Zespół badawczy udowodnił, że uniwersalne modele wizyjno-językowe mogą skutecznie pełnić rolę foundation modeli do analizy EEG w diagnostyce neurologicznej. Kluczowa idea polega na tym, że zamiast trenować specjalistyczne modele od zera na dużych zbiorach adnotowanych danych EEG, można wykorzystać już istniejące VLM i nauczyć je interpretowania wizualnych reprezentacji zapisów EEG - podobnie jak robią to doświadczeni lekarze.
Historycznie automatyczne systemy EEG opierały się na nadzorowanych modelach specjalistycznych, wymagających manualnego oznakowywania danych. Nowsze podejście polegało na tworzeniu ujednoliconych reprezentacji poprzez large-scale pretraining na nieoznakowywanych sygnałach EEG. Jednak jakość tych reprezentacji zależy od dostępności dużych zbiorów danych specjalistycznych. VLM natomiast wykazują zdolność do efektywnego uczenia się z kilku przykładów (few-shot learning) i dobrze adaptują się do nowych zadań poprzez fine-tuning, niezależnie od modalności danych.
Badania pokazały, że ogólne VLM bez specjalistycznego pretrainingu na EEG konkurują z dedykowanymi modelami foundation na zbiorze klinicznych zadań neuro-diagnostycznych. Ważniejsze jest to, że lepiej adaptują się do różnych zadań w warunkach few-shot learning oraz wykazują lepszą skalowość - wtedy gdy specjalistyczne modele tracą na wydajności wraz ze wzrostem rozmiaru. To sugeruje, że możliwe jest budowanie bardziej elastycznych i uniwersalnych systemów diagnostyki automatycznej bez konieczności gromadzenia i oznakowywania ogromnych ilości klinicznych danych EEG.