas para verificar la recuperación de la verdad fundamental (ground-truth), comprobaciones de acuerdo entre métodos de descomposición (SpecParam vs. IRASA) y controles de "entrenamiento sobre la representación" para asegurar que las señales aplanadas retengan información utilizable.

Resultados Clave
La auditoría se aplicó a seis arquitecturas neurales, siete modelos fundacionales de EEG y el conjunto de datos PTB-XL de ECG.

• Dependencia Dependiente de la Tarea: La dependencia aaperiódica no es uniforme; varía significamente según la tarea.
  • Clasificación Sueño-Vigilia: Los modelos mostraron una dependencia extrema en la estructura aaperiódica. El aplanamiento del espectro causó caídas en la precisión balanceada superiores a 0.42 puntos (por ejemplo, EEGNet cayó de 0.939 a 0.502).
  • Detección de Anomalías Clínicas (TUAB): Los modelos mostraron una dependencia intermedia pero significativa. Las caídas por aplanamiento oscilaron entre 0.07 y 0.13 puntos en diversas arquitecturas estándar y modelos fundacionales.
  • Imaginación Motora: La dependencia fue mínima. Las caídas por aplanamiento fueron cercanas a cero (por ejemplo, EEGNet cayó solo 0.005), lo que sugiere que estos modelos dependen más de características oscilatorias o temporales.
• Comprobaciones de Especificidad: Dentro de la estadificación del sueño, la auditoría distinguió entre tareas. Mientras que la clasificación vigilia-vs-sueño y la estadificación de cinco etapas colapsaron bajo el aplanamiento, la clasificación N2-versus-N3 se mantuvo robusta, indicando que la intervención es diagnóstica en lugar de genéricamente destructiva.
• Confusión Demográfica: En el conjunto de datos TUAB, los sujetos anormales eran mayores que los sujetos normales. El emparejamiento por edad/sexo redujo la caída por aplanamiento, pero no la eliminó, sugiriendo que la estructura aaperiódica contiene tanto atajos demográficos como información genuina relacionada con la patología.
• Modelos Fundacionales: Seis de los siete modelos fundacionales auditados (ej. BIOT, LaBraM, EEGPT) mostraron una dependencia aaperiódica con significancia FDR, indicando que el preentrenamiento a escala no ha resuelto el problema del atajo de banda ancha. Un modelo (BENDR) exhibió fragilidad, donde incluso las intervenciones sham colapsaron el rendimiento, resaltando la inestabilidad en los checkpoints públicos.
• Generalización de la Inter-modalidad (ECG): La aplicación de la auditoría a los datos de ECG de PTB-XL reveló grandes caídas neurales por aplanamiento (0.32–0.36) que persistieron incluso tras el emparejamiento por edad/sexo. Esto confirma que el confuso se extiende más allá del EEG a otras modalidades fisiológicas con envolventes de banda ancha predictivas.

Significancia y Reivindicaciones
El artículo argumenta que la estructura espectral aaperiódica es un contribuyente medible y dependiente de la tarea al rendimiento del aprendizaje profundo que actúa como un confuso de banda ancha más amplio. Los autores afirman que:

1. Validez Interpretativa: Una alta precisión no garantiza que un modelo haya aprendido los mecanismos oscilatorios que los investigadores discuten. Las afirmaciones sobre biomarcadores específicos (ej. ritmos alfa/beta) requieren controles aaperiódicos explícitos para descartar la dependencia de la envolvente de banda ancha.
2. Estandarización: Los controles aaperiódicos (descomposición, aplanamiento, intervenciones sham) deberían convertirse en una práctica estándar en el aprendizaje profundo de series temporales fisiológicas, comparables a los controles demográficos.
3. Benchmarking: Las tablas de clasificación actuales de los modelos fundacionales, que reportan solo la precisión bruta, ocultan si las ganancias reflejan neurofisiología aprendida o atajos estadísticos de banda ancha. Añadir puntuaciones de intervención aaperiódica separaría los avances representacionales genuinos de la explotación de pendientes espectrales.
4. Generalizabilidad: La clase de confusión no es específica del EEG. Cualquier serie temporal fisiológica con una envolvente de banda ancha predictiva (incluyendo ECG, y potencialmente EMG, HRV, habla y datos financieros) es susceptible de este modo de fallo.

Los autores posicionan la auditoría no como una desmejora del aprendizaje profundo, sino como una herramienta para hacer sus éxitos "científicamente legibles", distinguiendo entre el descubrimiento genuino de biomarcadores y la dependencia de covariables espectrales de banda ancha.