Wang、Pichet Binette、Sainath等对两款近期发布的fMRI基础模型BrainLM与BrainHarmonix进行评估，数据来自有阿尔茨海默病家族史的成人队列PreventAD。样本含343名通过质控的受试者，其中218人接受淀粉样蛋白PET成像。研究比较冻结与微调模型特征同功能连接及“多数类”虚拟分类器两类基线的表现，预测目标为性别、年龄、向轻度认知障碍（MCI）进展及β-淀粉样蛋白负荷。论文称，两款模型均需对公开代码作大幅修改：BrainLM自带数据准备流程无法稳定微调，改用Nilearn标准流程后才实现；BrainHarmonix文档未说明新数据归一化方式。性别预测上功能连接优于所有基础模型特征；年龄组预测中BrainHarmonix结构编码器特征略高于功能连接但不显著；MCI与β-淀粉样蛋白预测中无特征在准确率上超过虚拟分类器，AUC接近随机…
研究：两款fMRI基础模型在临床数据集上尚难独立使用
medRxiv