原文：脑电信号分析迈向“一模多用”：METIS探索零样本、多任务新范式
北京大学信息工程学院罗桂波、杨玉超团队在 Advanced Intelligent Systems 发表研究，提出语言引导的多模态脑电信号基础模型 METIS。该模型把睡眠分期、癫痫检测、阿尔茨海默病识别等任务统一为“脑电信号问答”，接收脑电信号和自然语言问题后直接输出答案。METIS 在 20 个数据集上预训练，覆盖超过 11,000 名受试者、70,000 小时记录和 1,800 万段信号。
北京大学信息工程学院罗桂波、杨玉超团队在 Advanced Intelligent Systems 发表研究，提出语言引导的多模态脑电信号基础模型 METIS。该模型把睡眠分期、癫痫检测、阿尔茨海默病识别等任务统一为“脑电信号问答”，接收脑电信号和自然语言问题后直接输出答案。METIS 在 20 个数据集上预训练，覆盖超过 11,000 名受试者、70,000 小时记录和 1,800 万段信号。
此前不同脑电任务通常需要各自准备数据、重新训练模型，换中心或换电极后可能从头再来。METIS 尝试用自然语言作为统一任务接口，把零样本与多任务分析放进同一框架，并在 12 个数据集上报告零样本平均 AUROC 达 75.5%，超过使用 1% 标注数据的监督模型平均水平，说明跨数据集泛化路径出现变化。
METIS 先用通用信号编码器适配通道数、采样率和记录时长不同的 EEG、ECoG 与 SEEG，再通过多模态注意力实现脑电信号与自然语言的交互，并利用混合专家网络按信号和任务调配计算能力。这样既共享通用知识，又保留具体任务所需专业性。可视化显示，模型判断 N3 期睡眠时会关注慢波活动，说明其可能将神经活动与高层语义建立联系，而非只记忆数据集统计特征。
如果该路径成立，脑电分析产品的交付方式可能从“每个任务定制模型”转向“统一模型加自然语言指令”，减少重新标注、重新训练和跨中心适配成本。研发侧需要建设多模态信号编码、信号-语言对齐和混合专家调度能力；产品侧则可探索零样本分类、少样本分类、Signal-QA 和跨数据集迁移等交互形态。