不同算法（可能）揭示不同模式：脑龄预测案例研究

基于摘要分析。该研究考察 EEG 脑龄预测中的既有研究假设能否在不同算法下得到一致验证，核心贡献是将算法变化下解释性发现的一致性作为稳健性问题，而不只关注预测性能。 方法上，作者先通过文献调查整理已知对脑龄预测具有信息价值的特征，再采用多种特征提取技术、处理步骤与模型开展分析，并利用 SHapley Additive exPlanations（SHAP）值将模型发现与既有研究进行对照。这里的“算法变异稳健性”指不同算法能否持续揭示相似发现；它不等同于跨被试、跨会话或跨数据集泛化能力。 作者报告，在所使用的特定数据集上，少数模型达到了当时的最先进性能，但摘要未提供数据集名称、评价指标、具体分数或对照基线，因此无法核对性能优势及其适用范围。作者还报告，多数模型揭示了相似的 EEG 模式，但仍存在差异，且一些重要发现只能由特定模型验证。该结果支持进一步检查模型解释对算法选择的敏感性，不能据此认定某一模型的解释就是可靠的生理机制。作者提及针对这种稳健性不足提出补救建议，具体内容尚未验证。 复现时需要核对特征定义、预处理差异、模型配置、数据划分、SHAP 的计算与汇总方式，以及不同模型是否在相同评估条件下比较。被试规模、被试内或跨被试协议、消融及统计信息尚未验证。研究直接涉及 EEG 脑龄预测，但摘要没有提供 BCI 任务验证，其结论不应直接扩展为 BCI 解码效果或临床有效性的证据。