EEG-PRISM to nowa metoda objaśniania decyzji modeli fundamentalnych analizujących elektroencefalogramy, opracowana w celu przezwyciężenia luki między wynikami technicznymi a intuicją kliniczną. Zamiast tradycyjnie pokazywać, które fragmenty czasowe i kanały elektrod są ważne dla predykcji, metoda transformuje te wskazania do domeny częstości (rozkład na fale mózgowe takie jak delta czy theta) oraz do przestrzeni źródłowej (określająca obszary mózgu).
Metoda wykorzystuje liniowe transformacje matematyczne - przede wszystkim odwracalną transformatę Fouriera dla domeny częstości i generatywny model EEG dla mapowania przestrzennego. Kluczową zaletą jest to, że pracuje jako metoda post-hoc, czyli dodatkowa warstwa analizy, która nie wymaga przebudowy ani dokształcania żadnego modelu fundamentalnego. To znaczy, że może pracować z dowolnym istniejącym modelem i dowolnym objaśniaczem AI bez zmian ich architektury.
W testach empirycznych EEG-PRISM wykazała imponujące rezultaty. Na danych symulowanych osiągnęła prawie doskonałą rekonstrukcję fenomenów spektralnych i 69,2 procent dokładności w lokalizacji przestrzennej. W rzeczywistych przypadkach epilepsji metoda prawidłowo określiła, że aktywność w pasmach delta-theta jest kluczowa dla predykcji i wskazała miejsce początku napadu z 50-procentową dokładnością. W analizie autyzmu poprawnie zlokalizowała istotne biomarkery w regionach czołowych i skroniowych, co zgadza się z wcześniejszymi badaniami klinicznymi.
To osiągnięcie jest istotne, bo poprawia użyteczność kliniczną modeli AI w neurologii. Lekarze mogą teraz lepiej zrozumieć, na jakich fizjologicznych aspektach EEG model skupia uwagę, co zwiększa zaufanie do systemów wspomagających diagnozę i otwiera możliwość weryfikacji, czy model rzeczywiście uchwycił medycznie istotne wzorce.