fMRI 基础模型在下游应用中的当前缺口：来自 BrainLM 与 BrainHarmonix 在 Prevent-AD 上的经验教训

数据日期 2026-10-26 · 生成时间 2026-10-28 01:59　｜　预印本 · medRxiv · v1（2026-10-26） · radiology and imaging

一、一句话结论

在 Prevent-AD（AD 家族史成人队列，343 人通过 QC，其中 218 人有淀粉样蛋白 PET）上，两个近期 fMRI 基础模型 BrainLM 与 BrainHarmonix 的特征，在性别与年龄预测上仅与功能连接（FC）相当或略优，而在两个临床目标（MCI 进展、Aβ 负荷）上没有任何特征超过哑分类器的准确率、AUC 全部接近随机。 作者同时报告了两个模型都需要对发布代码做实质改动才能跑通。

二、研究问题

两个近期 fMRI 基础模型是否"已可被独立研究者用于临床数据集"？

三、方法（核验至全文 Methods）

四、核心结果（含 95% CI）

### 4.1 基线性能（Table 2）

> 这张表本身就是本条的核心贡献：在类别不平衡的临床目标上，FC 的"准确率"看起来体面（0.807 / 0.582），但 AUC 已经掉到随机线附近（0.451 / 0.495），且低于哑分类器。

### 4.2 基础模型表现

• 最佳基础模型特征：BrainHarmonix 冻结 T1 编码器的潜权重——性别 准确率 0.841 [0.823, 0.859]；年龄组 0.705 [0.673, 0.737]。
• 年龄组上基础模型略高于 FC，但差异不显著（t(34.0)=1.05，p=0.15）。BrainHarmonix 整体优于 BrainLM。
• MCI 状态：没有任何特征在准确率上超过哑分类器，AUC 全部接近随机；精确率最高的是微调后的 BrainLM attention head CLS token（0.176 [0.122, 0.231]），高于 FC（0.167 [0.013, 0.321]），但未达统计显著。
• Aβ SUVR：精确率最高的是微调 BrainLM CLS embedding（0.40 [0.339, 0.461]），高于 FC（0.355 [0.260, 0.449]），同样未达统计显著。

### 4.3 工程可复现性（本条的另一半价值）

• 信号归一化不一致：两模型所用数据集的归一化实践不明，作者只能实现多个选项并测试。
• 检查点分发：BrainLM 通过 Hugging Face；BrainHarmonix 通过 Google Drive 而非更安全的公开仓库。
• 源码质量：BrainLM 的时间序列提取未用 Nilearn 等通用库，且自行实现的 robust scalar 归一化有误（issue 页面已有多条未处理）；BrainHarmonix 打包后不可安装，幸有 MedARC-AI 的修复 fork。
• 学习曲线：BrainHarmonix 在无全局归一化时学习曲线嘈杂、部分交叉验证折 50 个 epoch 内不收敛；BrainLM 仅 giga-connectome 流程无全局体素归一化时学习曲线稳定，但损失变化幅度很小。

五、作者给出的建议

• 未来研究应提供标准化数据流程。
• 始终报告 FC 与哑分类器基线。
• 类别强不平衡的临床目标应报告包括精确率在内的多个指标。

六、局限（全文自陈 + 核验补充）

• 仅两个模型、一个数据集，不能推广为"fMRI 基础模型都无效"。
• Prevent-AD 是家族史富集队列，事件率与人群分布不同于一般临床场景。
• 作者改动了发布代码，因此"模型表现"部分依赖于他们的工程选择（作者已如实说明，但这使结果的可归因性变差）。
• 样本 343（218 有 PET）对 MCI/Aβ 这类不平衡目标把握度有限。
• 未与更强的传统机器学习基线比较（如带特征选择的 SVM/梯度提升），只比了 FC 与哑分类器——这是一个真实的方法学缺口：如果目的只是"基础模型是否超过 FC"，那么设计是成立的；但如果想说"基础模型没用"，还需要强基线。
• （核验补充） 作者只报告了学习曲线稳定的条件，意味着部分配置的结果被排除——这是合理的（作者已说明并给出图），但也意味着最终报告的是"在能跑通的配置下的最好情况"。

七、对衰老与长寿研究的价值

• "哑分类器基线"这一条建议本身价值最高：在类别不平衡的衰老/AD 预测任务中，不报哑分类器基线会让"AUC 0.7"看起来像有效，而实际上可能只是多数类占比。这条应当成为我们评估任何脑龄/AD 预测模型的默认检查项。
• "LLM 式的强迁移不能假定成立于 fMRI"：与语言/视觉领域不同，这里没有任何特征在临床目标上超过哑分类器，这是对当前"基础模型热"的一个硬约束。
• 工程可复现性问题很现实：两个模型都需要实质改代码才能跑通，会直接劝退独立团队——在决定引入大模型特征之前，先评估工程成本。
• 与本期的呼应：补遗观察哨 B6（EEG 的时间链接指标）与补遗主榜 A4（脑龄差）都是用简单、可解释的特征做出有效预测，与本条形成对比——在样本有限的衰老/AD 数据上，可解释的领域特征目前仍优于大模型特征。

八、保留意见（读者须知）

• 本条是方法学评估论文，不含新的衰老生物学发现。
• 不要引用为"fMRI 基础模型无效"，正确的引用是"在 Prevent-AD 这一家族史富集队列上、在两个特定模型上、四个目标中的两个临床目标上，未观察到超过哑分类器的表现"。
• 预印本，未经同行评审。

> 全文核验记录：2026-10-28 抓取 PDF（HTTP 200，1,314,354 字节，30 页），逐节核对至 Abstract / Methods（归一化、检查点、源码 fork）/ Results（Table 2 基线、性别与年龄组、MCI 与 Aβ）/ Discussion / Limitations and future directions / Funding。页内数字均出自全文；本节额外补出速递卡片未覆盖的细节（Table 2 的完整基线数值与 95% CI、t 检验统计量 t(34.0)=1.05、BrainHarmonix 冻结 T1 编码器为最佳特征、BrainLM robust scalar 实现有误、BrainHarmonix 经 Google Drive 分发、学习曲线排除条件）。 > 时间标签：数据日期 2026-10-26（补遗窗口 T-2）· 生成 2026-10-28 01:59