What Do EEG Foundation Models Capture from Human Brain Signals?

技術的サマリー：EEG ファウンデーションモデルは人間の脳信号から何を捉えているのか？

問題提起
臨床脳波（EEG）分析は、長年にわたり、帯域パワー、コネクティビティ、複雑性、その他の信号特性を含む、数十年にわたって洗練されてきた手作り特徴量カタログに依存してきました。最近、生信号に対する自己教師あり事前学習を活用して臨床ベンチマークで最先端の性能を達成し、従来の特徴量エンジニアリングパイプラインをしばしば迂回する EEG ファウンデーションモデルが登場しました。しかし、重要な未解決の問いが残っています：これらのファウンデーションモデルが学習する高次元表現は、確立された臨床特徴量語彙と整合しているのでしょうか、それとも新たな信号構造を発見するために分岐しているのでしょうか？この整合性を理解することは、モデルの判断を人間の知識に対して検証し、新しい臨床記述子が必要となるギャップを特定するために不可欠です。

手法
著者は、整合性の問いを分解するための 3 部構成の監査フレームワークを提案します：(1) モデルは何を学習しているか（符号化）、(2) モデルは何を使用しているか（因果的依存）、(3) どの程度説明可能か（性能回復）。この監査は、3 つのファウンデーションモデル（CSBrain、CBraMod、LaBraM）、5 つの臨床タスク（MDD、Stress、ISRUC-Sleep、TUSL、Siena）、および 6 つのファミリー（時間領域形態、スペクトルパワー/形状、時間 - 周波数エンベロープ、信号複雑性、クロス周波数結合、クロスチャネル関係）に分類された 63 の手作り特徴量からなる語彙に対して適用されます。

手法では、すべての（データセット、モデル、特徴量）のトリプルに対して、3 つの異なる解釈可能性技術を採用します：

1. レイヤー別リッジプロービング：符号化を決定するため、線形リッジ回帰プローブが、モデルの各レイヤーの活性化から各手作り特徴量を予測します。プローブがホールドアウト検証セット上で有意な予測力（$R^2$）を達成した場合、その特徴量は「符号化」されているとみなされ、情報が存在する特定のレイヤーが特定されます。
2. LEACE 風クロス共分散部分空間消去：因果的利用を決定するため、著者はモデルの活性化に介入します。符号化のピークレイヤーにおいて、クロス共分散部分空間消去（LEACE 演算子のスケーラブルな近似）を用いて、活性化ベクトルからターゲット特徴量の線形復元可能な成分を除去します。ホールドアウトテストセットにおけるタスク性能の低下は、因果的依存を示します。これは、3 つのヌルターゲット（ランダム部分空間、シャッフルペアリング、ガウスノイズ）および線形残差プローブに対して厳密に制御され、偽の効果を排除します。
3. 透明分類器閉鎖：説明可能性を測定するため、ロジスティック回帰分類器を、確認された「表現 - 因果的」特徴量のセットのみを用いて訓練します。その性能は、ファウンデーションモデルおよび同じ次元のランダム特徴量ベースラインと比較されます。「閉鎖率」は、手作り特徴量によって回復される、ランダムベースラインに対するファウンデーションモデルの優位性の割合を定量化します。

主な貢献

• 因果的監査フレームワーク：本論文は、モデルが符号化する（表現内に持つ）特徴量と、意思決定のために因果的に使用する特徴量を区別する厳密なパイプラインを導入し、相関ベースの解釈可能性手法の限界に対処します。
• 包括的な語彙監査：本研究は 945 ユニット（3 モデル × 5 タスク × 63 特徴量）を監査し、ファウンデーションモデルが臨床 EEG 特徴量規範とどのように関連するかについての、大規模な因果マップを初めて提供します。
• 特徴量分類：著者は、特徴量をアーキテクチャ/タスク全体で強力なサポートを持つ普遍的な候補、タスク固有、モデル固有、および符号化のみに分類し、モデル依存の構造化された視点を提供します。

結果

• 符号化：ファウンデーションモデルは臨床語彙を広く回復します。ユニットの 89.6%（847/945）が符号化基準をパスし、すべての 63 の特徴量が少なくとも 1 つの（モデル、タスク）セルで符号化されています。周波数領域特徴量は、すべてのセルで高い強度で符号化されています。
• 因果的利用：ユニットの 68.6%（648/945）が「表現 - 因果的」であり、モデルがタスク判断のためにそれらに依存していることを意味します。21.1% は符号化されていますが、因果的に使用されていません。タスク全体では、2 つ以上のタスクで強力なサポートを持つ 50 の特徴量が普遍的な候補として認定されます。周波数領域特徴量が支配的ですが、時間 - 周波数、クロスチャネル、複雑性、時間領域、クロス周波数の各ファミリーも、5 つのタスクのうち少なくとも 4 つで実質的な因果的寄与を提供しています。
• 性能回復（閉鎖）：確認された特徴量は、平均して、ランダム特徴量ベースラインに対するファウンデーションモデルの優位性の 79.3% を回復します。明確なタスク勾配が存在します：性能天井に近いタスク（例：MDD、閉鎖率 $\approx$ 0.99）は、語彙によってほぼ完全に説明されますが、より困難なタスク（例：Stress、閉鎖率 $\approx$ 0.56）は、無視できない残差を残します。
• 残差：困難なタスクにおける説明されていない性能ギャップは、現在の 63 特徴量語彙では捉えられていない信号構造、または線形代理モデルでは捉えられていない非線形結合の存在を示唆しています。

意義
本論文は、手作り特徴量に対する帰納的バイアスなしに訓練された EEG ファウンデーションモデルが、大規模に臨床特徴量カタログを回復することを主張しています。しかし、符号化と利用の区別は決定的に重要です。モデルは多くの特徴量を符号化しますが、因果的に依存するのは特定のサブセットです。これらの知見は、性能天井に近いタスクでは、既存の臨床記述子がモデルの行動を説明するのに概して十分であることを示唆しています。逆に、より困難なタスクにおける残差性能は、将来の概念発見のための具体的なターゲットを特定し、現在の EEG 記述子カタログが不完全であることを示しています。この研究は、モデル表現と人間の知識の間のフィードバックループを確立し、既存の臨床記述子を検証し、AI 駆動の神経科学において新しい記述子が必要となる箇所を特定する方法を提供します。